Para ilmuwan menemukan cara menggunakan tubuh Anda untuk memproses data di perangkat yang dapat dipakai
Seorang ilmuwan di Jepang telah menunjukkan bagaimana tubuh manusia dapat digunakan seperti komputer untuk memproses data dan memecahkan masalah yang kompleks.
Terobosan ini dimungkinkan karena jaringan manusia memiliki sifat yang berguna untuk semacam pemrosesan data yang disebut “komputasi reservoir,” penulis penelitian Yo kobayashiAssociate Professor di Departemen Ilmu & Bioengineering Mekanik Universitas Osaka, menulis dalam sebuah studi baru yang diterbitkan 20 Maret di jurnal Akses IEEE.
Dalam komputasi reservoir, input dimasukkan ke dalam sistem dengan sejumlah besar “node” atau “dimensi” (reservoir) dan kemudian ditafsirkan untuk mengisolasi data penting atau memprediksi hasil di masa depan. Sementara dalam banyak kasus reservoir adalah digital, dimungkinkan untuk menggunakan sistem fisik lainnya.
Untuk menunjukkan kemungkinan menggunakan jaringan manusia untuk memproses data, peneliti meminta peserta untuk menekuk pergelangan tangan mereka pada berbagai sudut.
Dia kemudian menggunakan USG untuk membayangkan deformasi yang dihasilkan pada otot. Dari data itu, ia membangun model komputer dari reservoir fisik yang dapat berhasil meniru sistem dinamis nonlinier dalam pengujian benchmark.
Ini mencapai ini dengan menggunakan bidang deformasi di dalam otot untuk mewakili keadaan reservoir. Nonlinier-fakta bahwa input tidak mempengaruhi node di reservoir dalam garis lurus-memungkinkan sinyal input dipetakan ke ruang keadaan dimensi tinggi, yang memfasilitasi perhitungan kompleks. Dalam hal ini, input adalah pola sinyal dari sudut sambungan pergelangan tangan.
Terkait: Jaringan otak manusia yang dicetak 3D berfungsi seperti hal yang nyata
“Salah satu area aplikasi potensial dari teknologi ini adalah perangkat yang dapat dikenakan,” kata Kobayashi dalam a penyataan. “Di masa depan, dimungkinkan untuk menggunakan jaringan kita sendiri sebagai sumber komputasi yang nyaman. Karena jaringan lunak hadir di seluruh tubuh, perangkat yang dapat dipakai dapat mendelegasikan perhitungan ke jaringan, meningkatkan kinerja.”
Dia juga menyarankan agar proses tersebut dapat diterapkan pada perangkat pendukung medis dan kehidupan, serta teknologi interaksi manusia-mesin lainnya, mengandalkan jaringan manusia untuk sumber daya pemrosesan tambahan.
Komputasi dalam ember air
Salah satu cara umum untuk menggambarkan cara kerja komputasi reservoir adalah metode “ember air”. Dalam skenario ini, serangkaian tangki air yang disusun dalam grid atau formasi lain terdiri dari reservoir, dengan pipa dengan berbagai ukuran yang menghubungkannya secara nonlinier. Ini berarti bahwa air tidak mengalir dalam garis lurus dari satu tangki ke tangki lainnya. Sebaliknya, menambahkan air atau gangguan pada sistem dapat mengubah tingkat tangki air di seluruh, atau bahwa air dapat keluar dari tangki pada satu titik tetapi kemudian diperkenalkan kembali kemudian sebagai hasil dari input tunggal.
Input tercermin di seluruh sistem dalam bentuk level air yang berfluktuasi di berbagai tangki, dan berubah secara dinamis dari waktu ke waktu. Keadaan reservoir ditangkap dari waktu ke waktu dengan mengukur tingkat air di setiap tangki, dan kemudian lapisan komputer yang dapat dilatih membaca dan menafsirkan hasilnya.
Reservoir bertanggung jawab untuk “mendistorsi” atau “memadukan” sinyal input dalam berbagai cara nonlinier, menghasilkan beragam fitur temporal. Reservoir tidak secara eksplisit “menyelesaikan” persamaan nonlinier dalam pengertian numerik tradisional. Sebaliknya, ia belajar meniru perilaku input-output dari sistem yang diatur oleh persamaan tersebut. Nonlinier dalam reservoir memungkinkannya untuk menangkap dan mewakili hubungan nonlinier yang ada dalam data input dan dinamika sistem yang mendasarinya.
Jaringan manusia dapat berfungsi sebagai reservoir karena berbagi beberapa kualitas dengan reservoir berbasis air. Untuk satu, ia memiliki kualitas nonlinier, khususnya nonlinier tegangan-regangan, yang berarti bahwa hubungan antara tegangan yang diterapkan pada jaringan dan strain yang dihasilkan bukan garis lurus. Ini juga viskoelastik, yang berarti memiliki kualitas elastis (seperti karet gelang) dan kental (seperti cairan tebal) ketika cacat – dengan kata lain, ia memiliki “memori” fisik dari deformasi masa lalu dan dengan demikian dapat menyimpan informasi.
Di luar aplikasi yang disebutkan di atas, komputasi reservoir telah menunjukkan janji dalam memprediksi sistem kacau seperti cuaca. Ini juga diusulkan sebagai cara untuk memprediksi sistem lain yang bervariasi dari waktu ke waktu, hal -hal seperti Harga saham atau Kualitas Udara. Dengan menafsirkan data sebelumnya melalui sistem, dimungkinkan untuk memprediksi hasil di masa depan.
Seperti yang ditunjukkan Kobayashi, karyanya hanyalah langkah pertama – sambil menegaskan kembali potensinya di masa depan.
“Studi ini hanya melakukan tes benchmark; Oleh karena itu, sangat penting untuk menentukan penerapan proses komputasi aktual dalam skenario mendatang. Namun, temuan ini membuka jalan bagi keberhasilan eksploitasi dinamika jaringan manusia dalam berbagai tugas dan aplikasi komputasi.”
