Naukowcy z Kalifornijskiego Instytutu Technologii (Caltech) opracowali przełomową sieć neuronową opartą na DNA, która potrafi uczyć się na podstawie dostarczonych przykładów. System ten, wykorzystujący nici DNA do przeprowadzania obliczeń za pomocą reakcji chemicznych, stanowi znaczący krok w rozwoju obliczeń molekularnych, naśladując procesy uczenia się obserwowane w systemach biologicznych. Badania, prowadzone przez profesor bioinżynierii Lulu Qian, zostały opublikowane w prestiżowym czasopiśmie Nature 3 września 2025 roku.
Zespół Qian, kontynuując prace rozpoczęte w 2018 roku, kiedy to stworzono pierwszą sieć neuronową z DNA zdolną do rozpoznawania odręcznie pisanych cyfr, tym razem umożliwił systemowi autonomiczne tworzenie i utrwalanie wspomnień. Proces ten opiera się na tzw. „przewodach molekularnych”, które mogą być aktywowane chemicznie, tworząc trwały zapis doświadczeń. Każda iteracja tej molekularnej sieci neuronowej działa w mikroskopijnej kropli zawierającej miliardy nici DNA, gdzie specyficzne reakcje chemiczne prowadzą do powstania sygnału fluorescencyjnego identyfikującego rozpoznaną cyfrę. Mechanizm ten pozwala na klasyfikację wzorców, gdzie system uczy się rozpoznawać dane wejściowe i odpowiadać na nie w przewidziany sposób, co jest kluczowym elementem uczenia nadzorowanego.
Osiągnięcie to jest wynikiem siedmioletniej, często wyboistej drogi badawczej, która wymagała holistycznego podejścia do rozwiązywania złożonych problemów projektowych. Profesor Qian podkreśla, że ostatecznym celem jest stworzenie systemów molekularnych zdolnych do interpretowania i reagowania na wcześniej nieznane informacje, podobnie jak komórka syntetyczna uczy się od komórki-nauczyciela poprzez obserwację jej reakcji na różne bodźce molekularne. Ta zdolność do uczenia się, obecna na wielu poziomach organizacji życia, od mózgów po pojedyncze bakterie, jest teraz przenoszona do świata sztucznych systemów chemicznych.
Rozwój tej technologii otwiera nowe perspektywy dla tworzenia adaptacyjnych i energooszczędnych systemów obliczeniowych. Potencjalne zastosowania obejmują dziedziny medycyny, gdzie takie molekularne systemy mogłyby być wykorzystywane do tworzenia „inteligentnych” leków, które dynamicznie reagują na zagrożenia patogenne, lub w materiałoznawstwie, prowadząc do powstania „inteligentnych” materiałów zdolnych do adaptacji do zmieniających się warunków zewnętrznych. W porównaniu do tradycyjnych komputerów krzemowych, obliczenia molekularne oferują ogromną równoległość przetwarzania i niezwykłą gęstość zapisu danych, co czyni je obiecującą alternatywą dla przyszłych technologii informatycznych. Ta praca stanowi fundament dla przyszłych maszyn molekularnych, które będą zdolne do samodzielnego uczenia się i podejmowania decyzji w szerokim zakresie systemów fizycznych.
Jest to świadectwo ewolucji inteligencji, która rozszerza się poza tradycyjne granice, umożliwiając tworzenie systemów, które nie tylko przetwarzają informacje, ale także aktywnie adaptują się i rozwijają w swoim środowisku.