Revisione del potenziale dell'elaborazione delle informazioni bioibride Il progetto UE INPRO ha unito le reti neurali naturali, perfezionate grazie a milioni di anni di evoluzione, a dei chip microelettronici. I membri del consorzio hanno condotto un'indagine per valutare il potenziale della loro ricerca nel settore del calcolo bioibrido. Economia digitale © Shutterstock Dato che il volume di dati generati a livello mondiale si sta espandendo fino a raggiungere proporzioni impreviste, sta aumentando la velocità della domanda di nuovi mezzi di elaborazione delle informazioni. Gli artefatti bioibridi prevedono la fusione delle informazioni e delle tecnologie di comunicazione con entità biologiche. Questa composizione sinergica promette di aprire la strada a nuove forme di rilevamento, comunicazione e calcolo necessarie per il sovraccarico di dati. Usando neuroni biologici come processori naturali paralleli efficienti, il progetto europeo INPRO aveva lo scopo di sviluppare un nuovo metodo di elaborazione delle informazioni (EI) combinando cellule nervose con la tecnologia a chip. Un'analisi di mercato è stata condotta da INPRO a seguito della ricerca per valutare il potenziale delle reti di neuroni per l'elaborazione delle informazioni. Durante l'analisi sono stati intervistati molti istituti accademici e industriali. Secondo le loro opinioni gli ostacoli che in precedenza si presentavano come un rallentamento del progresso nel settore delle neuroscienze pure e applicate erano stati studiati con successo dalla ricerca del progetto. Tuttavia, prima di poter utilizzare una vasta gamma di applicazioni come nelle interfacce cervello-macchina, è necessario continuare a sviluppare la base creata dal progetto INPRO. La ricerca futura in progetto include l'uso di array microelettrici (MEA) per monitorare grandi sistemi di neuroni nel lungo termine. L'espansione delle tecnologia in questo senso promette di rivelare la natura delle proprietà neurali come la plasticità e il suo collegamento con la memoria. L'applicazione delle variabili che contribuiscono alla plasticità sinaptica e alla modifica della forza del segnale tra due neuroni potrebbero contribuire a spiegare il fenomeno dell'apprendimento ancora poco compreso. Può così contribuire allo sviluppo di nuovi algoritmi che potrebbero rivoluzionare l'elaborazione delle informazioni.
