گیاهان به مثابه حسگر
آی‌تی‌من- پژوهشگران دانشگاه لینشوپینگ سوئد در سال 2017 موفق شدند ژلی خاص و رسانا را به داخل یک گل رز تزریق و این گیاه را تبدیل به موجودی سایبورگ کنند. آوندهای گل رز وظیفه‌ رساندن آب و مواد غذایی را به ساقه، برگ و گلبرگ‌ها دارند و مانند یک رشته سیم عمل می‌کنند. به علاوه این ژل می‌تواند بدون ایجاد اختلال در عملکرد طبیعی و بیولوژیکی گیاه، بین دیواره‌های سلولی و غشای پلاسما قرار گرفته و با آن یکپارچه شود و مدارهای الکتریکی را تشکیل بدهد.

گیاهان سایبری توانایی ذخیره انرژی دارند و می‌توان از آنها به عنوان نسل جدیدی از نیروی پاک یاد کرد. به همین سبب محققان شرح دادند در آینده‌ای نزدیک قصد دارند باغ یا جنگل‌های بسیار بزرگی از گیاهان سایبورگ به وجود آورند.

دانشمندان معتقدند که با کمک این روش می‌توانند شبکه‌ای از کامپیوترهای زیستی به وجود آورد که علاوه بر ذخیره انرژی احتمالا قابلیت تبادل اطلاعات بین یکدیگر و رساندن پیام‌ها در بستری که قابل‌ شناسایی نباشند دارند.

در واقع آنها می‌خواهند همه اشیا و همه جانوران، حشرات و حتی آبزیان را به شبکه‌ای از اینترنت اشیا تبدیل کنند که در این شبکه هر کدام از جانوران حکم یک حسگر را دارند که اطلاعات را ذخیره و ارسال می‌کنند و در صورت نیاز اطلاعات لازم را نیز دریافت می‌کنند.

حشرات به مثابه حسگر
محققان به تازگی توانسته‌اند یک کنترل‌ کننده عصبی بسیار ریز درست کنند که با کمک آن سوسک‌های زنده را به موجودات سایبورگ تبدیل می‌کنند و می‌توانند با کنترل آنها، از این سوسک‌ها برای عملیات امداد و نجات داخل ساختمان‌های ویران‌ شده استفاده کنند.

گفتنی است که محققان دانشگاه کنتیکت بخش بزرگی از این دهه را برای پیدا کردن راهی برای متصل کردن سخت‌افزار کامپیوتری کوچک شده به حشرات زنده صرف کرده‌اند تا بتوانند حرکت حشرات را کنترل کنند. این قابلیت‌ها برای وزارت دفاع ایالات متحده آمریکا و تیم‌های امداد و نجات اهمیت دارد.

موفقیت در این زمینه محدود بوده و چندین چالش فنی هنوز رفع نشده است. این مشکلات از سختی بسیار زیاد ساخت سیستم‌های روباتی در ابعاد بسیار کوچک و چالش برقراری رابطه بین سخت‌افزار الکترونیکی و بافت عصبی بیولوژکی حشره به منظور شروع به حرکت نشات می‌گیرد.

مدار کوچک کنترل عصبی که در UConn ساخته شده، قسمتی از کوله‌پشتی الکترونیکی کوچکی است که با اتصال سیم به لوب آنتن حشره بسته می‌شود. با ارسال بار الکتریکی اندک به بافت عصبی لوب آنتن چپ یا راست حشره، اپراتور‌ها می‌توانند به حشره این گونه القا کنند که مانعی را شناسایی کنند و باعث شوند به سمت دیگری حرکت کند. ارسال بار به آنتن راست باعث می‌شود تا حشره به سمت چپ حرکت کند. همچنین ارسال بار به آنتن چپ موجب می‌شود تا به سمت راست حرکت کند. گرچه سیستم‌های کنترلی مشابهی برای حشرات وجود دارد، اما آنچه کنترلر UConn را منحصر به فرد می‌کند این است که اپراتور‌ها تا چه اندازه لوب آنتن حشره را توسط مدار کوچک چهار کاناله تحریک می‌کنند. این سیستم همچنین بازخورد بلادرنگی را از واکنش عصبی- ماهیچه‌ای حشره به تحریک ارائه می‌دهد. این درجه از جزییات باعث می‌شود نظارت و کنترل حرکت به راحتی انجام شود. این مزیتی است که محققان حشرات روباتی مدت‌ها به دنبال آن بوده‌اند.

اطلاعات گردآوری شده به وسیله مدار کوچک توسط یک آنتن بلوتوث به اپراتور دستگاه مخابره می‌شود. این سیگنال به راحتی با یک گوشی همراه معمولی شناسایی می‌شود. اپراتور‌ها می‌توانند به وسیله اطلاعاتی که از جهت حرکت، شتاب و داده‌های دیگر دریافت می‌شود، مسیر حرکت حشره را استنتاج کنند و بر این اساس، میزان تحریک آنتن را تنظیم، تحریک مناسب را از راه دور به حشره ارسال و حشره را در جهت دلخواه هدایت کنند.

حیوانات به مثابه حسگر
چند سال پیش نیز، تیمی از دانشمندان با همکاری دانشگاه واشنگتن، با استفاده از یک کنترلگر بی‌سیم توانستند نورون‌های عصبی موش‌ها را به صورت بلادرنگ کنترل کنند. این کنترلگر می‌تواند هم نور را روی مغز بتاباند و هم داروهایی را به آن تحویل دهد. این ابزار حتی به دانشمندان امکان کنترل حرکات موش‌های آزمایشگاهی از راه دور را داد.

محققان میکرو الکترودهایی را به مغز موش تزریق کردند و آن را به مغز داوطلب انسانی متصل کردند که به کامپیوتر متصل بود. باور نکردنی است، زمانی که انسان در مورد حرکت دست چپ فکر کرد، موش به سمت چپ حرکت کرد و همان اتفاق در مورد دست راست هم رخ داد.

دانشمندان توانستند چشمک زدن سیگنال‌های ارسال شده به موش را به سمت جلو و بعد از تحقیقات مستمر با 6 موش سایبورگ انجام دهند که بتوانند جوندگان را از طریق مارپیچ‌های پیچیده هدایت کنند. افکار مربوط به حرکت در ذهن سیگنال‌ها را به کامپیوتر ارسال کرد که سپس آن سیگنال را به دستورالعمل تبدیل می‌کند و آنها را به مغز موش می‌فرستد. تیم ابتدایی دانشگاه شیانگ در ابتدا تنها با چند لوله شروع به کار کرد و سپس با طرح‌های پیچیده و سطوح مختلف کار کرد.

آبزیان به مثابه حسگر
دارپا، آژانس پروژه‌های تحقیقاتی پیشرفته دفاعی آمریکا، قصد دارد رفتار جانداران زیر دریا نظیر ماهی، میگو و فیتوپلانکتون‌های میکروسکوپی را تحت نظارت قرار دهد و با تبدیل این آبزیان به شبکه‌ای از حسگر‌های زنده، زیردریایی‌های بدون سرنشین و با سرنشین را شناسایی و آشکارسازی کند.

دارپا در این راستا، روشی را ابداع کرده که طرح «حسگر‌های زنده دریایی پایا» نام دارد که در آن آبزیان دریایی نظیر ماهیان خاردار، ماهیان بس سیاه و خرچنگ میگو‌ها حکم شبکه‌ای از حسگر‌های زنده را دارند. به طور مثال، ماهیان خاردار صدا‌های خاصی از خود درمی‌آورند که قابل شنیدن است. اگر یک زیردریایی در مسیر خود، حرکت یک ماهی خاردار را مختل کند، این ماهی از خود صدایی درمی‌آورد که می‌تواند توسط زیردریایی قابل تشخیص باشد.

دارپا تشریح می‌کند که حسگر‌های زنده دریایی پایا یک پروژه تحقیقاتی بنیادین چهار ساله است که شامل بسیاری از علوم از جمله زیست‌شناسی، شیمی، فیزیک، یادگیری ماشینی، تحلیل، اقیانوس‌شناسی، مهندسی مکانیک و الکتریک و آشکارسازی سیگنال‌های ضعیف می‌شود و بر همین اساس پنج تیم مختلف در حال کار روی این پروژه هستند.

 یکی از این تیم‌های تحقیقاتی روی خرچنگ میگو‌ها مطالعه می‌کند تا از آن‌ها به عنوان حسگر‌های زیردریایی استفاده شود. این نوع میگو‌ها با ضربه زدن به پنجه‌های خود در سرعت‌های فوق‌العاده بالا، حباب‌های حفره‌زا با فشار بالا تولید می‌کند. پدیده حفره‌زایی در نتیجه ترکیدگی این حباب‌ها در دریا ایجاد می‌شود. ترکیدن این حباب‌ها با ایجاد صدای تکان‌دهنده‌ای همراه است که این موضوع خرچنگ میگو‌های دیگر را نیز از وجود دشمن یا زیردریایی‌ها باخبر می‌سازد. کلونی‌های بزرگ این نوع میگو‌ها می‌توانند صدا‌های تکان‌دهنده‌ای ایجاد کنند. در طول جنگ جهانی دوم، زیردریایی‌های نیروی دریایی آمریکا از کلونی‌های این خرچنگ میگو‌ها استفاده می‌کردند تا در زمان ورود به بندرگاه‌های ژاپنی خود را پشت آن‌ها مخفی نگه دارند تا ردیابی نشوند.

حال دارپا قصد دارد تا با استفاده از این خرچنگ میگو‌ها و همچنین آبزیان دیگری که چنین عملکردی در مقابل دشمنان یا زیردریایی‌ها دارند، آبزیان را به شبکه‌ای از حسگر‌های زنده برای ردیابی زیردریایی تبدیل کند. این سیستم از تمامی صدا‌های آبزیان در واکنش به برخورد به زیردریایی‌ها استفاده می‌کند تا بتواند الگوریتم‌های یادگیری ماشینی برای آشکارسازی تمامی این اصوات بنویسد و از این طریق زیردریایی‌های دشمن را ردیابی کند.

منابع: PopularMachines و LiveScience
 

ITMen