Mała kulka komórek mózgowych pulsuje od aktywności, gdy znajduje się na szczycie szeregu elektrod. Przez dwa dni otrzymuje wzór impulsów elektrycznych, a każda stymulacja koduje cechy mowy ośmiu osób. Trzeciego dnia potrafi już rozróżniać głośniki.

System nazwany Brainoware podnosi poprzeczkę w dziedzinie bioinformatyki, wykorzystując trójwymiarowe organoidy mózgowe, zwane „mini-mózgami”. Modele te, zwykle wyhodowane z ludzkich komórek macierzystych, szybko przekształcają się w różnorodne neurony połączone w sieci neuronowe.

Podobnie jak ich biologiczne odpowiedniki, plamy iskrzą aktywnością elektryczną, co sugeruje, że mają potencjał do uczenia się, przechowywania i przetwarzania informacji. Naukowcy od dawna postrzegali je jako obiecujący komponent sprzętowy do obliczeń inspirowanych pracą mózgu.

W tym tygodniu drużyna na Uniwersytecie Indiana w Bloomington zamienił teorię w rzeczywistość dzięki Brainoware. Połączyli organoid mózgowy przypominający korę – najbardziej zewnętrzną warstwę mózgu obsługującą wyższe funkcje poznawcze – z przypominającym opłatek chipem gęsto wypełnionym elektrodami.

Minimózg funkcjonował zarówno jako jednostka centralna, jak i pamięć superkomputera. Otrzymywał dane wejściowe w postaci impulsów elektrycznych i wyprowadzał swoje obliczenia za pomocą aktywności neuronowej, które następnie dekodowano za pomocą narzędzia AI.

Po szkoleniu na dźwiękach pochodzących od grupy ludzi – przekształconych w impulsy elektryczne – Brainoware w końcu nauczył się wychwytywać „dźwięki” konkretnych osób. W innym teście system pomyślnie rozwiązał złożony problem matematyczny stanowiący wyzwanie dla sztucznej inteligencji.

Zdolność systemu do uczenia się wynika ze zmian w połączeniach sieci neuronowych w minimózgu, który jest podobny do tego, w jaki sposób nasze mózgi uczą się na co dzień. Choć to dopiero pierwszy krok, Brainoware toruje drogę coraz bardziej wyrafinowanym biokomputerom hybrydowym, które mogą obniżyć koszty energii i przyspieszyć obliczenia.

Taka konfiguracja pozwala także neurobiologom na dalsze poznanie wewnętrznego funkcjonowania naszych mózgów.

„Podczas gdy informatycy próbują zbudować krzemowe komputery przypominające mózgi, neurobiolodzy próbują zrozumieć obliczenia przeprowadzane na kulturach komórek mózgowych” napisał dr. Lena Smirnova, Brian Caffo i Erik C. Johnson z Johns Hopkins University, którzy nie brali udziału w badaniu. Brainoware może zaoferować nowy wgląd w to, jak się uczymy, jak rozwija się mózg, a nawet pomóc w testowaniu nowych terapii stosowanych w przypadku słabnięcia mózgu.

Zmiany w przetwarzaniu neuromorficznym

Dzięki 200 miliardom neuronów połączonych w setki bilionów połączeń ludzki mózg jest prawdopodobnie najpotężniejszym znanym sprzętem komputerowym.

Jego konfiguracja różni się z natury od klasycznych komputerów, które mają oddzielne jednostki do przetwarzania i przechowywania danych. Każde zadanie wymaga komputerowego przesyłania danych między nimi, co radykalnie zwiększa czas i energię obliczeniową. Natomiast obie funkcje łączą się w tym samym fizycznym miejscu w mózgu.

Struktury te, zwane synapsami, łączą neurony w sieci. Synapsy uczą się, zmieniając siłę połączenia z innymi — zwiększając siłę połączenia ze współpracownikami, którzy pomagają rozwiązywać problemy i przechowując wiedzę w tym samym miejscu.

Proces ten może wydawać się znajomy. Sztuczne sieci neuronowe, czyli podejście oparte na sztucznej inteligencji, które szturmem podbiło świat, są luźno oparte na tych zasadach. Ale potrzebna energia jest zupełnie inna. Mózg zużywa 20 watów, czyli mniej więcej tyle, ile potrzeba do zasilania małego wentylatora biurkowego. Porównawcza sztuczna sieć neuronowa zużywa osiem milionów watów. Mózg może również łatwo uczyć się na kilku przykładach, podczas gdy sztuczna inteligencja notorycznie opiera się na ogromnych zbiorach danych.

Naukowcy próbowali podsumować właściwości przetwarzania mózgu w chipach sprzętowych. Te neuromorficzne chipy, zbudowane z egzotycznych komponentów, które zmieniają właściwości pod wpływem temperatury lub prądu, łączą przetwarzanie i przechowywanie w tym samym miejscu. Chipy te mogą zasilać obraz komputerowy i rozpoznawać mowę. Są jednak trudne w produkcji i tylko częściowo oddają wewnętrzne działanie mózgu.

Zamiast naśladować mózg za pomocą chipów komputerowych, dlaczego nie wykorzystać po prostu jego własnych składników biologicznych?

Rozgarnięty komputer

Zapewniamy, że zespół nie podłączył żywych mózgów do elektrod. Zamiast tego zwrócili się ku organoidom mózgowym. W ciągu zaledwie dwóch miesięcy minimózgi wykonane z ludzkich komórek macierzystych rozwinęły się w szereg typów neuronów, które łączyły się ze sobą w elektrycznie aktywne sieci.

Zespół ostrożnie upuścił każdy minimózg na przypominający stempel chip wypełniony maleńkimi elektrodami. Chip może rejestrować sygnały komórek mózgowych z ponad 1,000 kanałów i oddziaływać na organoidy za pomocą prawie trzech tuzinów elektrod jednocześnie. Dzięki temu możliwe jest precyzyjne kontrolowanie stymulacji i rejestrowanie aktywności minimózgu. Za pomocą narzędzia AI abstrakcyjne wyniki neuronowe są tłumaczone na reakcje przyjazne człowiekowi na normalnym komputerze.

W teście rozpoznawania mowy zespół nagrał 240 klipów audio, na których mówiło 8 osób. Każdy klip przechwytuje izolowaną samogłoskę. Przekształcili zbiór danych w unikalne wzorce stymulacji elektrycznej i wprowadzili je do nowo wyhodowanego minimózgu. W ciągu zaledwie dwóch dni system Brainoware był w stanie rozróżnić różne głośniki z niemal 80-procentową dokładnością.

Korzystając z popularnej metody stosowanej w neuronauce, zespół odkrył, że impulsy elektryczne „wytrenowały” minimózg we wzmacnianiu niektórych sieci, jednocześnie przycinając inne, co sugeruje, że przebudował swoje sieci, aby ułatwić uczenie się.

W innym teście Brainoware zmierzyło się ze sztuczną inteligencją w trudnym zadaniu matematycznym, które mogło pomóc w wygenerowaniu silniejszych haseł. Choć nieco mniej dokładny niż sztuczna inteligencja z pamięcią krótkotrwałą, Brainoware był znacznie szybszy. Bez nadzoru człowieka osiągnął prawie zgodne wyniki w mniej niż 10 procent czasu potrzebnego sztucznej inteligencji.

„To pierwsza demonstracja wykorzystania organoidów mózgowych [do obliczeń]” – autor badania, dr Feng Guo powiedział Przegląd technologii MIT.

Komputery cyborgi?

Nowe badanie jest najnowszym badaniem dotyczącym biokomputerów hybrydowych – połączenia neuronów, sztucznej inteligencji i elektroniki.

Powrót w 2020, drużyna połączyły sztuczne i biologiczne neurony w sieć komunikującą się za pomocą chemicznej dopaminy w mózgu. Ostatnio, prawie milion neuronów leżących płasko w naczyniu nauczyło się grać w grę wideo Pong za pomocą impulsów elektrycznych.

Brainoware to potencjalny krok naprzód. W porównaniu z izolowanymi neuronami organoidy lepiej naśladują ludzki mózg i jego wyrafinowane sieci neuronowe. Ale nie są bez wad. Podobnie jak w przypadku algorytmów głębokiego uczenia się, wewnętrzne procesy minimózgów są niejasne, co utrudnia rozszyfrowanie „czarnej skrzynki” tego, jak wykonują obliczenia i jak długo zachowują wspomnienia.

Następnie pojawia się problem „wetlab”. W przeciwieństwie do procesora komputera, minimózgi tolerują jedynie wąski zakres temperatur i poziomów tlenu, będąc stale narażonymi na ryzyko infekcji drobnoustrojami chorobotwórczymi. Oznacza to, że muszą być starannie hodowane w bulionie odżywczym przy użyciu specjalistycznego sprzętu. Energia wymagana do utrzymania tych kultur może zrównoważyć zyski z hybrydowego systemu obliczeniowego.

Jednak coraz łatwiej hodować minimózgi za pomocą mniejszych i bardziej wydajnych systemów – w tym tych z wbudowanymi funkcjami nagrywania i przełączania. Trudniejsze pytanie nie dotyczy wyzwań technicznych; chodzi raczej o to, co jest dopuszczalne w przypadku używania ludzkiego mózgu jako elementu obliczeniowego. Sztuczna inteligencja i neuronauka szybko przesuwają granice, a modele sztucznej inteligencji mózgu prawdopodobnie staną się jeszcze bardziej wyrafinowane.

„Dla społeczności niezwykle ważne jest zbadanie niezliczonych kwestii neuroetycznych otaczających systemy biokomputerowe zawierające ludzkie tkanki nerwowe” – napisali Smirnova, Caffo i Johnson.

Kredytowych Image: Rozwijający się organoid mózgowy / Narodowy Instytut Alergii i Chorób Zakaźnych, NIH

• Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
• PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
• PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
• PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
• Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
• Źródło: https://singularityhub.com/2023/12/14/a-ball-of-brain-cells-on-a-chip-can-learn-simple-speech-recognition-and-math/