Μια μπάλα εγκεφαλικών κυττάρων σε ένα τσιπ μπορεί να μάθει απλή αναγνώριση ομιλίας και μαθηματικά

Μια μικροσκοπική μπάλα εγκεφαλικών κυττάρων βουίζει με δραστηριότητα καθώς κάθεται πάνω σε μια σειρά ηλεκτροδίων. Για δύο ημέρες, λαμβάνει ένα μοτίβο ηλεκτρικών ζαπ, κάθε διέγερση που κωδικοποιεί τις ιδιαιτερότητες της ομιλίας οκτώ ατόμων. Την τρίτη ημέρα, μπορεί να κάνει διακρίσεις μεταξύ των ομιλητών.

Με το όνομα Brainoware, το σύστημα ανεβάζει τον πήχη για τον βιουπολογισμό πατώντας σε τρισδιάστατα οργανοειδή του εγκεφάλου ή «μίνι-εγκεφάλους». Αυτά τα μοντέλα, που συνήθως αναπτύσσονται από ανθρώπινα βλαστοκύτταρα, επεκτείνονται γρήγορα σε μια ποικιλία νευρώνων πλεγμένων σε νευρωνικά δίκτυα.

Όπως και τα βιολογικά τους ομολόγους, οι σταγόνες πυροδοτούνται με ηλεκτρική δραστηριότητα - υποδηλώνοντας ότι έχουν τη δυνατότητα να μαθαίνουν, να αποθηκεύουν και να επεξεργάζονται πληροφορίες. Οι επιστήμονες τα βλέπουν εδώ και καιρό ως ένα πολλά υποσχόμενο στοιχείο υλικού για υπολογιστές εμπνευσμένους από τον εγκέφαλο.

Αυτή την εβδομάδα, μια ομάδα στο Πανεπιστήμιο της Ιντιάνα Μπλούμινγκτον μετέτρεψε τη θεωρία σε πραγματικότητα με την Brainoware. Συνέδεσαν ένα οργανοειδές του εγκεφάλου που μοιάζει με τον φλοιό - το πιο εξωτερικό στρώμα του εγκεφάλου που υποστηρίζει υψηλότερες γνωστικές λειτουργίες - με ένα τσιπ που μοιάζει με γκοφρέτα, γεμάτο με ηλεκτρόδια.

Ο μίνι εγκέφαλος λειτουργούσε τόσο σαν την κεντρική μονάδα επεξεργασίας όσο και την αποθήκευση μνήμης ενός υπερυπολογιστή. Έλαβε είσοδο με τη μορφή ηλεκτρικών zaps και εξήγαγε τους υπολογισμούς του μέσω νευρωνικής δραστηριότητας, η οποία στη συνέχεια αποκωδικοποιήθηκε από ένα εργαλείο AI.

Όταν η Brainoware εκπαιδεύτηκε σε ηχητικά τσιμπήματα από μια δεξαμενή ανθρώπων—μεταμορφώθηκε σε ηλεκτρικά ζαπ—η Brainoware τελικά έμαθε να διαλέγει τους «ήχους» συγκεκριμένων ανθρώπων. Σε μια άλλη δοκιμή, το σύστημα αντιμετώπισε επιτυχώς ένα σύνθετο μαθηματικό πρόβλημα που αποτελεί πρόκληση για την τεχνητή νοημοσύνη.

Η ικανότητα του συστήματος να μαθαίνει προήλθε από αλλαγές στις συνδέσεις νευρωνικών δικτύων στον μίνι εγκέφαλο - κάτι που μοιάζει με το πώς μαθαίνει ο εγκέφαλός μας κάθε μέρα. Αν και μόνο ένα πρώτο βήμα, η Brainoware ανοίγει το δρόμο για όλο και πιο εξελιγμένους υβριδικούς βιοϋπολογιστές που θα μπορούσαν να μειώσουν το ενεργειακό κόστος και να επιταχύνουν τους υπολογισμούς.

Η ρύθμιση επιτρέπει επίσης στους νευροεπιστήμονες να ξετυλίξουν περαιτέρω τις εσωτερικές λειτουργίες του εγκεφάλου μας.

«Ενώ οι επιστήμονες υπολογιστών προσπαθούν να κατασκευάσουν υπολογιστές πυριτίου σαν τον εγκέφαλο, οι νευροεπιστήμονες προσπαθούν να κατανοήσουν τους υπολογισμούς των καλλιεργειών εγκεφαλικών κυττάρων». Έγραψε Οι Δρ. Lena Smirnova, Brian Caffo και Erik C. Johnson στο Πανεπιστήμιο Johns Hopkins που δεν συμμετείχαν στη μελέτη. Το Brainoware θα μπορούσε να προσφέρει νέες γνώσεις για το πώς μαθαίνουμε, πώς αναπτύσσεται ο εγκέφαλος, ακόμη και να βοηθήσει στη δοκιμή νέων θεραπευτικών μεθόδων για όταν ο εγκέφαλος παραπαίει.

Μια ανατροπή στον νευρομορφικό υπολογισμό

Με τους 200 δισεκατομμύρια νευρώνες του δικτυωμένους σε εκατοντάδες τρισεκατομμύρια συνδέσεις, ο ανθρώπινος εγκέφαλος είναι ίσως το πιο ισχυρό υπολογιστικό υλικό που είναι γνωστό.

Η εγκατάστασή του είναι εγγενώς διαφορετική από τους κλασικούς υπολογιστές, οι οποίοι διαθέτουν ξεχωριστές μονάδες επεξεργασίας και αποθήκευσης δεδομένων. Κάθε εργασία απαιτεί τη μεταφορά δεδομένων υπολογιστή μεταξύ των δύο, γεγονός που αυξάνει δραματικά τον υπολογιστικό χρόνο και την ενέργεια. Αντίθετα, και οι δύο λειτουργίες ενώνονται στο ίδιο φυσικό σημείο στον εγκέφαλο.

Οι δομές αυτές που ονομάζονται συνάψεις συνδέουν τους νευρώνες σε δίκτυα. Οι συνάψεις μαθαίνουν αλλάζοντας πόσο ισχυρά συνδέονται με τους άλλους—ενισχύοντας τη σύνδεση με τους συνεργάτες που βοηθούν στην επίλυση προβλημάτων και αποθηκεύοντας τη γνώση στο ίδιο σημείο.

Η διαδικασία μπορεί να ακούγεται οικεία. Τα τεχνητά νευρωνικά δίκτυα, μια προσέγγιση τεχνητής νοημοσύνης που έχει κατακλύσει τον κόσμο, βασίζονται χαλαρά σε αυτές τις αρχές. Αλλά η ενέργεια που απαιτείται είναι πολύ διαφορετική. Ο εγκέφαλος λειτουργεί με 20 watt, περίπου την ισχύ που απαιτείται για να λειτουργήσει ένας μικρός ανεμιστήρας επιφάνειας εργασίας. Ένα συγκριτικό τεχνητό νευρωνικό δίκτυο καταναλώνει οκτώ εκατομμύρια watt. Ο εγκέφαλος μπορεί επίσης εύκολα να μάθει από μερικά παραδείγματα, ενώ η τεχνητή νοημοσύνη βασίζεται διαβόητα σε τεράστια σύνολα δεδομένων.

Οι επιστήμονες προσπάθησαν να ανακεφαλαιώσουν τις ιδιότητες επεξεργασίας του εγκεφάλου σε τσιπ υλικού. Κατασκευασμένα από εξωτικά συστατικά που αλλάζουν ιδιότητες με τη θερμοκρασία ή τον ηλεκτρισμό, αυτά τα νευρομορφικά τσιπ συνδυάζουν την επεξεργασία και την αποθήκευση στην ίδια τοποθεσία. Αυτά τα τσιπ μπορούν να τροφοδοτήσουν την όραση του υπολογιστή και να αναγνωρίσουν την ομιλία. Αλλά είναι δύσκολο να κατασκευαστούν και συλλαμβάνουν μόνο εν μέρει τις εσωτερικές λειτουργίες του εγκεφάλου.

Αντί να μιμείται τον εγκέφαλο με τσιπ υπολογιστών, γιατί να μην χρησιμοποιεί απλώς τα δικά του βιολογικά συστατικά;

Ένας έξυπνος υπολογιστής

Να είστε βέβαιοι, η ομάδα δεν αγκίστρωσε ζωντανούς εγκεφάλους στα ηλεκτρόδια. Αντίθετα, στράφηκαν σε εγκεφαλικά οργανοειδή. Σε μόλις δύο μήνες, οι μίνι εγκέφαλοι, κατασκευασμένοι από ανθρώπινα βλαστοκύτταρα, εξελίχθηκαν σε μια σειρά τύπων νευρώνων που συνδέονταν μεταξύ τους σε ηλεκτρικά ενεργά δίκτυα.

Η ομάδα έριξε προσεκτικά κάθε μίνι εγκέφαλο σε ένα τσιπ που μοιάζει με γραμματόσημο γεμάτο με μικροσκοπικά ηλεκτρόδια. Το τσιπ μπορεί να καταγράψει τα σήματα των εγκεφαλικών κυττάρων από περισσότερα από 1,000 κανάλια και να κολλήσει τα οργανοειδή χρησιμοποιώντας σχεδόν τρεις δωδεκάδες ηλεκτρόδια ταυτόχρονα. Αυτό καθιστά δυνατό τον ακριβή έλεγχο της διέγερσης και την καταγραφή της δραστηριότητας του μίνι εγκεφάλου. Χρησιμοποιώντας ένα εργαλείο AI, οι αφηρημένες νευρικές εξόδους μεταφράζονται σε φιλικές προς τον άνθρωπο αποκρίσεις σε έναν κανονικό υπολογιστή.

Σε μια δοκιμή αναγνώρισης ομιλίας, η ομάδα κατέγραψε 240 ηχητικά κλιπ 8 ατόμων που μιλούσαν. Κάθε κλιπ αποτυπώνει ένα μεμονωμένο φωνήεν. Μετέτρεψαν το σύνολο δεδομένων σε μοναδικά μοτίβα ηλεκτρικής διέγερσης και τα τροφοδότησαν σε έναν πρόσφατα αναπτυγμένο μίνι εγκέφαλο. Σε μόλις δύο ημέρες, το σύστημα Brainoware μπόρεσε να κάνει διακρίσεις μεταξύ διαφορετικών ηχείων με σχεδόν 80 τοις εκατό ακρίβεια.

Χρησιμοποιώντας ένα δημοφιλές μέτρο νευροεπιστήμης, η ομάδα ανακάλυψε ότι τα ηλεκτρικά ζαπ «εκπαίδευσαν» τον μίνι εγκέφαλο για να ενισχύσει ορισμένα δίκτυα ενώ κλάδευε άλλα, υποδεικνύοντας ότι τα δίκτυά του ανακαλώδισαν για να διευκολύνουν τη μάθηση.

Σε μια άλλη δοκιμή, η Brainoware αντιμετώπισε την τεχνητή νοημοσύνη σε μια προκλητική εργασία μαθηματικών που θα μπορούσε να βοηθήσει στη δημιουργία ισχυρότερων κωδικών πρόσβασης. Αν και ελαφρώς λιγότερο ακριβές από ένα AI με βραχυπρόθεσμη μνήμη, το Brainoware ήταν πολύ πιο γρήγορο. Χωρίς ανθρώπινη επίβλεψη, έφτασε σε σχεδόν συμβατά αποτελέσματα σε λιγότερο από το 10 τοις εκατό του χρόνου που χρειάστηκε η τεχνητή νοημοσύνη.

«Αυτή είναι μια πρώτη επίδειξη χρήσης εγκεφαλικών οργανοειδών [για υπολογιστές]», ο συγγραφέας της μελέτης Δρ. Φενγκ Γκούο είπε MIT Technology Review.

Υπολογιστές Cyborg;

Η νέα μελέτη είναι η πιο πρόσφατη για την εξερεύνηση των υβριδικών βιοϋπολογιστών—ένα μείγμα νευρώνων, τεχνητής νοημοσύνης και ηλεκτρονικών.

Πίσω στο 2020, μια ομάδα συγχώνευσε τεχνητούς και βιολογικούς νευρώνες σε ένα δίκτυο που επικοινωνούσε χρησιμοποιώντας τη χημική ουσία του εγκεφάλου ντοπαμίνη. Πιο πρόσφατα, σχεδόν ένα εκατομμύριο νευρώνες, ξαπλωμένοι σε ένα πιάτο, έμαθαν να παίζουν το βιντεοπαιχνίδι Pong από ηλεκτρικά ζαπ.

Το Brainoware είναι ένα πιθανό βήμα προς τα πάνω. Σε σύγκριση με μεμονωμένους νευρώνες, τα οργανοειδή μιμούνται καλύτερα τον ανθρώπινο εγκέφαλο και τα εξελιγμένα νευρωνικά του δίκτυα. Αλλά δεν είναι χωρίς ελαττώματα. Παρόμοια με τους αλγόριθμους βαθιάς μάθησης, οι εσωτερικές διεργασίες των μίνι εγκεφάλων είναι ασαφείς, γεγονός που καθιστά δύσκολη την αποκωδικοποίηση του «μαύρου κουτιού» του τρόπου με τον οποίο υπολογίζουν — και του πόσο καιρό διατηρούν τις μνήμες.

Στη συνέχεια, υπάρχει το πρόβλημα «wetlab». Σε αντίθεση με έναν επεξεργαστή υπολογιστή, οι μίνι εγκέφαλοι μπορούν να ανεχθούν μόνο ένα στενό εύρος επιπέδων θερμοκρασίας και οξυγόνου, ενώ διατρέχουν διαρκώς κίνδυνο λοιμώξεων από μικροβιακές ασθένειες. Αυτό σημαίνει ότι πρέπει να αναπτυχθούν προσεκτικά μέσα σε θρεπτικό ζωμό χρησιμοποιώντας εξειδικευμένο εξοπλισμό. Η ενέργεια που απαιτείται για τη διατήρηση αυτών των καλλιεργειών μπορεί να αντισταθμίσει τα κέρδη από το υβριδικό υπολογιστικό σύστημα.

Ωστόσο, οι μικροεγκέφαλοι καλλιεργούνται όλο και πιο εύκολα με μικρότερα και πιο αποτελεσματικά συστήματα—συμπεριλαμβανομένων αυτών με ενσωματωμένες λειτουργίες εγγραφής και ζάπινγκ. Η πιο δύσκολη ερώτηση δεν αφορά τις τεχνικές προκλήσεις. μάλλον, έχει να κάνει με το τι είναι αποδεκτό όταν χρησιμοποιείται ανθρώπινος εγκέφαλος ως υπολογιστικό στοιχείο. Η τεχνητή νοημοσύνη και η νευροεπιστήμη ξεπερνούν γρήγορα τα όρια και τα μοντέλα τεχνητής νοημοσύνης εγκεφάλου πιθανότατα θα γίνουν ακόμη πιο εξελιγμένα.

«Είναι κρίσιμο για την κοινότητα να εξετάσει τα μυριάδες νευροηθικά ζητήματα που περιβάλλουν τα συστήματα βιουπολογιστών που ενσωματώνουν ανθρώπινους νευρικούς ιστούς», έγραψαν οι Smirnova, Caffo και Johnson.

Image Credit: Ένα αναπτυσσόμενο εγκεφαλικό οργανοειδές / Εθνικό Ινστιτούτο Αλλεργιών και Λοιμωδών Νοσημάτων, NIH

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
• PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
• PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
• πηγή: https://singularityhub.com/2023/12/14/a-ball-of-brain-cells-on-a-chip-can-learn-simple-speech-recognition-and-math/