Une boule de cellules cérébrales sur une puce peut apprendre la reconnaissance vocale simple et les mathématiques

Une boule de cellules cérébrales sur une puce peut apprendre la reconnaissance vocale simple et les mathématiques

Horodatage: 14 décembre 2023 2:59
Une boule de cellules cérébrales sur une puce peut apprendre la reconnaissance vocale simple et l'intelligence mathématique des données PlatoBlockchain. Recherche verticale. Aï.

Une petite boule de cellules cérébrales bourdonne d’activité alors qu’elle repose sur un réseau d’électrodes. Pendant deux jours, il reçoit une série de zaps électriques, chaque stimulation codant les particularités de parole de huit personnes. Au troisième jour, il peut faire la distinction entre les locuteurs.

Baptisé Brainoware, le système place la barre plus haut en matière de bioinformatique en exploitant des organoïdes cérébraux 3D, ou « mini-cerveaux ». Ces modèles, généralement cultivés à partir de cellules souches humaines, se développent rapidement en une variété de neurones intégrés dans des réseaux neuronaux.

Comme leurs homologues biologiques, les blobs émettent une activité électrique, ce qui suggère qu’ils ont le potentiel d’apprendre, de stocker et de traiter des informations. Les scientifiques les considèrent depuis longtemps comme un composant matériel prometteur pour l’informatique inspirée du cerveau.

Cette semaine, une équipe à l'Université de l'Indiana, Bloomington a transformé la théorie en réalité avec Brainoware. Ils ont connecté un organoïde cérébral ressemblant au cortex – la couche la plus externe du cerveau qui supporte les fonctions cognitives supérieures – à une puce en forme de plaquette densément remplie d’électrodes.

Le mini-cerveau fonctionnait à la fois comme l’unité centrale de traitement et comme la mémoire d’un superordinateur. Il recevait des informations sous forme de zaps électriques et émettait ses calculs via une activité neuronale, qui était ensuite décodée par un outil d'IA.

Lorsqu’il s’est entraîné sur des extraits sonores d’un groupe de personnes – transformés en zaps électriques – Brainoware a finalement appris à reconnaître les « sons » de personnes spécifiques. Dans un autre test, le système a réussi à résoudre un problème mathématique complexe qui représente un défi pour l'IA.

La capacité du système à apprendre découle de modifications des connexions du réseau neuronal dans le mini-cerveau, ce qui est similaire à la façon dont notre cerveau apprend chaque jour. Bien qu’il ne s’agisse que d’une première étape, Brainoware ouvre la voie à des bioordinateurs hybrides de plus en plus sophistiqués, susceptibles de réduire les coûts énergétiques et d’accélérer les calculs.

Cette configuration permet également aux neuroscientifiques de mieux comprendre le fonctionnement interne de notre cerveau.

"Alors que les informaticiens tentent de construire des ordinateurs en silicium semblables à ceux du cerveau, les neuroscientifiques tentent de comprendre les calculs des cultures de cellules cérébrales." écrit Drs. Lena Smirnova, Brian Caffo et Erik C. Johnson de l'Université Johns Hopkins qui n'ont pas participé à l'étude. Brainoware pourrait offrir de nouvelles informations sur la façon dont nous apprenons, sur la façon dont le cerveau se développe et même aider à tester de nouvelles thérapies lorsque le cerveau faiblit.

Une variante de l'informatique neuromorphique

Avec ses 200 milliards de neurones reliés en réseau dans des centaines de milliards de connexions, le cerveau humain est peut-être le matériel informatique le plus puissant connu.

Sa configuration est intrinsèquement différente de celle des ordinateurs classiques, qui disposent d'unités distinctes pour le traitement et le stockage des données. Chaque tâche nécessite une navette informatique entre les deux, ce qui augmente considérablement le temps et l'énergie de calcul. En revanche, les deux fonctions s’unissent au même endroit physique du cerveau.

Appelées synapses, ces structures connectent les neurones en réseaux. Les synapses apprennent en modifiant la force avec laquelle elles se connectent aux autres, en augmentant la force de la connexion avec les collaborateurs qui aident à résoudre les problèmes et en stockant les connaissances au même endroit.

Le processus peut sembler familier. Les réseaux de neurones artificiels, une approche de l'IA qui a pris d'assaut le monde, sont vaguement basés sur ces principes. Mais l’énergie nécessaire est très différente. Le cerveau fonctionne avec 20 watts, soit à peu près la puissance nécessaire pour faire fonctionner un petit ventilateur de bureau. Un réseau de neurones artificiels comparatif consomme huit millions de watts. Le cerveau peut également facilement apprendre de quelques exemples, alors que l’IA s’appuie notoirement sur des ensembles de données massifs.

Les scientifiques ont tenté de récapituler les propriétés de traitement du cerveau dans des puces matérielles. Construites à partir de composants exotiques dont les propriétés changent en fonction de la température ou de l’électricité, ces puces neuromorphiques combinent traitement et stockage au même endroit. Ces puces peuvent alimenter la vision par ordinateur et reconnaître la parole. Mais ils sont difficiles à fabriquer et ne capturent que partiellement le fonctionnement interne du cerveau.

Au lieu d’imiter le cerveau avec des puces informatiques, pourquoi ne pas simplement utiliser ses propres composants biologiques ?

Un ordinateur intelligent

Rassurez-vous, l’équipe n’a pas connecté de cerveaux vivants à des électrodes. Au lieu de cela, ils se sont tournés vers les organoïdes cérébraux. En seulement deux mois, les mini-cerveaux, fabriqués à partir de cellules souches humaines, se sont développés en une gamme de types de neurones connectés les uns aux autres dans des réseaux électriquement actifs.

L’équipe a soigneusement déposé chaque mini-cerveau sur une puce en forme de tampon remplie de minuscules électrodes. La puce peut enregistrer les signaux des cellules cérébrales provenant de plus de 1,000 XNUMX canaux et détruire les organoïdes en utilisant près de trois douzaines d'électrodes en même temps. Cela permet de contrôler précisément la stimulation et d'enregistrer l'activité du mini-cerveau. À l’aide d’un outil d’IA, les sorties neuronales abstraites sont traduites en réponses conviviales sur un ordinateur normal.

Lors d'un test de reconnaissance vocale, l'équipe a enregistré 240 clips audio de 8 personnes parlant. Chaque clip capturant une voyelle isolée. Ils ont transformé l’ensemble de données en modèles uniques de stimulation électrique et les ont introduits dans un mini-cerveau nouvellement développé. En seulement deux jours, le système Brainoware a pu distinguer différents locuteurs avec une précision de près de 80 %.

En utilisant une mesure populaire en neurosciences, l’équipe a découvert que les zaps électriques « entraînaient » le mini-cerveau à renforcer certains réseaux tout en en éliminant d’autres, suggérant qu’il recâblait ses réseaux pour faciliter l’apprentissage.

Dans un autre test, Brainoware a été opposé à l’IA sur une tâche mathématique difficile qui pourrait aider à générer des mots de passe plus forts. Bien que légèrement moins précis qu’une IA à mémoire à court terme, Brainoware était beaucoup plus rapide. Sans supervision humaine, il a atteint des résultats presque compatibles en moins de 10 % du temps nécessaire à l’IA.

"Il s'agit d'une première démonstration de l'utilisation d'organoïdes cérébraux [pour l'informatique]", a déclaré l'auteur de l'étude, le Dr Feng Guo. dit MIT Technology Review.

Des ordinateurs cyborgs ?

La nouvelle étude est la dernière à explorer les bioordinateurs hybrides, un mélange de neurones, d’IA et d’électronique.

Retour au 2020, une équipe fusionné des neurones artificiels et biologiques dans un réseau qui communiquait en utilisant la dopamine chimique du cerveau. Plus récemment, près d'un million de neurones, posés à plat dans une assiette, ont appris à jouer au jeu vidéo Pong grâce à des zaps électriques.

Brainoware est une avancée potentielle. Comparés aux neurones isolés, les organoïdes imitent mieux le cerveau humain et ses réseaux neuronaux sophistiqués. Mais ils ne sont pas sans défauts. À l’instar des algorithmes d’apprentissage profond, les processus internes des mini-cerveaux ne sont pas clairs, ce qui rend difficile le décodage de la « boîte noire » de la façon dont ils calculent et de la durée pendant laquelle ils conservent leurs souvenirs.

Ensuite, il y a le problème du « laboratoire humide ». Contrairement à un processeur informatique, les mini-cerveaux ne peuvent tolérer qu’une plage étroite de températures et de niveaux d’oxygène, tout en étant constamment exposés au risque d’infections microbiennes pathogènes. Cela signifie qu’ils doivent être soigneusement cultivés dans un bouillon nutritif à l’aide d’un équipement spécialisé. L’énergie nécessaire au maintien de ces cultures pourrait contrebalancer les gains du système informatique hybride.

Cependant, les mini-cerveaux sont de plus en plus faciles à cultiver avec des systèmes plus petits et plus efficaces, notamment ceux dotés de fonctions d'enregistrement et de zapping intégrées. La question la plus difficile ne concerne pas les défis techniques ; il s’agit plutôt de savoir ce qui est acceptable lorsqu’on utilise le cerveau humain comme élément informatique. L’IA et les neurosciences repoussent rapidement les limites, et les modèles cerveau-IA deviendront probablement encore plus sophistiqués.

« Il est essentiel que la communauté examine la myriade de problèmes neuroéthiques qui entourent les systèmes de bioinformatique intégrant des tissus neuronaux humains », ont écrit Smirnova, Caffo et Johnson.

Crédit image: Un organoïde cérébral en développement / National Institute of Allergy and Infectious Diseases, NIH

Horodatage:

Plus de Singularity Hub