Kroglica možganskih celic na čipu se lahko nauči preprostega prepoznavanja govora in matematike

Majhna kroglica možganskih celic brni od dejavnosti, ko sedi na vrhu niza elektrod. Dva dni prejema vzorec električnih udarcev, pri čemer vsaka stimulacija kodira govorne posebnosti osmih ljudi. Do tretjega dne lahko razlikuje med govorci.

Sistem, ki so ga poimenovali Brainoware, dviguje letvico bioračunalništva z uporabo 3D možganskih organoidov ali »mini možganov«. Ti modeli, običajno vzgojeni iz človeških matičnih celic, se hitro razširijo v različne nevrone, povezane v nevronske mreže.

Tako kot njihovi biološki dvojniki se tudi blobi iskrijo z električno aktivnostjo, kar nakazuje, da imajo potencial za učenje, shranjevanje in obdelavo informacij. Znanstveniki nanje že dolgo gledajo kot na obetavno komponento strojne opreme za računalništvo, ki ga navdihujejo možgani.

Ta teden, ekipa na univerzi Indiana Bloomington z Brainoware spremenil teorijo v resničnost. Povezali so možganski organoid, ki spominja na skorjo – najbolj oddaljeno plast možganov, ki podpira višje kognitivne funkcije – s čipom, podobnim rezinam, gosto napolnjenim z elektrodami.

Mini možgani so delovali kot centralna procesna enota in pomnilniški prostor superračunalnika. Prejel je vhodne podatke v obliki električnih zapsov in izpisal svoje izračune z nevronsko aktivnostjo, ki je bila nato dekodirana z orodjem AI.

Ko se je uril na zvočnih posnetkih skupine ljudi – pretvorjenih v električne zape – se je Brainoware sčasoma naučil izločiti »zvoke« določenih ljudi. V drugem preizkusu se je sistem uspešno spopadel s kompleksnim matematičnim problemom, ki je izziv za AI.

Sposobnost sistema za učenje izvira iz sprememb v povezavah nevronskih mrež v mini možganih – kar je podobno temu, kako se naši možgani učijo vsak dan. Čeprav je le prvi korak, Brainoware utira pot vse bolj izpopolnjenim hibridnim bioračunalnikom, ki bi lahko znižali stroške energije in pospešili računanje.

Postavitev tudi omogoča nevroznanstvenikom, da dodatno razkrijejo notranje delovanje naših možganov.

"Medtem ko računalniški znanstveniki poskušajo zgraditi možganom podobne silicijeve računalnike, nevroznanstveniki poskušajo razumeti izračune kultur možganskih celic," Napisal dr. Lena Smirnova, Brian Caffo in Erik C. Johnson z univerze Johns Hopkins, ki niso bili vključeni v študijo. Brainoware bi lahko ponudil nove vpoglede v to, kako se učimo, kako se možgani razvijajo, in celo pomagal pri testiranju novih terapevtikov, ko možgani omahnejo.

Preobrat nevromorfnega računalništva

S svojimi 200 milijardami nevronov, povezanih v stotine bilijonov povezav, so človeški možgani morda najzmogljivejša znana računalniška strojna oprema.

Njegova nastavitev je sama po sebi drugačna od klasičnih računalnikov, ki imajo ločene enote za obdelavo in shranjevanje podatkov. Vsaka naloga zahteva računalniško premeščanje podatkov med obema, kar dramatično poveča računalniški čas in energijo. Nasprotno pa se obe funkciji združita na istem fizičnem mestu v možganih.

Te strukture, imenovane sinapse, povezujejo nevrone v mreže. Sinapse se učijo tako, da spremenijo, kako močno se povezujejo z drugimi – povečajo moč povezave s sodelavci, ki pomagajo pri reševanju težav in shranjevanju znanja na istem mestu.

Postopek se morda sliši znano. Umetne nevronske mreže, pristop AI, ki je prevzel svet, ohlapno temeljijo na teh načelih. Toda potrebna energija je zelo drugačna. Možgani delujejo z močjo 20 vatov, kar je približno toliko, kot je potrebno za delovanje majhnega namiznega ventilatorja. Primerjalna umetna nevronska mreža porabi osem milijonov vatov. Možgani se prav tako zlahka učijo iz nekaj primerov, medtem ko se umetna inteligenca zloglasno opira na ogromne zbirke podatkov.

Znanstveniki so poskušali povzeti procesne lastnosti možganov v strojnih čipih. Zgrajeni iz eksotičnih komponent, ki spreminjajo lastnosti s temperaturo ali elektriko, ti nevromorfni čipi združujejo obdelavo in shranjevanje na isti lokaciji. Ti čipi lahko poganjajo računalniški vid in prepoznajo govor. Vendar jih je težko izdelati in le delno zajamejo notranje delovanje možganov.

Zakaj ne bi namesto posnemanja možganov z računalniškimi čipi preprosto uporabili njihovih lastnih bioloških komponent?

Brainy Computer

Bodite prepričani, ekipa ni priklopila živih možganov na elektrode. Namesto tega so se obrnili na možganske organoide. V samo dveh mesecih so se mini možgani, izdelani iz človeških izvornih celic, razvili v vrsto vrst nevronov, ki so se med seboj povezovali v električno aktivna omrežja.

Ekipa je previdno spustila vsak mini možgan na žigu podoben čip, poln drobnih elektrod. Čip lahko snema signale možganskih celic iz več kot 1,000 kanalov in zapira organoide z uporabo skoraj treh ducatov elektrod hkrati. To omogoča natančen nadzor stimulacije in beleženje aktivnosti mini možganov. Z uporabo orodja AI se abstraktni nevronski izhodi prevedejo v človeku prijazne odzive na običajnem računalniku.

V testu prepoznavanja govora je ekipa posnela 240 zvočnih posnetkov 8 ljudi, ki so govorili. Vsak posnetek zajame izoliran samoglasnik. Nabor podatkov so preoblikovali v edinstvene vzorce električne stimulacije in jih vnesli v novo zrasle mini možgane. V samo dveh dneh je sistemu Brainoware uspelo razlikovati med različnimi zvočniki s skoraj 80-odstotno natančnostjo.

Z uporabo priljubljenega nevroznanstvenega ukrepa je skupina ugotovila, da so električni zapsi "trenirali" mini možgane, da so okrepili nekatera omrežja, medtem ko so obrezali druga, kar kaže na to, da so svoja omrežja preoblikovali, da bi olajšali učenje.

V drugem preizkusu se je Brainoware pomeril z umetno inteligenco pri zahtevni matematični nalogi, ki bi lahko pomagala ustvariti močnejša gesla. Čeprav je bil Brainoware nekoliko manj natančen kot AI s kratkoročnim spominom, je bil veliko hitrejši. Brez človeškega nadzora je dosegel skoraj združljive rezultate v manj kot 10 odstotkih časa, ki ga je porabila umetna inteligenca.

"To je prva predstavitev uporabe možganskih organoidov [za računalništvo]," avtor študije dr. Feng Guo Rekel Pregled tehnologije MIT.

Cyborg Computers?

Nova študija je zadnja, ki raziskuje hibridne bioračunalnike – mešanico nevronov, umetne inteligence in elektronike.

Nazaj v 2020, ekipa združil umetne in biološke nevrone v mrežo, ki je komunicirala z uporabo možganske kemikalije dopamina. Bolj nedavno skoraj milijon nevronov, ki so ravno ležali v krožniku, se je naučilo igrati video igro Pong iz električnih zapsov.

Brainoware je potencialni korak naprej. V primerjavi z izoliranimi nevroni organoidi bolje posnemajo človeške možgane in njihove prefinjene nevronske mreže. Niso pa brez napak. Podobno kot pri algoritmih globokega učenja so notranji procesi mini možganov nejasni, zaradi česar je težko dekodirati »črno skrinjico« o tem, kako računajo – in kako dolgo hranijo spomine.

Potem je tu še problem »mokrih laboratorijev«. Za razliko od računalniškega procesorja lahko mini-možgani prenesejo le ozek razpon temperature in ravni kisika, medtem ko so nenehno v nevarnosti okužb z mikrobi, ki povzročajo bolezni. To pomeni, da jih je treba skrbno gojiti v hranilni juhi s posebno opremo. Energija, potrebna za vzdrževanje teh kultur, lahko izravna pridobitve hibridnega računalniškega sistema.

Vendar pa je mini-možgane vse lažje gojiti z manjšimi in učinkovitejšimi sistemi – vključno s tistimi z vgrajenimi funkcijami snemanja in zapiranja. Težje vprašanje se ne nanaša na tehnične izzive; namesto tega gre za to, kaj je sprejemljivo pri uporabi človeških možganov kot računalniškega elementa. Umetna inteligenca in nevroznanost hitro premikata meje in modeli možganske umetne inteligence bodo verjetno postali še bolj izpopolnjeni.

»Za skupnost je ključnega pomena, da preuči nešteto nevroetičnih vprašanj, ki obdajajo bioračunalniške sisteme, ki vključujejo človeška živčna tkiva,« so zapisali Smirnova, Caffo in Johnson.

Kreditno slike: Razvijajoči se možganski organoid / Nacionalni inštitut za alergije in nalezljive bolezni, NIH

• Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
• PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
• PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
• PlatoESG. Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
• PlatoHealth. Obveščanje o biotehnologiji in kliničnih preskušanjih. Dostopite tukaj.
• vir: https://singularityhub.com/2023/12/14/a-ball-of-brain-cells-on-a-chip-can-learn-simple-speech-recognition-and-math/