Επιστήμονες στο Πανεπιστήμιο του Μπρίστολ έχουν δείξει ότι τα εργαστηριακά σμήνη ανθρώπινων εγκεφαλικών κυττάρων μπορούν να λάβουν, να επεξεργαστούν και να μεταδώσουν αξιόπιστα απτικές πληροφορίες - χρησιμοποιώντας το αλφάβητο Μπράιγ ως σήμα δοκιμής τους. Η μελέτη, που δημοσιεύτηκε στο περιοδικό Frontiers in Artificial Intelligence, χαρακτηρίζεται ως ένα βασικό βήμα προς τους βιοϋβριδικούς υπολογιστές που παντρεύουν ζωντανό νευρικό ιστό με ηλεκτρονικούς αισθητήρες.
Η έρευνα εξετάζει ένα απατηλά απλό ερώτημα στο επίκεντρο της οργανοειδούς νοημοσύνης: μπορεί ένα μικροσκοπικό, μερικώς σχηματισμένο κομμάτι εγκεφαλικού ιστού να μεταδώσει πιστά τις πληροφορίες που λαμβάνει; Για να το ανακαλύψουν, μια ομάδα με έδρα το Μπρίστολ με επικεφαλής τον πρώτο συγγραφέα Tianyi Liu, υποψήφιο διδάκτορα, και τον ανώτερο συγγραφέα Dr Benjamin Ward-Cherrier συνέδεσε εγκεφαλικά οργανοειδή με έναν πραγματικό αισθητήρα αφής και ρώτησε εάν θα μπορούσαν να ανακτηθούν σημαντικές πληροφορίες από την άλλη πλευρά. For more context on this story, see our ongoing AI trends.
«Μπορούμε να πάρουμε πληροφορίες από έναν πραγματικό αισθητήρα αφής, να τις μετατρέψουμε σε μια μορφή που μπορεί να λάβει ένα ζωντανό νευρωνικό δίκτυο και στη συνέχεια να ανακτήσουμε σημαντικές πληροφορίες από την οργανοειδή απόκριση», είπε ο Λιου στην ανακοίνωση του πανεπιστημίου για τα ευρήματα. «Αυτό μας δίνει έναν πρακτικό τρόπο να συνδέσουμε τεχνητούς αισθητήρες με βιολογικά νευρωνικά συστήματα, τα οποία είναι μια πολύ ενδιαφέρουσα πιθανή διαδρομή προς πιο ενεργειακά αποδοτικούς υπολογιστές».
Πώς να κάνετε μια μάζα κυττάρων διαβασμένη
Τα οργανοειδή στο κέντρο του πειράματος απέχουν πολύ από μικροσκοπικούς εγκεφάλους. Το καθένα έχει διάμετρο μικρότερο από ένα χιλιοστό, στερείται πολλών δομών που βρίσκονται στον ανθρώπινο εγκέφαλο και περιέχει περίπου 10.000 νευρώνες μαζί με υποστηρικτικά κύτταρα - διαμορφωμένα στο πρότυπο του ανθρώπινου πρόσθιου εγκεφάλου. Κάθονται σε συστοιχίες πολλαπλών ηλεκτροδίων μέσα σε ένα σύστημα που διατηρεί τον ιστό ζωντανό ενώ παρακολουθεί τις ηλεκτρικές του αποκρίσεις, επιτρέποντας στους ερευνητές τόσο να διεγείρουν όσο και να καταγράφουν τη νευρική δραστηριότητα.
Το πρωτόκολλο δοκιμής ακολούθησε το σήμα από την αφή στον ιστό μέχρι την ταξινόμηση. Αρχικά, η ομάδα εφάρμοσε έναν αισθητήρα αφής στα 26 γράμματα του αλφαβήτου Braille, καταγράφοντας τα δεδομένα που παρήγαγε κάθε γράμμα. Αυτά τα δεδομένα μετατράπηκαν σε μοτίβα ηλεκτρικής διέγερσης, τα οποία παραδόθηκαν στα οργανοειδή. Οι ερευνητές στη συνέχεια εξέτασαν εάν η προκύπτουσα νευρική δραστηριότητα θα μπορούσε να αποκαλύψει ποιο γράμμα είχε παρουσιαστεί - στην πραγματικότητα, εάν ο ιστός είχε «διαβάσει» το σήμα που του δόθηκε.
Η αποκωδικοποίηση έπεσε σε μια μηχανή υποστήριξης διανυσμάτων, έναν απλό αλγόριθμο μηχανικής μάθησης που ταξινομούσε μοτίβα νευρωνικής δραστηριότητας και τα ταίριαζε με συγκεκριμένα γράμματα. Ένα μόνο οργανοειδές παρήγαγε σταθερά ένα αποκωδικοποιήσιμο σήμα περίπου στο 61% του χρόνου. Όταν συνδυάστηκαν τα αποτελέσματα τριών οργανοειδών, η ακρίβεια αυξήθηκε σε περίπου 83%.
Τρία οργανοειδή νικούν ένα — και κανείς δεν είναι σίγουρος γιατί
Το αποτέλεσμα του συνόλου είναι από τα πιο ενδιαφέροντα ευρήματα. Οι ερευνητές δεν μπορούν ακόμη να εξηγήσουν πλήρως γιατί τρία οργανοειδή υπερτερούν του ενός, αν και υποψιάζονται ότι η απάντηση βρίσκεται στη φυσική παραλλαγή: δεν αναπτύσσονται δύο οργανοειδή στην ίδια ακριβώς διαδρομή.
"Διαφορετικά οργανοειδή μπορεί να έχουν ελαφρώς διαφορετικές συνδέσεις δικτύου, αναπτυξιακές καταστάσεις και συνεχιζόμενη δραστηριότητα, επομένως η ίδια είσοδος μπορεί να παράγει παρόμοιες αλλά όχι ίδιες αποκρίσεις", είπε ο Liu. "Ο συνδυασμός αυτών των απαντήσεων μπορεί να μας δώσει συμπληρωματικές πληροφορίες που δεν θα λαμβάναμε από ένα μεμονωμένο οργανοειδές. Ταυτόχρονα, εάν κάθε οργανοειδές συμπεριφέρεται διαφορετικά, προφανώς καθιστά δυσκολότερη τη δημιουργία ενός προβλέψιμου και τυποποιημένου συστήματος."
Η ομάδα τόνισε επίσης την παραγωγή του ιστού. Όταν οι επιστήμονες πρόσθεσαν τεχνητό θόρυβο στα σήματα Braille, η αποκωδικοποίηση από τις αποκρίσεις των οργανοειδών αποδείχθηκε πιο δύσκολο να ξεγελαστεί από την αποκωδικοποίηση των υποβαθμισμένων σημάτων απευθείας με τον ίδιο αλγόριθμο. Μετά την επεξεργασία από τα οργανοειδή, τα δεδομένα διατήρησαν αρκετή δομή ώστε ο ταξινομητής να διαλέξει το σωστό γράμμα πιο σθεναρά από ό,τι επέτρεπε η ακατέργαστη θορυβώδης είσοδος.
«Μετά την επεξεργασία από τα οργανοειδή, τα απτικά δεδομένα εξακολουθούν να περιέχουν αρκετές πληροφορίες για την ταξινόμηση των γραμμάτων Braille με καλή ακρίβεια», δήλωσε ο Ward-Cherrier. "Ο συνδυασμός εκροών από διάφορα οργανοειδή έδειξε επίσης βελτίωση στην απόδοση."
Γιατί η Βιολογική Υπολογιστική Δελεάζει τους Ερευνητές
Το κίνητρο είναι η ενέργεια. Ο ανθρώπινος εγκέφαλος λειτουργεί με περίπου 20 Watt ενώ εκτελεί υπολογισμούς που απαιτούν τάξεις μεγέθους περισσότερη ηλεκτρική ενέργεια από το συμβατικό υλικό - ένα χάσμα που έχει διευρυνθεί καθώς πολλαπλασιάζονται τα κέντρα δεδομένων AI. Τα νευρομορφικά τσιπ προσπαθούν να συλλάβουν την αποτελεσματικότητα του εγκεφάλου σε πυρίτιο και η οργανοειδής νοημοσύνη αντιπροσωπεύει την πιο ριζική εκδοχή του ίδιου στοιχήματος: χρησιμοποιήστε πραγματικούς νευρώνες αντί να τους μιμηθείτε.
Οι πιθανές εφαρμογές επικεντρώνονται στη ρομποτική και στα αυτόνομα συστήματα, όπου κάθε watt έχει σημασία και η αίσθηση αφής είναι απαραίτητη. Ένας αισθητήρας που θα μπορούσε να εκφορτώσει την επεξεργασία σήματος σε ζωντανούς νευρώνες - ή μια μέρα να σχηματίσει έναν κλειστό βρόχο μαζί τους - θα μπορούσε να αναδιαμορφώσει τον προϋπολογισμό ισχύος των μηχανών που πρέπει να αντιληφθούν και να αντιδράσουν σε πραγματικό χρόνο.
Προσοχή πριν ξεφύγουν οι τίτλοι
Η ομάδα του Μπρίστολ είναι ξεκάθαρη για το τι δεν δείχνει το πείραμα. Τα οργανοειδή δεν μάθαιναν. ανταποκρίθηκαν στη διέγερση, αλλά οι ερευνητές δεν έδειξαν μακροπρόθεσμη αλλαγή στον ιστό. Η εργασία ήταν μια απλή απτική, χρησιμοποιώντας ένα σταθερό σχήμα κωδικοποίησης και ένα σχετικά απλό μέτρο της νευρικής δραστηριότητας.
«Δείξαμε ότι οι απτικές πληροφορίες μπορούσαν να κωδικοποιηθούν, να υποβληθούν σε επεξεργασία μέσω των οργανοειδών και να αποκωδικοποιηθούν, αλλά δεν δείξαμε μάθηση ή μακροπρόθεσμες αλλαγές στα οργανοειδή», είπε ο Λιου.
Τα επόμενα βήματα, λέει η ομάδα, φτάνουν πέρα από τη γραφή Braille. Οι ερευνητές ενδιαφέρονται για πιο πλούσιες απτικές εισόδους, όπως υφές και άκρες, και τελικά για εργασίες κλειστού βρόχου όπου ένα οργανοειδές λαμβάνει ανατροφοδότηση από τις συνέπειες της δικής του παραγωγής - τη διαμόρφωση που θα άρχιζε να δοκιμάζει εάν ο ζωντανός ιστός μπορεί να προσαρμοστεί σε μια εργασία αντί απλώς να μεταδοθεί μέσω αυτής.
Προς το παρόν, το αποτέλεσμα είναι μια τεχνική απόδειξη: τα σήματα από τον φυσικό κόσμο μπορούν να εισέλθουν στον ζωντανό νευρικό ιστό και να επανέλθουν αναγνωρίσιμα από την άλλη πλευρά. Αυτό απέχει πολύ από έναν βιοϋβριδικό υπολογιστή, αλλά είναι το είδος του μη γοητευτικού ορόσημου - αξιόπιστη μεταγωγή, μετρήσιμη ακρίβεια, ειλικρινείς γραμμές σφαλμάτων - πάνω στο οποίο βασίστηκαν επίσης οι προηγούμενες υπολογιστικές επαναστάσεις.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
