ब्रिस्टल विश्वविद्यालय के वैज्ञानिकों ने दिखाया है कि प्रयोगशाला में विकसित मानव मस्तिष्क कोशिकाओं के समूह ब्रेल वर्णमाला को अपने परीक्षण संकेत के रूप में उपयोग करके विश्वसनीय रूप से स्पर्श संबंधी जानकारी प्राप्त कर सकते हैं, संसाधित कर सकते हैं और आगे बढ़ा सकते हैं। जर्नल फ्रंटियर्स इन आर्टिफिशियल इंटेलिजेंस में प्रकाशित अध्ययन को बायोहाइब्रिड कंप्यूटर की दिशा में एक महत्वपूर्ण कदम के रूप में देखा जा रहा है जो इलेक्ट्रॉनिक सेंसर के साथ जीवित तंत्रिका ऊतक से शादी करता है।
यह शोध ऑर्गेनॉइड इंटेलिजेंस के केंद्र में एक भ्रामक सरल प्रश्न को संबोधित करता है: क्या मस्तिष्क ऊतक का एक छोटा, आंशिक रूप से गठित टुकड़ा ईमानदारी से प्राप्त जानकारी को रिले कर सकता है? यह पता लगाने के लिए, पहले लेखक तियानयी लियू, एक पीएचडी उम्मीदवार, और वरिष्ठ लेखक डॉ बेंजामिन वार्ड-चेरियर के नेतृत्व में ब्रिस्टल स्थित एक टीम ने मस्तिष्क ऑर्गेनोइड को एक वास्तविक स्पर्श सेंसर से जोड़ा और पूछा कि क्या दूसरी तरफ सार्थक जानकारी पुनर्प्राप्त की जा सकती है। For more context on this story, see our ongoing AI trends.
लियू ने विश्वविद्यालय के निष्कर्षों की घोषणा में कहा, "हम एक वास्तविक स्पर्श सेंसर से जानकारी ले सकते हैं, इसे एक ऐसे रूप में बदल सकते हैं जिसे एक जीवित तंत्रिका नेटवर्क प्राप्त कर सकता है, और फिर ऑर्गेनॉइड प्रतिक्रिया से सार्थक जानकारी पुनर्प्राप्त कर सकता है।" "यह हमें कृत्रिम सेंसर को जैविक तंत्रिका तंत्र से जोड़ने का एक व्यावहारिक तरीका देता है, जो अधिक ऊर्जा-कुशल कंप्यूटिंग की दिशा में एक बहुत ही दिलचस्प संभावित मार्ग है।"
कोशिकाओं का ब्लॉब कैसे बनाएं पढ़ें
प्रयोग के केंद्र में ऑर्गेनॉइड लघु मस्तिष्क से बहुत दूर हैं। प्रत्येक का व्यास एक मिलीमीटर से भी कम है, इसमें मानव मस्तिष्क में पाई जाने वाली कई संरचनाओं का अभाव है, और इसमें सहायक कोशिकाओं के साथ-साथ लगभग 10,000 न्यूरॉन्स होते हैं - जो मानव अग्रमस्तिष्क पर आधारित हैं। वे एक प्रणाली के अंदर मल्टीइलेक्ट्रोड सरणियों पर बैठते हैं जो ऊतक को जीवित रखते हुए उसकी विद्युत प्रतिक्रियाओं की निगरानी करते हैं, जिससे शोधकर्ताओं को तंत्रिका गतिविधि को उत्तेजित करने और रिकॉर्ड करने की अनुमति मिलती है।
परीक्षण प्रोटोकॉल ने स्पर्श से ऊतक तक वर्गीकरण तक संकेत का पालन किया। सबसे पहले, टीम ने ब्रेल वर्णमाला के 26 अक्षरों पर एक स्पर्श सेंसर लगाया, जो प्रत्येक अक्षर से उत्पन्न डेटा को रिकॉर्ड कर रहा था। उस डेटा को विद्युत उत्तेजना पैटर्न में परिवर्तित किया गया था, जिसे ऑर्गेनॉइड तक पहुंचाया गया था। शोधकर्ताओं ने तब जांच की कि क्या परिणामी तंत्रिका गतिविधि से पता चल सकता है कि कौन सा पत्र प्रस्तुत किया गया था - वास्तव में, क्या ऊतक ने दिए गए संकेत को 'पढ़ा' था।
डिकोडिंग एक सपोर्ट वेक्टर मशीन पर गिरी, एक सरल मशीन लर्निंग एल्गोरिदम जो तंत्रिका गतिविधि के पैटर्न को क्रमबद्ध करता है और उन्हें विशिष्ट अक्षरों से मिलाता है। एक एकल ऑर्गेनॉइड लगभग 61% समय लगातार एक डिकोडेबल सिग्नल उत्पन्न करता है। जब तीन ऑर्गेनॉइड के आउटपुट को संयोजित किया गया, तो सटीकता लगभग 83% तक बढ़ गई।
तीन ऑर्गेनॉइड्स ने एक को हराया - और कोई भी निश्चित नहीं है कि क्यों
समग्र परिणाम सबसे दिलचस्प निष्कर्षों में से एक है। शोधकर्ता अभी तक पूरी तरह से यह नहीं समझा सके हैं कि तीन ऑर्गेनॉइड एक से बेहतर प्रदर्शन क्यों करते हैं, हालांकि उन्हें संदेह है कि इसका उत्तर प्राकृतिक भिन्नता में निहित है: कोई भी दो ऑर्गेनॉइड बिल्कुल एक ही रास्ते पर विकसित नहीं होते हैं।
लियू ने कहा, "अलग-अलग ऑर्गेनॉइड में थोड़ा अलग नेटवर्क कनेक्शन, विकासात्मक स्थिति और चल रही गतिविधि हो सकती है, इसलिए एक ही इनपुट समान लेकिन समान प्रतिक्रियाएं नहीं उत्पन्न कर सकता है।" "उन प्रतिक्रियाओं के संयोजन से हमें पूरक जानकारी मिल सकती है जो हमें एक एकल ऑर्गेनॉइड से नहीं मिलेगी। साथ ही, यदि प्रत्येक ऑर्गेनॉइड अलग-अलग व्यवहार करता है, तो यह स्पष्ट रूप से एक पूर्वानुमानित और मानकीकृत प्रणाली का निर्माण करना कठिन बना देता है।"
टीम ने ऊतक के आउटपुट पर भी जोर दिया। जब वैज्ञानिकों ने ब्रेल सिग्नलों में कृत्रिम शोर जोड़ा, तो ऑर्गेनोइड की प्रतिक्रियाओं से डिकोड करना उसी एल्गोरिदम के साथ सीधे खराब संकेतों को डिकोड करने की तुलना में कठिन साबित हुआ। ऑर्गेनॉइड्स द्वारा प्रसंस्करण के बाद, डेटा ने क्लासिफायरियर के लिए पर्याप्त संरचना बनाए रखी ताकि वह अनुमत कच्चे शोर इनपुट की तुलना में अधिक मजबूती से सही अक्षर चुन सके।
वार्ड-चेरियर ने कहा, "ऑर्गेनोइड्स द्वारा प्रसंस्करण के बाद, स्पर्श डेटा में अभी भी ब्रेल अक्षरों को अच्छी सटीकता के साथ वर्गीकृत करने के लिए पर्याप्त जानकारी है।" "कई ऑर्गेनोइड्स के आउटपुट के संयोजन से भी प्रदर्शन में सुधार देखा गया।"
जैविक कंप्यूटिंग शोधकर्ताओं को क्यों लुभाती है
प्रेरणा ऊर्जा है. मानव मस्तिष्क गणना करते समय लगभग 20 वाट पर चलता है जो पारंपरिक हार्डवेयर से अधिक बिजली की मांग करता है - एक अंतर जो एआई डेटा केंद्रों के बढ़ने के साथ चौड़ा हो गया है। न्यूरोमॉर्फिक चिप्स सिलिकॉन में मस्तिष्क की दक्षता को पकड़ने की कोशिश करते हैं, और ऑर्गेनॉइड इंटेलिजेंस उसी शर्त के अधिक कट्टरपंथी संस्करण का प्रतिनिधित्व करता है: उनकी नकल करने के बजाय वास्तविक न्यूरॉन्स का उपयोग करें।
संभावित अनुप्रयोग रोबोटिक्स और स्वायत्त प्रणालियों पर केंद्रित हैं, जहां प्रत्येक वाट मायने रखता है और स्पर्श संवेदन आवश्यक है। एक सेंसर जो सिग्नल प्रोसेसिंग को जीवित न्यूरॉन्स पर लोड कर सकता है - या एक दिन उनके साथ एक बंद लूप बना सकता है - उन मशीनों के पावर बजट को दोबारा आकार दे सकता है जिन्हें वास्तविक समय में समझने और प्रतिक्रिया करने की आवश्यकता होती है।
सुर्खियाँ उड़ने से पहले सावधान रहें
ब्रिस्टल टीम इस बारे में स्पष्ट है कि प्रयोग क्या नहीं दिखाता है। ऑर्गेनॉइड सीख नहीं रहे थे; उन्होंने उत्तेजना पर प्रतिक्रिया दी, लेकिन शोधकर्ताओं ने ऊतक में दीर्घकालिक परिवर्तन प्रदर्शित नहीं किया। यह कार्य एक निश्चित एन्कोडिंग योजना और तंत्रिका गतिविधि के अपेक्षाकृत सरल उपाय का उपयोग करके एकल स्पर्शनीय था।
लियू ने कहा, "हमने दिखाया कि स्पर्श संबंधी जानकारी को एन्कोड किया जा सकता है, ऑर्गेनॉइड के माध्यम से संसाधित किया जा सकता है और डीकोड किया जा सकता है, लेकिन हमने ऑर्गेनॉइड में सीखने या दीर्घकालिक परिवर्तनों का प्रदर्शन नहीं किया।"
टीम का कहना है कि अगला कदम ब्रेल से आगे पहुंचना है। शोधकर्ता समृद्ध स्पर्श इनपुट जैसे बनावट और किनारों में रुचि रखते हैं, और अंततः बंद-लूप कार्यों में जहां एक ऑर्गेनॉइड अपने स्वयं के आउटपुट के परिणामों से प्रतिक्रिया प्राप्त करता है - कॉन्फ़िगरेशन जो परीक्षण करना शुरू कर देगा कि क्या जीवित ऊतक केवल इसके माध्यम से संचारित होने के बजाय किसी कार्य के लिए अनुकूल हो सकते हैं।
अभी के लिए, परिणाम एक इंजीनियरिंग प्रमाण के रूप में खड़ा है: भौतिक दुनिया से संकेत जीवित तंत्रिका ऊतक में प्रवेश कर सकते हैं और दूसरी तरफ पहचानने योग्य वापस आ सकते हैं। यह बायोहाइब्रिड कंप्यूटर से बहुत दूर है, लेकिन यह एक प्रकार का अस्वाभाविक मील का पत्थर है - विश्वसनीय ट्रांसडक्शन, मापने योग्य सटीकता, ईमानदार त्रुटि पट्टियाँ - जिस पर पहले की कंप्यूटिंग क्रांतियाँ भी बनाई गई थीं।
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
