ブリストル大学の科学者らは、実験室で培養された人間の脳細胞のクラスターが、点字アルファベットをテスト信号として使用して、触覚情報を確実に受信、処理、伝達できることを示した。この研究はジャーナル「Frontiers in Artificial Intelligence」に掲載され、生きた神経組織と電子センサーを結合させるバイオハイブリッドコンピュータに向けた重要な一歩として宣伝されている。

この研究は、オルガノイド知能の中心にある一見単純な疑問に取り組んでいます。それは、部分的に形成された小さな脳組織片が、受け取った情報を忠実に中継できるのかということです。これを解明するために、筆頭著者の博士課程候補者ティアンイ・リュー氏と上級著者のベンジャミン・ウォード・シェリエ博士が率いるブリストル拠点のチームは、脳オルガノイドを本物の触覚センサーに接続し、反対側で意味のある情報が回収できるかどうかを調べた。 この件の詳細は、人工知能の最新情報をご覧ください。

「実際の触覚センサーから情報を取得し、それを生きたニューラルネットワークが受信できる形式に変換し、オルガノイドの反応から意味のある情報を回収することができます」とLiu氏は大学の研究成果発表の中で述べた。 「これにより、人工センサーを生物学的神経システムに接続する実用的な方法が得られます。これは、よりエネルギー効率の高いコンピューティングに向けた非常に興味深い可能性のあるルートです。」

セルの塊を読み取る方法

実験の中心となるオルガノイドは、小型の脳とは程遠い。それぞれの直径は 1 ミリメートル未満で、人間の脳に見られる多くの構造が欠けており、約 10,000 個のニューロンと支持細胞が含まれており、人間の前脳をモデルとしています。これらは、組織の電気的応答を監視しながら組織を生かし続けるシステム内の多電極アレイ上に配置されており、研究者は神経活動を刺激し記録することができます。

テストプロトコルは、組織への接触から分類までの信号に従いました。まず、チームは点字アルファベットの 26 文字に触覚センサーを適用し、各文字が生成するデータを記録しました。そのデータは電気刺激パターンに変換され、オルガノイドに送られました。次に研究者らは、結果として生じる神経活動によって、どの文字が提示されたかを明らかにできるかどうか、つまり、組織が与えられた信号を「読んだ」かどうかを調べた。

デコードは、神経活動のパターンを分類し、特定の文字と照合する単純な機械学習アルゴリズムであるサポート ベクター マシンに委ねられました。単一のオルガノイドは、約 61% の確率で解読可能な信号を一貫して生成しました。 3 つのオルガノイドの出力を組み合わせると、精度は約 83% まで上昇しました。

3 つのオルガノイドが 1 つを上回る - その理由は誰もわかりません

アンサンブルの結果は、最も興味深い発見の 1 つです。研究者らは、なぜ 3 つのオルガノイドが 1 つのオルガノイドより優れているのかをまだ完全に説明できていませんが、その答えは自然の変動にあるのではないかと考えています。まったく同じ経路に沿って成長する 2 つのオルガノイドはないのです。

「オルガノイドが異なれば、ネットワーク接続、発達状態、進行中の活動がわずかに異なる可能性があるため、同じ入力でも同様ではあるが同一ではない反応が生じる可能性があります」とLiu氏は述べた。 「これらの応答を組み合わせることで、単一のオルガノイドからは得られない補完的な情報が得られる可能性があります。同時に、すべてのオルガノイドが異なる動作をする場合、予測可能で標準化されたシステムを構築することが明らかに困難になります。」

研究チームは組織の成果も強調した。科学者が点字信号に人工ノイズを追加したところ、オルガノイドの応答からの解読は、劣化した信号を同じアルゴリズムで直接解読するよりもだますのが難しいことが判明しました。オルガノイドによる処理後、データは、生のノイズを含む入力が許容するよりも確実に分類器が正しい文字を選択するのに十分な構造を保持していました。

「オルガノイドによる処理後も、触覚データには点字を正確に分類するのに十分な情報がまだ含まれています」とウォード・シェリエ氏は述べた。 「いくつかのオルガノイドからの出力を組み合わせると、パフォーマンスの向上も示されました。」

バイオコンピューティングが研究者を誘惑する理由

原動力はエネルギーです。人間の脳は、従来のハードウェアでは桁違いに多くの電力を必要とする計算を実行する際に約 20 ワットで動作しますが、AI データセンターが増加するにつれてその差は拡大しています。ニューロモーフィック チップは脳の効率をシリコンで捉えようとしますが、オルガノイド インテリジェンスは同じ賭けのより過激なバージョンを表します。つまり、ニューロンを模倣する代わりに実際のニューロンを使用します。

潜在的なアプリケーションはロボット工学と自律システムに集中しており、あらゆるワットが重要であり、触覚センシングが不可欠です。信号処理を生きたニューロンにオフロードできるセンサー、またはいつかニューロンと閉ループを形成できるセンサーは、リアルタイムで認識して反応する必要があるマシンの電力バジェットを再構築する可能性があります。

見出しが消える前に注意してください

ブリストルのチームは、実験で何が分からなかったのかについて明確に述べている。オルガノイドは学習していませんでした。彼らは刺激に反応しましたが、研究者らは組織の長期的な変化を実証しませんでした。このタスクは、固定されたコード化スキームと比較的単純な神経活動の測定値を使用した単一の触覚タスクでした。

「私たちは、触覚情報が符号化され、オルガノイドを介して処理され、解読される可能性があることを示しましたが、オルガノイドにおける学習や長期的な変化は実証しませんでした」とLiu氏は述べた。

研究チームによれば、次のステップは点字を超えたものになるという。研究者らは、テクスチャやエッジなどのより豊富な触覚入力に興味を持ち、最終的にはオルガノイドが自身の出力の結果からフィードバックを受け取る閉ループタスクに興味を持っています。この構成では、生体組織が単にタスクを伝達するのではなく、タスクに適応できるかどうかをテストし始めることになります。

現時点では、この結果は工学的な証拠として機能します。つまり、物理世界からの信号が生きた神経組織に入り、反対側で認識可能に戻ってくる可能性があるということです。これはバイオハイブリッド コンピューターには程遠いですが、信頼性の高い変換、測定可能な精度、誠実なエラーバーなど、初期のコンピューティング革命もその上に築かれた、ある種の地味なマイルストーンです。

---

AIの最新情報をお届け

AIの最新ニュース、分析、ブレイクスルーを一箇所で。

AIニュースをもっと読む →