Para saintis di Universiti Bristol telah menunjukkan bahawa kelompok sel otak manusia yang tumbuh di makmal boleh menerima, memproses dan menyampaikan maklumat sentuhan dengan pasti — menggunakan abjad Braille sebagai isyarat ujian mereka. Kajian itu, yang diterbitkan dalam jurnal Frontiers in Artificial Intelligence, dianggap sebagai langkah penting ke arah komputer biohibrid yang mengahwini tisu saraf hidup dengan sensor elektronik.
Penyelidikan itu menangani soalan mudah yang menipu di tengah-tengah kecerdasan organoid: bolehkah sekeping kecil tisu otak yang terbentuk sebahagiannya dengan setia menyampaikan maklumat yang diterimanya? Untuk mengetahui, pasukan yang berpangkalan di Bristol yang diketuai oleh pengarang pertama Tianyi Liu, calon PhD, dan pengarang kanan Dr Benjamin Ward-Cherrier menghubungkan organoid otak kepada sensor sentuhan sebenar dan bertanya sama ada maklumat yang bermakna boleh dipulihkan di sisi lain. For more context on this story, see our ongoing AI trends.
"Kami boleh mengambil maklumat daripada penderia sentuhan sebenar, mengubahnya menjadi bentuk yang boleh diterima oleh rangkaian saraf hidup, dan kemudian memulihkan maklumat bermakna daripada tindak balas organoid," kata Liu dalam pengumuman penemuan universiti itu. "Itu memberi kita cara praktikal untuk menyambungkan penderia buatan dengan sistem saraf biologi, yang merupakan laluan yang sangat menarik ke arah pengkomputeran yang lebih cekap tenaga."
Cara Membuat Gumpalan Sel Dibaca
Organoid di tengah eksperimen adalah jauh dari otak kecil. Masing-masing berukuran kurang daripada satu milimeter, tidak mempunyai banyak struktur yang terdapat dalam otak manusia, dan mengandungi kira-kira 10,000 neuron bersama-sama dengan sel sokongan — dimodelkan pada otak depan manusia. Mereka duduk di atas tatasusunan berbilang elektrod di dalam sistem yang memastikan tisu hidup sambil memantau tindak balas elektriknya, membolehkan penyelidik untuk merangsang dan merekodkan aktiviti saraf.
Protokol ujian mengikuti isyarat dari sentuhan ke tisu kepada klasifikasi. Pertama, pasukan menggunakan penderia sentuhan pada 26 huruf abjad Braille, merekodkan data setiap huruf yang dihasilkan. Data itu ditukar kepada corak rangsangan elektrik, yang dihantar ke organoid. Para penyelidik kemudian meneliti sama ada aktiviti saraf yang terhasil boleh mendedahkan surat yang telah dibentangkan - sebenarnya, sama ada tisu itu telah 'membaca' isyarat yang diberikan.
Penyahkodan jatuh kepada mesin vektor sokongan, algoritma pembelajaran mesin ringkas yang mengisih corak aktiviti saraf dan memadankannya dengan huruf tertentu. Satu organoid secara konsisten menghasilkan isyarat boleh dikodkan kira-kira 61% daripada masa itu. Apabila output tiga organoid digabungkan, ketepatan meningkat kepada kira-kira 83%.
Tiga Organoid Menewaskan Satu — dan Tiada Siapa Yang Pasti Mengapa
Hasil ensemble adalah antara penemuan yang paling menarik. Para penyelidik masih belum dapat menjelaskan sepenuhnya mengapa tiga organoid mengatasi satu, walaupun mereka mengesyaki jawapannya terletak pada variasi semula jadi: tiada dua organoid berkembang di sepanjang laluan yang sama.
"Organoid yang berbeza mungkin mempunyai sambungan rangkaian yang sedikit berbeza, keadaan pembangunan, dan aktiviti berterusan, jadi input yang sama boleh menghasilkan tindak balas yang serupa tetapi tidak sama," kata Liu. "Menggabungkan respons tersebut mungkin memberi kami maklumat pelengkap yang tidak akan kami perolehi daripada satu organoid. Pada masa yang sama, jika setiap organoid berkelakuan berbeza, ia jelas menjadikannya lebih sukar untuk membina sistem yang boleh diramal dan diseragamkan."
Pasukan itu juga menekankan pengeluaran tisu. Apabila saintis menambah bunyi buatan pada isyarat Braille, penyahkodan daripada tindak balas organoid terbukti lebih sukar untuk ditipu daripada menyahkod isyarat terdegradasi secara langsung dengan algoritma yang sama. Selepas diproses oleh organoid, data mengekalkan struktur yang mencukupi untuk pengelas untuk memilih huruf yang betul dengan lebih mantap daripada input bising mentah yang dibenarkan.
"Selepas diproses oleh organoid, data sentuhan masih mengandungi maklumat yang mencukupi untuk mengklasifikasikan huruf Braille dengan ketepatan yang baik," kata Ward-Cherrier. "Menggabungkan output daripada beberapa organoid juga menunjukkan peningkatan dalam prestasi."
Mengapa Pengkomputeran Biologi Menggoda Penyelidik
Motivasi adalah tenaga. Otak manusia berjalan pada kira-kira 20 watt semasa melakukan pengiraan yang menuntut susunan magnitud lebih banyak elektrik daripada perkakasan konvensional — jurang yang telah melebar apabila pusat data AI bertambah banyak. Cip neuromorfik cuba menangkap kecekapan otak dalam silikon, dan kecerdasan organoid mewakili versi yang lebih radikal daripada pertaruhan yang sama: gunakan neuron sebenar dan bukannya menirunya.
Aplikasi berpotensi tertumpu pada sistem robotik dan autonomi, di mana setiap watt penting dan penderiaan sentuhan adalah penting. Penderia yang boleh memunggah pemprosesan isyarat ke neuron hidup - atau satu hari membentuk gelung tertutup dengannya - boleh membentuk semula belanjawan kuasa mesin yang perlu melihat dan bertindak balas dalam masa nyata.
Berhati-hati Sebelum Tajuk Berita Lari
Pasukan Bristol secara eksplisit tentang perkara yang tidak ditunjukkan oleh percubaan. Organoid tidak belajar; mereka bertindak balas kepada rangsangan, tetapi para penyelidik tidak menunjukkan perubahan jangka panjang dalam tisu. Tugas itu adalah satu sentuhan, menggunakan skema pengekodan tetap dan ukuran aktiviti saraf yang agak mudah.
"Kami menunjukkan bahawa maklumat sentuhan boleh dikodkan, diproses melalui organoid, dan dinyahkodkan, tetapi kami tidak menunjukkan pembelajaran atau perubahan jangka panjang dalam organoid," kata Liu.
Langkah seterusnya, kata pasukan itu, melangkaui Braille. Para penyelidik berminat dengan input sentuhan yang lebih kaya seperti tekstur dan tepi, dan akhirnya dalam tugas gelung tertutup di mana organoid menerima maklum balas daripada akibat outputnya sendiri - konfigurasi yang akan mula menguji sama ada tisu hidup boleh menyesuaikan diri dengan tugas dan bukannya hanya menghantar melaluinya.
Buat masa ini, hasilnya berdiri sebagai bukti kejuruteraan: isyarat dari dunia fizikal boleh memasuki tisu saraf hidup dan kembali dikenali di sisi lain. Itu adalah jauh dari komputer biohibrid, tetapi ia adalah jenis peristiwa penting yang tidak menarik - transduksi yang boleh dipercayai, ketepatan yang boleh diukur, bar ralat yang jujur - yang revolusi pengkomputeran terdahulu turut dibina.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
