Wetenschappers van de Universiteit van Bristol hebben aangetoond dat in het laboratorium gekweekte clusters van menselijke hersencellen op betrouwbare wijze tactiele informatie kunnen ontvangen, verwerken en doorgeven – met behulp van het braille-alfabet als testsignaal. De studie, gepubliceerd in het tijdschrift Frontiers in Artificial Intelligence, wordt aangekondigd als een belangrijke stap in de richting van biohybride computers die levend zenuwweefsel combineren met elektronische sensoren.
Het onderzoek richt zich op een bedrieglijk eenvoudige vraag die centraal staat in de organoïde intelligentie: kan een klein, gedeeltelijk gevormd stukje hersenweefsel de ontvangen informatie op getrouwe wijze doorgeven? Om daar achter te komen, verbond een team uit Bristol onder leiding van eerste auteur Tianyi Liu, een promovendus, en senior auteur dr. Benjamin Ward-Cherrier hersenorganoïden met een echte tactiele sensor en vroeg of er aan de andere kant betekenisvolle informatie kon worden teruggevonden. Voor meer context over dit verhaal, zie ons AI-nieuws.
"We kunnen informatie van een echte tactiele sensor halen, deze in een vorm veranderen die een levend neuraal netwerk kan ontvangen, en vervolgens betekenisvolle informatie uit de organoïde respons halen", zei Liu in de aankondiging van de bevindingen van de universiteit. "Dat geeft ons een praktische manier om kunstmatige sensoren te verbinden met biologische neurale systemen, wat een zeer interessante mogelijke route is naar energiezuiniger computergebruik."
Hoe je een klodder cellen kunt laten lezen
De organoïden die centraal staan in het experiment zijn verre van miniatuurhersenen. Elk is minder dan een millimeter breed, mist veel structuren die in het menselijk brein voorkomen, en bevat ongeveer 10.000 neuronen samen met ondersteunende cellen – gemodelleerd naar de menselijke voorhersenen. Ze zitten op meerdere elektroden-arrays in een systeem dat het weefsel in leven houdt en tegelijkertijd de elektrische reacties bewaakt, waardoor onderzoekers neurale activiteit zowel kunnen stimuleren als registreren.
Het testprotocol volgde het signaal van aanraking via weefsel tot classificatie. Eerst paste het team een tactiele sensor toe op de 26 letters van het braillealfabet, waarbij de gegevens van elke letter werden vastgelegd. Die gegevens werden omgezet in elektrische stimulatiepatronen, die aan de organoïden werden afgeleverd. De onderzoekers onderzochten vervolgens of de resulterende neurale activiteit kon onthullen welke letter was gepresenteerd - in feite of het weefsel het gegeven signaal had 'gelezen'.
Het decoderen viel toe aan een ondersteunende vectormachine, een eenvoudig machine learning-algoritme dat patronen van neurale activiteit sorteerde en deze koppelde aan specifieke letters. Een enkele organoïde produceerde consistent ongeveer 61% van de tijd een decodeerbaar signaal. Toen de outputs van drie organoïden werden gecombineerd, steeg de nauwkeurigheid tot ongeveer 83%.
Drie organoïden verslaan er één – en niemand weet precies waarom
Het ensembleresultaat is een van de meest intrigerende bevindingen. De onderzoekers kunnen nog niet volledig verklaren waarom drie organoïden beter presteren dan één, hoewel ze vermoeden dat het antwoord in natuurlijke variatie ligt: geen twee organoïden ontwikkelen zich langs precies hetzelfde pad.
"Verschillende organoïden kunnen enigszins verschillende netwerkverbindingen, ontwikkelingstoestanden en voortdurende activiteit hebben, dus dezelfde input kan vergelijkbare maar niet identieke reacties produceren," zei Liu. "Het combineren van deze reacties kan ons aanvullende informatie opleveren die we niet van een enkele organoïde zouden krijgen. Tegelijkertijd, als elke organoïde zich anders gedraagt, wordt het uiteraard moeilijker om een voorspelbaar en gestandaardiseerd systeem te bouwen."
Het team benadrukte ook de output van het weefsel. Toen de wetenschappers kunstmatige ruis aan de braillesignalen toevoegden, bleek het decoderen van de reacties van de organoïden moeilijker voor de gek te houden dan het rechtstreeks decoderen van de gedegradeerde signalen met hetzelfde algoritme. Na verwerking door de organoïden behielden de gegevens voldoende structuur zodat de classificator de juiste letter robuuster kon uitkiezen dan de ruwe, luidruchtige invoer toestond.
"Na verwerking door de organoïden bevatten de tactiele gegevens nog steeds voldoende informatie om brailleletters met goede nauwkeurigheid te classificeren", aldus Ward-Cherrier. "Het combineren van de resultaten van verschillende organoïden liet ook een verbetering van de prestaties zien."
Waarom biologische computers onderzoekers verleiden
De motivatie is energie. Het menselijk brein verbruikt ongeveer 20 watt terwijl het berekeningen uitvoert die ordes van grootte meer elektriciteit vereisen van conventionele hardware – een kloof die groter is geworden naarmate de AI-datacenters zich vermenigvuldigen. Neuromorfe chips proberen de efficiëntie van de hersenen in silicium vast te leggen, en organoïde intelligentie vertegenwoordigt de radicalere versie van dezelfde weddenschap: gebruik echte neuronen in plaats van ze te imiteren.
Potentiële toepassingen concentreren zich op robotica en autonome systemen, waarbij elke watt ertoe doet en tactiele detectie essentieel is. Een sensor die de signaalverwerking zou kunnen overbrengen naar levende neuronen – of er op een dag een gesloten lus mee zou kunnen vormen – zou het energiebudget van machines die in realtime moeten kunnen waarnemen en reageren, opnieuw vorm kunnen geven.
Let op voordat de krantenkoppen weglopen
Het Bristol-team is expliciet over wat het experiment niet laat zien. De organoïden leerden niet; ze reageerden op stimulatie, maar de onderzoekers konden geen langetermijnverandering in het weefsel aantonen. De taak was een enkele tactiele taak, waarbij gebruik werd gemaakt van een vast coderingsschema en een relatief eenvoudige meting van neurale activiteit.
"We hebben aangetoond dat tactiele informatie kan worden gecodeerd, verwerkt via de organoïden en gedecodeerd, maar we hebben geen leerprocessen of langetermijnveranderingen in de organoïden aangetoond," zei Liu.
De volgende stappen reiken volgens het team verder dan braille. De onderzoekers zijn geïnteresseerd in rijkere tactiele inputs zoals texturen en randen, en uiteindelijk in gesloten-lustaken waarbij een organoïde feedback ontvangt van de gevolgen van zijn eigen output – de configuratie die zou beginnen te testen of levend weefsel zich aan een taak kan aanpassen in plaats van er alleen maar doorheen te zenden.
Voorlopig geldt het resultaat als een technisch bewijs: signalen uit de fysieke wereld kunnen levend zenuwweefsel binnendringen en aan de andere kant herkenbaar terugkomen. Dat is ver verwijderd van een biohybride computer, maar het is het soort niet-glamoureuze mijlpaal – betrouwbare transductie, meetbare nauwkeurigheid, eerlijke foutbalken – waarop ook eerdere computerrevoluties waren voortgebouwd.
---
Blijf Voorop met AIHet laatste AI-nieuws, analyses en doorbraken — allemaal op één plek.
Lees meer AI-nieuws →
