Naukowcy z Uniwersytetu w Bristolu wykazali, że wyhodowane w laboratorium skupiska ludzkich komórek mózgowych mogą niezawodnie odbierać, przetwarzać i przekazywać informacje dotykowe — wykorzystując alfabet Braille'a jako sygnał testowy. Badanie, opublikowane w czasopiśmie Frontiers in Artificial Intelligence, jest reklamowane jako kluczowy krok w kierunku komputerów biohybrydowych, które łączą żywą tkankę nerwową z czujnikami elektronicznymi.
Badanie odpowiada na zwodniczo proste pytanie leżące u podstaw inteligencji organoidalnej: czy mały, częściowo uformowany kawałek tkanki mózgowej może wiernie przekazywać otrzymywane informacje? Aby się tego dowiedzieć, zespół z Bristolu kierowany przez pierwszą autorkę Tianyi Liu, doktorantkę, i starszego autora, dr Benjamina Warda-Cherriera, połączył organoidy mózgowe z prawdziwym czujnikiem dotykowym i zapytał, czy można odzyskać istotne informacje po drugiej stronie. Więcej kontekstu na ten temat znajdziesz w naszych trendy AI.
„Możemy pobrać informacje z prawdziwego czujnika dotykowego, przekształcić je w formę, którą może otrzymać żywa sieć neuronowa, a następnie odzyskać istotne informacje z reakcji organoidów” – powiedział Liu w ogłoszeniu wyników przez uniwersytet. „To daje nam praktyczny sposób łączenia sztucznych czujników z biologicznymi systemami neuronowymi, co stanowi bardzo interesującą możliwą drogę do bardziej energooszczędnego przetwarzania danych”.
Jak odczytać plamę komórek
Organoidy znajdujące się w centrum eksperymentu wcale nie są miniaturowymi mózgami. Każdy z nich ma mniej niż milimetr średnicy, brakuje mu wielu struktur występujących w ludzkim mózgu i zawiera około 10 000 neuronów wraz z komórkami pomocniczymi – wzorowanymi na ludzkim przodomózgowiu. Znajdują się one na układach wieloelektrodowych wewnątrz systemu, który utrzymuje tkankę przy życiu, jednocześnie monitorując jej reakcje elektryczne, umożliwiając badaczom zarówno stymulowanie, jak i rejestrowanie aktywności neuronowej.
Protokół testu podążał za sygnałem od dotyku, przez tkankę, aż do klasyfikacji. Najpierw zespół zastosował czujnik dotykowy do 26 liter alfabetu Braille'a, rejestrując dane wytworzone przez każdą literę. Dane te przekształcono w wzorce stymulacji elektrycznej, które dostarczono do organoidów. Następnie badacze sprawdzili, czy wynikająca z tego aktywność neuronowa może ujawnić, która litera została przedstawiona – w efekcie, czy tkanka „odczytała” otrzymany sygnał.
Dekodowanie przypadło maszynie wektorów nośnych, prostemu algorytmowi uczenia maszynowego, który sortował wzorce aktywności neuronowej i dopasowywał je do określonych liter. Pojedynczy organoid konsekwentnie wytwarzał dekodowany sygnał w około 61% przypadków. Po połączeniu wyników trzech organoidów dokładność wzrosła do około 83%.
Trzy Organoidy pokonują jednego — i nikt nie jest pewien, dlaczego
Wyniki całego badania należą do najbardziej intrygujących odkryć. Naukowcy nie potrafią jeszcze w pełni wyjaśnić, dlaczego trzy organoidy radzą sobie lepiej niż jeden, chociaż podejrzewają, że odpowiedź leży w naturalnej zmienności: żadne dwa organoidy nie rozwijają się dokładnie tą samą ścieżką.
„Różne organoidy mogą mieć nieco odmienne połączenia sieciowe, stany rozwoju i ciągłą aktywność, więc te same dane wejściowe mogą dawać podobne, ale nie identyczne reakcje” – powiedział Liu. „Połączenie tych odpowiedzi może dostarczyć nam uzupełniających informacji, których nie uzyskalibyśmy z pojedynczego organoidu. Jednocześnie, jeśli każdy organoid zachowuje się inaczej, w oczywisty sposób trudniej jest zbudować przewidywalny i ujednolicony system”.
Zespół podkreślił także wydajność tkanki. Kiedy naukowcy dodali sztuczny szum do sygnałów brajlowskich, dekodowanie na podstawie odpowiedzi organoidów okazało się trudniejsze do oszukania niż dekodowanie zdegradowanych sygnałów bezpośrednio za pomocą tego samego algorytmu. Po przetworzeniu przez organoidy dane zachowały wystarczającą strukturę, aby klasyfikator mógł wybrać właściwą literę z większą pewnością, niż pozwalały na to surowe, zaszumione dane wejściowe.
„Po przetworzeniu przez organoidy dane dotykowe nadal zawierają wystarczającą ilość informacji, aby sklasyfikować litery brajlowskie z dużą dokładnością” – stwierdził Ward-Cherrier. „Połączenie wyników kilku organoidów również wykazało poprawę wydajności”.
Dlaczego obliczenia biologiczne kuszą badaczy
Motywacją jest energia. Ludzki mózg zużywa około 20 watów podczas wykonywania obliczeń, które wymagają o rząd wielkości więcej energii elektrycznej od konwencjonalnego sprzętu – luka ta pogłębia się wraz z mnożeniem się centrów danych AI. Chipy neuromorficzne próbują uchwycić wydajność mózgu w krzemie, a inteligencja organoidalna stanowi bardziej radykalną wersję tego samego założenia: używaj rzeczywistych neuronów zamiast ich naśladować.
Potencjalne zastosowania skupiają się na robotyce i systemach autonomicznych, w których liczy się każdy wat, a wyczucie dotykowe jest niezbędne. Czujnik, który mógłby przenieść przetwarzanie sygnału na żywe neurony – lub pewnego dnia utworzyć z nimi zamkniętą pętlę – mógłby zmienić budżet mocy maszyn, które muszą postrzegać i reagować w czasie rzeczywistym.
Uwaga, zanim uciekną nagłówki gazet
Zespół z Bristolu jasno określił, czego eksperyment nie wykazał. Organoidy nie uczyły się; odpowiedziały na stymulację, ale badacze nie wykazali długotrwałych zmian w tkance. Zadanie miało charakter pojedynczy, dotykowy, przy użyciu ustalonego schematu kodowania i stosunkowo prostej miary aktywności neuronowej.
„Wykazaliśmy, że informacje dotykowe można zakodować, przetworzyć za pomocą organoidów i odkodować, ale nie wykazaliśmy uczenia się ani długoterminowych zmian w organoidach” – powiedział Liu.
Zespół twierdzi, że kolejne kroki wykraczają poza alfabet Braille’a. Naukowcy są zainteresowani bogatszymi bodźcami dotykowymi, takimi jak tekstury i krawędzie, a ostatecznie zadaniami w zamkniętej pętli, w których organoid otrzymuje informację zwrotną na podstawie konsekwencji własnego działania – konfiguracja, która zaczęłaby testować, czy żywa tkanka może przystosować się do zadania, a nie tylko przez nie przekazywać.
Na razie wynik stanowi dowód inżynieryjny: sygnały ze świata fizycznego mogą przedostać się do żywej tkanki nerwowej i powrócić rozpoznawalne po drugiej stronie. To daleko od komputera biohybrydowego, ale jest to tego rodzaju nieestetyczny kamień milowy — niezawodna transdukcja, mierzalna dokładność, uczciwe słupki błędów — na którym również budowano wcześniejsze rewolucje komputerowe.
---
Bądź na Bieżąco z AINajnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.
Czytaj więcej wiadomości AI →
