Вчені з Брістольського університету показали, що вирощені в лабораторії кластери клітин людського мозку можуть надійно отримувати, обробляти та передавати тактильну інформацію, використовуючи шрифт Брайля як тестовий сигнал. Дослідження, опубліковане в журналі Frontiers in Artificial Intelligence, розглядається як ключовий крок до біогібридних комп’ютерів, які поєднують живу нейронну тканину з електронними датчиками.
Дослідження стосується оманливо простого питання, яке лежить в основі органоїдного інтелекту: чи може крихітний, частково сформований шматочок мозкової тканини вірно передавати інформацію, яку він отримує? Щоб з’ясувати це, команда з Брістоля на чолі з першим автором Tianyi Liu, доктором наук, і старшим автором доктором Бенджаміном Уорд-Черрієром підключила органоїди мозку до справжнього тактильного датчика та запитала, чи можна відновити значиму інформацію з іншого боку. For more context on this story, see our ongoing more AI stories.
«Ми можемо отримати інформацію від справжнього тактильного датчика, перетворити її у форму, яку може отримати жива нейронна мережа, а потім відновити значущу інформацію з реакції органоїду», — сказав Лю в оголошенні університету про результати. «Це дає нам практичний спосіб з’єднати штучні датчики з біологічними нейронними системами, що є дуже цікавим можливим шляхом до більш енергоефективних обчислень».
Як зробити крапку клітинок Прочитайте
Органоїди в центрі експерименту далеко не мініатюрні мізки. Кожна має менше міліметра в поперечнику, не має багатьох структур, властивих людському мозку, і містить приблизно 10 000 нейронів разом із допоміжними клітинами — за зразком переднього мозку людини. Вони сидять на багатоелектродних масивах всередині системи, яка підтримує тканину живою, одночасно відстежуючи її електричні реакції, що дозволяє дослідникам як стимулювати, так і записувати нейронну активність.
Протокол тестування слідував за сигналом від дотику до тканини до класифікації. Спочатку команда застосувала тактильний датчик до 26 літер азбуки Брайля, записуючи дані, які видає кожна літера. Ці дані були перетворені в шаблони електричної стимуляції, які були доставлені до органоїдів. Потім дослідники перевірили, чи може отримана нейронна активність виявити, яка буква була представлена — по суті, чи «прочитала» тканина поданий їй сигнал.
Декодування припало на машину опорних векторів, простий алгоритм машинного навчання, який сортував шаблони нейронної активності та зіставляв їх із певними літерами. Один органоїд постійно створював декодований сигнал приблизно в 61% випадків. Коли результати трьох органоїдів об’єднали, точність зросла приблизно до 83%.
Три органоїди перемагають один — і ніхто не знає, чому
Результат ансамблю є одним з найбільш інтригуючих знахідок. Дослідники поки що не можуть повністю пояснити, чому три органоїди перевершують один, хоча вони підозрюють, що відповідь криється в природних варіаціях: жодні два органоїди не розвиваються абсолютно однаковим шляхом.
«Різні органоїди можуть мати дещо різні мережеві зв’язки, стани розвитку та поточну активність, тому той самий вхід може викликати подібні, але не ідентичні реакції», — сказав Лю. «Об’єднання цих відповідей може дати нам додаткову інформацію, яку ми не отримали б від одного органоїда. У той же час, якщо кожен органоїд поводиться по-різному, це, очевидно, ускладнює побудову передбачуваної та стандартизованої системи».
Команда також підкреслила вихід тканини. Коли вчені додали штучний шум до сигналів Брайля, декодування відповідей органоїдів виявилося важче обдурити, ніж декодування погіршених сигналів безпосередньо за допомогою того самого алгоритму. Після обробки органоїдами дані зберегли достатню структуру для того, щоб класифікатор вибрав правильну літеру більш надійно, ніж це дозволяло необроблене шумове введення.
«Після обробки органоїдами тактильні дані все ще містять достатньо інформації, щоб класифікувати літери Брайля з хорошою точністю», — сказав Уорд-Черріє. «Поєднання результатів кількох органоїдів також показало покращення продуктивності».
Чому біологічні обчислення спокушають дослідників
Мотивація - це енергія. Людський мозок споживає приблизно 20 Вт під час виконання обчислень, які вимагають на порядки більше електроенергії від звичайного обладнання — розрив, який збільшився в міру збільшення кількості центрів обробки даних ШІ. Нейроморфні чіпи намагаються вловити ефективність мозку в кремнії, а органоїдний інтелект представляє більш радикальну версію тієї самої ставки: використовувати справжні нейрони замість їх імітації.
Потенційні програми зосереджені на робототехніці та автономних системах, де кожен ват має значення, а тактильне сприйняття є важливим. Датчик, який міг би перенести обробку сигналу на живі нейрони — або одного разу сформувати з ними замкнутий цикл — міг би змінити бюджет енергії машин, які повинні сприймати та реагувати в режимі реального часу.
Обережно, перш ніж заголовки втечуть
Бристольська команда чітко говорить про те, чого експеримент не показує. Органоїди не навчалися; вони реагували на стимуляцію, але дослідники не продемонстрували довгострокових змін у тканині. Завдання було одним тактильним, з використанням фіксованої схеми кодування та відносно простого вимірювання нейронної активності.
«Ми показали, що тактильну інформацію можна кодувати, обробляти за допомогою органоїдів і декодувати, але ми не продемонстрували навчання або довгострокові зміни в органоїдах», — сказав Лю.
Наступні кроки, каже команда, виходять за межі шрифту Брайля. Дослідники зацікавлені в більш багатих тактильних даних, таких як текстури та краї, і, зрештою, у завданнях із замкнутим циклом, де органоїд отримує зворотний зв’язок від наслідків власного результату — конфігурація, яка почне перевіряти, чи може жива тканина адаптуватися до завдання, а не просто передавати через нього.
Наразі результат є інженерним доказом: сигнали з фізичного світу можуть проникати в живу нейронну тканину та виходити звідти впізнаваними з іншого боку. Це дуже далеко від біогібридного комп’ютера, але це неприваблива віха — надійна трансдукція, вимірювана точність, чесні шкали похибок — на яких також базувалися попередні обчислювальні революції.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
