Các nhà khoa học tại Đại học Bristol đã chỉ ra rằng các cụm tế bào não người được phát triển trong phòng thí nghiệm có thể nhận, xử lý và truyền thông tin xúc giác một cách đáng tin cậy – sử dụng bảng chữ cái chữ nổi Braille làm tín hiệu kiểm tra. Nghiên cứu được công bố trên tạp chí Frontiers in Artificial Intelligence, đang được coi là một bước quan trọng hướng tới các máy tính lai sinh học kết hợp mô thần kinh sống với các cảm biến điện tử.

Nghiên cứu này giải quyết một câu hỏi có vẻ đơn giản ở trung tâm của trí thông minh dạng cơ quan: liệu một mảnh mô não nhỏ bé, được hình thành một phần có thể truyền tải thông tin mà nó nhận được một cách trung thực không? Để tìm hiểu, một nhóm có trụ sở tại Bristol do tác giả đầu tiên Tianyi Liu, một ứng cử viên tiến sĩ và tác giả cấp cao, Tiến sĩ Benjamin Ward-Cherrier, dẫn đầu đã kết nối các cơ quan não với một cảm biến xúc giác thực và hỏi liệu thông tin có ý nghĩa có thể được phục hồi ở phía bên kia hay không. For more context on this story, see our ongoing latest AI developments.

Liu cho biết trong thông báo về phát hiện của trường đại học: “Chúng tôi có thể lấy thông tin từ một cảm biến xúc giác thực, biến nó thành dạng mà mạng lưới thần kinh sống có thể nhận được và sau đó khôi phục thông tin có ý nghĩa từ phản ứng của cơ quan”. “Điều đó mang lại cho chúng tôi một phương pháp thực tế để kết nối các cảm biến nhân tạo với các hệ thống thần kinh sinh học, đây là một con đường khả thi rất thú vị hướng tới tính toán tiết kiệm năng lượng hơn.”

Cách tạo một đốm ô để đọc

Các cơ quan ở trung tâm thí nghiệm khác xa với những bộ não thu nhỏ. Mỗi cái có chiều ngang chưa đến một milimet, thiếu nhiều cấu trúc được tìm thấy trong não người và chứa khoảng 10.000 tế bào thần kinh cùng với các tế bào hỗ trợ – được mô phỏng theo não trước của con người. Chúng nằm trên các dãy điện cực bên trong một hệ thống giữ cho mô tồn tại đồng thời theo dõi phản ứng điện của nó, cho phép các nhà nghiên cứu vừa kích thích vừa ghi lại hoạt động thần kinh.

Quy trình kiểm tra tuân theo tín hiệu từ cảm ứng đến mô đến phân loại. Đầu tiên, nhóm nghiên cứu áp dụng cảm biến xúc giác vào 26 chữ cái trong bảng chữ cái chữ nổi Braille, ghi lại dữ liệu từng chữ cái được tạo ra. Dữ liệu đó được chuyển đổi thành các mẫu kích thích điện, được chuyển đến các cơ quan. Sau đó, các nhà nghiên cứu kiểm tra xem liệu hoạt động thần kinh thu được có thể tiết lộ chữ cái nào đã được đưa ra hay không - trên thực tế, liệu mô có 'đọc' tín hiệu được đưa ra hay không.

Việc giải mã rơi vào máy vectơ hỗ trợ, một thuật toán học máy đơn giản giúp sắp xếp các mẫu hoạt động thần kinh và khớp chúng với các chữ cái cụ thể. Một cơ quan duy nhất tạo ra tín hiệu có thể giải mã được trong khoảng 61% thời gian. Khi kết quả đầu ra của ba cơ quan được kết hợp, độ chính xác tăng lên khoảng 83%.

Ba Organoids đánh bại một — và không ai biết chắc tại sao

Kết quả tổng hợp là một trong những phát hiện hấp dẫn nhất. Các nhà nghiên cứu vẫn chưa thể giải thích đầy đủ tại sao ba chất hữu cơ lại hoạt động tốt hơn một, mặc dù họ nghi ngờ câu trả lời nằm ở sự biến đổi tự nhiên: không có hai chất hữu cơ nào phát triển theo cùng một con đường.

Liu cho biết: “Các cơ quan khác nhau có thể có các kết nối mạng, trạng thái phát triển và hoạt động đang diễn ra hơi khác nhau, do đó, cùng một đầu vào có thể tạo ra các phản ứng tương tự nhưng không giống nhau”. "Việc kết hợp những phản hồi đó có thể cung cấp cho chúng tôi thông tin bổ sung mà chúng tôi sẽ không nhận được từ một cơ quan duy nhất. Đồng thời, nếu mỗi cơ quan hoạt động khác nhau, điều đó rõ ràng khiến việc xây dựng một hệ thống tiêu chuẩn và có thể dự đoán được trở nên khó khăn hơn."

Nhóm nghiên cứu cũng nhấn mạnh đến hiệu suất của mô. Khi các nhà khoa học thêm nhiễu nhân tạo vào tín hiệu chữ nổi, việc giải mã từ phản hồi của các cơ quan tỏ ra khó đánh lừa hơn so với việc giải mã trực tiếp các tín hiệu bị suy giảm bằng cùng một thuật toán. Sau khi được các organoid xử lý, dữ liệu giữ lại đủ cấu trúc để bộ phân loại chọn ra chữ cái chính xác một cách mạnh mẽ hơn mức đầu vào nhiễu thô cho phép.

Ward-Cherrier cho biết: “Sau khi được xử lý bởi các organoid, dữ liệu xúc giác vẫn chứa đủ thông tin để phân loại các chữ cái nổi Braille với độ chính xác cao”. “Việc kết hợp các kết quả đầu ra từ một số cơ quan cũng cho thấy sự cải thiện về hiệu suất.”

Tại sao máy tính sinh học lại thu hút các nhà nghiên cứu

Động lực là năng lượng. Bộ não con người chạy với công suất khoảng 20 watt trong khi thực hiện các phép tính đòi hỏi lượng điện lớn hơn từ phần cứng thông thường - khoảng cách ngày càng mở rộng khi các trung tâm dữ liệu AI nhân lên. Các chip thần kinh cố gắng nắm bắt hiệu quả của não bằng silicon và trí thông minh dạng cơ quan đại diện cho phiên bản cấp tiến hơn của cùng một vụ cá cược: sử dụng các tế bào thần kinh thực tế thay vì bắt chước chúng.

Các ứng dụng tiềm năng tập trung vào robot và hệ thống tự động, trong đó mỗi watt đều quan trọng và cảm biến xúc giác là điều cần thiết. Một cảm biến có thể giảm tải quá trình xử lý tín hiệu cho các tế bào thần kinh sống - hoặc một ngày nào đó tạo thành một vòng khép kín với chúng - có thể định hình lại nguồn năng lượng của những cỗ máy cần nhận thức và phản ứng trong thời gian thực.

Thận trọng trước khi tiêu đề bỏ chạy

Nhóm Bristol đã trình bày rõ ràng những gì thí nghiệm không thể hiện. Các chất hữu cơ không học được; chúng phản ứng với kích thích, nhưng các nhà nghiên cứu không chứng minh được sự thay đổi lâu dài ở mô. Nhiệm vụ này là một nhiệm vụ xúc giác duy nhất, sử dụng sơ đồ mã hóa cố định và thước đo hoạt động thần kinh tương đối đơn giản.

Liu cho biết: “Chúng tôi đã chứng minh rằng thông tin xúc giác có thể được mã hóa, xử lý thông qua các organoid và giải mã, nhưng chúng tôi không chứng minh được những thay đổi lâu dài hoặc khả năng học hỏi trong các organoid”.

Nhóm cho biết các bước tiếp theo sẽ vượt ra ngoài chữ nổi Braille. Các nhà nghiên cứu quan tâm đến các đầu vào xúc giác phong phú hơn như kết cấu và các cạnh, và cuối cùng là các nhiệm vụ vòng kín trong đó một cơ quan nhận được phản hồi từ kết quả đầu ra của chính nó – cấu hình sẽ bắt đầu kiểm tra xem mô sống có thể thích ứng với một nhiệm vụ hay không thay vì chỉ truyền qua nó.

Hiện tại, kết quả này là một bằng chứng kỹ thuật: tín hiệu từ thế giới vật lý có thể đi vào mô thần kinh sống và quay trở lại có thể nhận biết được ở phía bên kia. Đó là một chặng đường dài so với máy tính lai sinh học, nhưng đó là một loại cột mốc không mấy hấp dẫn – sự truyền tải đáng tin cậy, độ chính xác có thể đo lường được, các thanh lỗi trung thực – mà các cuộc cách mạng điện toán trước đó cũng đã được xây dựng dựa trên đó.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →