Исследователи подключили так называемый «органоид мозга» или «мини-мозг» к системе искусственного интеллекта, используя нервную ткань для выполнения вычислительных задач. Этот эксперимент может стать шагом на пути к гибридным биокомпьютерам
Роботы могут получить биологический мозг Фото: freepik.com
Так, чтобы повысить вычислительную мощность ИИ, исследователи соединили обычное машинное обучение со сложной 3D-моделью человеческого мозга, изготовленной из различных типов мозговой ткани, выращенной в лаборатории.
Эти миниатюрные модели мозга, известные как церебральные органоиды или «мини-мозг», существуют в разных формах с 2013 года. Но они никогда не использовались как способ дополнения AI.
Новое исследование использует более традиционное вычислительное оборудование для ввода электрических данных в органоид, а затем расшифровывает его активность для получения исходных данных — таким образом, мини-мозг служит лишь «средним слоем» вычислительного процесса.
Хотя этот метод далек от имитации настоящей структуры мозга или его работы, он может стать первым шагом на пути к созданию биокомпьютеров. Ученые позаимствуют приемы из биологии, чтобы сделать их более мощными и энергоэффективными, чем традиционные компьютеры. Это также может привести к лучшему пониманию того, как работает человеческий мозг и как на него влияют нейродегенеративные заболевания, такие как болезнь Альцгеймера и Паркинсона.
В новом исследовании, опубликованном в понедельник, 11 декабря, в журнале Nature Electronics, исследователи использовали технику, называемую резервуарными вычислениями. В этом контексте органоид служит резервуаром. В такой системе он хранит информацию и реагирует на вводимые данные. Алгоритм учится распознавать изменения, вызванные различными входными данными, а затем преобразует эти изменения в свои выходные данные.
Используя эту структуру, исследователи подключили органоид мозга к этой системе, обеспечив его электрическими входами.
Интересное по теме: Ученые разработали робота с гибким позвоночником: зачем
a, Схема адаптивного резервуарного вычислительного фреймворка с использованием Brainoware. b, Схема парадигмы установки Brainoware, которая монтирует один органоид мозга на MEA высокой плотности для получения входов и отправки выходов. c, Иммуноокрашивание кортикальных органоидов, демонстрирующее сложные трехмерные нейронные сети с различными идентификационными признаками клеток мозга (например, зрелый нейрон, MAP2; астроцит GFAP; нейроны на стадии ранней дифференциации, TuJ1; нейронные клетки-предшественники, SOX2). d, Схема, демонстрирующая гипотетическое неконтролируемое обучение Brainoware путем изменения формы BNN во время обучения, а также подавление неконтролируемого обучения после блокировки синаптической пластичности. Фото: Nature Electronics
«По сути, мы можем кодировать информацию — что-то вроде изображения или аудиоинформации — в пространственно-временную структуру электрической стимуляции», — говорит соавтор исследования Фэнг Го, доцент кафедры инженерии интеллектуальных систем в Университете Индианы в Блумингтоне.
Другими словами, органоид реагирует по-разному в зависимости от времени и пространственного распределения электричества от электродов. Алгоритм научился интерпретировать электрические реакции органоида на эту стимуляцию.
Хотя органоид мозга гораздо проще собственно мозга — это, по сути, небольшая сфера мозговых клеток — он обладает определенной способностью адаптироваться и меняться в ответ на стимуляцию. Реакция различных типов клеток мозга, клеток на разных стадиях развития и мозгоподобных структур в органоиде — примерный аналог того, как наш мозг меняется в ответ на электрические сигналы. Такие изменения в мозге подпитывают нашу способность к обучению.
Читайте популярное: Свет может путешествовать назад во времени — ученые обнародовали исследование
Используя это нетрадиционное оборудование, исследователи научили свой гибридный алгоритм выполнять два типа задач: одна связана с распознаванием речи, а другая — с математикой. В первом случае компьютер показал около 78% точности при распознавании японских гласных звуков из сотен аудио-образцов. И он был достаточно точным в решении математической задачи, но чуть менее точным, чем традиционные типы машинного обучения.
Одним из преимуществ создания биокомпьютеров была бы энергоэффективность, поскольку наш мозг использует гораздо меньше энергии, чем современные передовые вычислительные системы. Однако, как отмечают ученые, могут пройти десятилетия, прежде чем такая технология будет использована для создания биокомпьютера общего пользования.
Хотя органоиды и не приближаются к воспроизведению полноценного человеческого мозга, ученые надеются, что эта технология даст лучшее понимание того, как работает мозг. Воспроизведение как его структуры (с помощью органоидов), так и функций (с помощью вычислений), может позволить исследователям лучше понять, как структура мозга связана, например, с обучением и познанием.
Как и в случае с органоидами в целом, эти вычислительные системы, как надеются ученые, могут помочь заменить тестирование лекарств на животных, которое поднимает этические вопросы и не всегда дает полезные результаты, поскольку животные очень сильно отличаются от людей. Включение органоидов, полученных из тканей человеческого мозга, в тестирование лекарств может помочь преодолеть этот пробел.
Ознакомьтесь с другими популярными материалами:
Ученые смогли услышать радиошум от столкновения космического мусора
Ученые нашли способ избежать глобального потепления
Ученые разработали самовосстанавливающийся бетон: как работает
По материалам livescience.com.
