Menselijke hersencellen op een chip kunnen spraak herkennen en eenvoudige berekeningen uitvoeren: ScienceAlert

Geen enkele computer is zelfs zo krachtig en complex als het menselijk brein. De massa weefsel in onze schedels kan informatie verwerken met hoeveelheden en snelheden die computertechnologie nauwelijks kan bereiken.

De sleutel tot het succes van de hersenen is de efficiëntie van neuronen die fungeren als processor en geheugenapparaat, in tegenstelling tot de fysiek gescheiden eenheden in de meeste moderne computerapparatuur.

Er zijn veel pogingen gedaan om computergebruik meer op het brein te laten lijken, maar een nieuwe poging gaat nog een stap verder: door echt menselijk hersenweefsel te integreren met elektronica.

Het heet Brainoware en het werkt. Een team onder leiding van ingenieur Feng Guo van de Indiana University Bloomington heeft het uitgerust met taken zoals spraakherkenning en wiskundige problemen zoals het voorspellen van niet-lineaire vergelijkingen.

Het was iets minder nauwkeurig dan een pure AI-computer, maar het onderzoek toont een belangrijke eerste stap aan in een nieuw type computerarchitectuur.

Hoewel Gu en zijn collega’s ethische richtlijnen volgden bij de ontwikkeling van Brainoware, merkten verschillende onderzoekers van de Johns Hopkins University echter op in een gerelateerd rapport Natuurelektronica Geef commentaar op het belang van het in gedachten houden van ethische overwegingen terwijl we deze technologie verder uitbreiden.

Lena Smirnova, Brian Cafu en Eric C. Johnson, die niet aan het onderzoek deelnam, voorzichtig zijn“Naarmate de complexiteit van deze organische systemen toeneemt, is het belangrijk dat de samenleving rekening houdt met de talloze neuro-ethische problemen rond biocomputersystemen waarbij menselijk zenuwweefsel betrokken is.”

De menselijke geest is verbazingwekkend geweldig. En er is waardering 86 miljard neuronengemiddeld, en Tot een biljoen synapsen. Elk neuron is verbonden met maximaal Nog eens 10.000 neuronenvoortdurend fotograferen en met elkaar communiceren.

Tot nu toe hebben onze beste inspanningen om hersenactiviteit in een kunstmatig systeem te simuleren nog niet de oppervlakte bereikt.

In 2013 werd Riken’s K-computer gelanceerd, destijds een van de krachtigste supercomputers ter wereld. Hij deed een poging om de hersenen te imiteren. Met behulp van 82.944 processors en een petabyte aan hoofdgeheugen duurde het 40 minuten om één seconde van de activiteit van 1,73 miljard neuronen te simuleren die verbonden zijn door 10,4 biljoen synapsen, of slechts ongeveer één tot twee procent van de hersenen.

De afgelopen jaren hebben wetenschappers en ingenieurs geprobeerd dichter bij de mogelijkheden van de hersenen te komen door apparaten en algoritmen te ontwerpen die de structuur en werking ervan nabootsen. bekend als Neuraal computergebruikHet wordt steeds beter, maar het kost veel energie, en het trainen van kunstmatige neurale netwerken duurt lang.

Gu en zijn collega’s zochten naar een andere aanpak, waarbij ze gebruik maakten van echt menselijk hersenweefsel dat in een laboratorium werd gekweekt. Menselijke pluripotente stamcellen zijn gestimuleerd om zich te ontwikkelen tot verschillende soorten hersencellen die zich organiseren in kleine, driedimensionale hersenen, organellen genaamd, compleet met verbindingen en structuren.

Dit zijn geen echte hersenen, maar slechts arrangementen van weefsel zonder iets dat lijkt op gedachte, emotie of bewustzijn. Ze zijn nuttig om te bestuderen hoe de hersenen zich ontwikkelen en functioneren, zonder zich met echte mensen te bemoeien.

Brainoware bestaat uit hersenorganoïden die zijn verbonden met een reeks micro-elektroden met hoge dichtheid, met behulp van een soort kunstmatig neuraal netwerk dat bekend staat als Tankcomputers. Elektrische stimulatie verzendt informatie naar de organoïde, het reservoir waarin die informatie wordt verwerkt voordat Brainoware zijn berekeningen uitvoert in de vorm van neurale activiteit.

Voor de invoer- en uitvoerlagen worden reguliere computers gebruikt. Deze lagen moesten worden getraind om met de organoïde te werken, waarbij de uitvoerlaag de neurale gegevens las en classificaties of voorspellingen maakte op basis van de invoer.

Om het systeem te demonstreren, gaven de onderzoekers Brainoware 240 audiofragmenten van acht mannelijke sprekers die Japanse klinkers maakten, en vroegen ze om de stem van een specifiek individu te identificeren.

Ze begonnen met een naïeve organische. Na slechts twee dagen training kon Brainoware de spreker identificeren met een nauwkeurigheid tot 78%.

Ze vroegen Brainoware ook om te voorspellen Henon-kaartvertoont een dynamisch systeem chaotisch gedrag. Ze lieten het vier dagen lang zonder toezicht leren – elke dag vertegenwoordigde een trainingsperiode – en ontdekten dat het de kaart met grotere nauwkeurigheid kon voorspellen dan een kunstmatig neuraal netwerk zonder een langetermijngeheugeneenheid.

De hersenprogramma’s waren iets minder nauwkeurig dan de kunstmatige neurale netwerken met langetermijn- en kortetermijngeheugen, maar al deze netwerken ondergingen vijftig trainingsperioden. Brainoware behaalde in minder dan 10 procent van de trainingstijd ongeveer dezelfde resultaten.

“Vanwege de hoge plasticiteit en het aanpassingsvermogen van organoïden heeft Brainoware de flexibiliteit om te veranderen en te reorganiseren als reactie op elektrische stimulatie, wat het potentieel ervan voor adaptieve back-upcomputers benadrukt.” De onderzoekers schrijven.

Er blijven aanzienlijke beperkingen bestaan, waaronder de kwestie van het levend en gezond houden van organen en het energieverbruik van randapparatuur. Maar met ethische overwegingen in het achterhoofd heeft Brainoware niet alleen implicaties voor computers, maar ook voor het begrijpen van de mysteries van het menselijk brein.

“Het kan tientallen jaren duren voordat algemene biocomputersystemen worden gecreëerd, maar dit onderzoek zal waarschijnlijk fundamentele inzichten opleveren in de mechanismen van leren, neurologische ontwikkeling en de cognitieve effecten van neurodegeneratieve ziekten.” Smirnova, Cafu en Johnson schrijven.

“Het zou ook kunnen helpen bij het ontwikkelen van preklinische modellen van cognitieve stoornissen om nieuwe behandelingen te testen.”

Het onderzoek is gepubliceerd in Natuurelektronica.