28 grudnia, 2024

Świat Biotworzyw

Informacje o Polsce. Wybierz tematy, o których chcesz dowiedzieć się więcej

Ludzkie komórki mózgowe na chipie potrafią rozpoznawać mowę i wykonywać proste obliczenia: ScienceAlert

Ludzkie komórki mózgowe na chipie potrafią rozpoznawać mowę i wykonywać proste obliczenia: ScienceAlert

Żaden komputer nie jest tak potężny i złożony jak ludzki mózg. Masy tkanek w naszych czaszkach mogą przetwarzać informacje w ilościach i prędkościach, których technologia komputerowa ledwo jest w stanie dosięgnąć.

Kluczem do sukcesu mózgu jest wydajność neuronów w działaniu jako procesor i urządzenie pamięci, w przeciwieństwie do fizycznie oddzielnych jednostek w większości nowoczesnych urządzeń komputerowych.

Podejmowano wiele prób upodobnienia obliczeń do mózgu, ale nowy wysiłek posunął się o krok dalej — poprzez integrację prawdziwej ludzkiej tkanki mózgowej z elektroniką.

Nazywa się Brainoware i działa. Zespół kierowany przez inżyniera Feng Guo z Indiana University Bloomington wyposażył go w takie zadania, jak rozpoznawanie mowy i problemy matematyczne, takie jak przewidywanie równań nieliniowych.

Był nieco mniej dokładny niż komputer wykorzystujący wyłącznie sztuczną inteligencję, ale badania wykazały ważny pierwszy krok w kierunku nowego typu architektury komputerowej.

Jednakże, chociaż Gu i jego współpracownicy postępowali zgodnie z wytycznymi etycznymi podczas opracowywania oprogramowania Brainoware, kilku badaczy z Uniwersytetu Johnsa Hopkinsa zauważyło w powiązanym raporcie Elektronika natury Wyraź opinię, jak ważne jest, aby przy dalszym rozwijaniu tej technologii mieć na uwadze względy etyczne.

Lena Smirnova, Brian Cafu i Eric C. Johnson, który nie brał udziału w badaniu, przestrzec„Wraz ze wzrostem złożoności tych systemów organicznych ważne jest, aby społeczeństwo rozważyło niezliczone kwestie neuroetyczne dotyczące systemów biokomputerowych obejmujących ludzką tkankę nerwową”.

Diagram pokazujący działanie Brainoware. (Kay i in., Nat. Elektron., 2023)

Ludzki umysł jest niesamowicie niesamowity. I jest uznanie 86 miliardów neuronówśrednio i Aż do biliarda synaps. Każdy neuron jest podłączony do maksymalnie Kolejne 10 000 neuronówciągle strzelając i komunikując się ze sobą.

Jak dotąd nasze najlepsze wysiłki w zakresie symulacji aktywności mózgu w sztucznym systemie nie dotarły na powierzchnię.

W 2013 roku na rynek trafił komputer K firmy Riken – wówczas jeden z najpotężniejszych superkomputerów na świecie. Podjął próbę naśladowania mózgu. Przy użyciu 82 944 procesorów i petabajta pamięci głównej symulacja jednej sekundy aktywności 1,73 miliarda neuronów połączonych 10,4 bilionami synaps, czyli tylko około jednego do dwóch procent mózgu, zajęła 40 minut.

W ostatnich latach naukowcy i inżynierowie próbowali zbliżyć się do możliwości mózgu, projektując urządzenia i algorytmy naśladujące jego strukturę i działanie. znany jako Obliczenia neuronoweJest coraz lepiej, ale zużywa mnóstwo energii, a uczenie sztucznych sieci neuronowych zajmuje dużo czasu.

Od lewej do prawej, u góry: organoidy ludzkiego mózgu po 7 dniach, 14 dniach, 28 dniach i kilku miesiącach; Od dołu, od lewej do prawej: jeden miesiąc, dwa miesiące, trzy miesiące. (Kay i in., Nat. Elektron., 2023)

Gu i jego współpracownicy poszukiwali innego podejścia, wykorzystując prawdziwą ludzką tkankę mózgową hodowaną w laboratorium. Ludzkie pluripotencjalne komórki macierzyste stymulowano do przekształcenia się w różne typy komórek mózgowych, które organizują się w małe, trójwymiarowe mózgi zwane organellami, wraz z połączeniami i strukturami.

To nie są prawdziwe mózgi, ale po prostu układy tkanek pozbawione czegokolwiek przypominającego myśl, emocję czy świadomość. Są przydatne do badania rozwoju i funkcjonowania mózgu, bez ingerencji w pracę rzeczywistych ludzi.

Brainoware składa się z organoidów mózgowych połączonych z szeregiem mikroelektrod o dużej gęstości, przy użyciu rodzaju sztucznej sieci neuronowej zwanej Obliczenia zbiorników. Stymulacja elektryczna przesyła informacje do organoidu – zbiornika, w którym informacje te są przetwarzane, zanim Brainoware przekaże swoje obliczenia w postaci aktywności neuronowej.

W warstwach wejściowych i wyjściowych używane są zwykłe komputery. Warstwy te należało przeszkolić do pracy z organoidem, przy czym warstwa wyjściowa odczytywała dane neuronowe i dokonywała klasyfikacji lub przewidywań na podstawie danych wejściowych.

Aby zademonstrować system, badacze przekazali Brainoware 240 klipów audio przedstawiających ośmiu mężczyzn mówiących japońskie dźwięki samogłoskowe i poprosili go o zidentyfikowanie głosu konkretnej osoby.

Zaczęli od naiwnej substancji organicznej. Po zaledwie dwóch dniach szkolenia Brainoware był w stanie zidentyfikować głośnik z dokładnością do 78%.

Przykład organizmu i jego zeskanowanej aktywności neuronowej. (Kay i in., Nat. Elektron., 2023)

Poprosili także Brainoware o przewidywanie Mapa Henona, układ dynamiczny wykazuje zachowanie chaotyczne. Zostawili go bez nadzoru, aby mógł się uczyć przez cztery dni – każdy dzień odpowiadał epoce szkoleniowej – i odkryli, że jest w stanie przewidzieć mapę z lepszą dokładnością niż sztuczna sieć neuronowa bez jednostki pamięci długoterminowej.

Programy mózgowe były nieco mniej dokładne niż sztuczne sieci neuronowe z pamięcią długo- i krótkotrwałą, ale wszystkie te sieci przeszły 50 epok szkoleniowych. Brainoware osiągnęło mniej więcej takie same wyniki w czasie krótszym niż 10 procent czasu szkolenia.

„Dzięki wysokiej plastyczności i zdolności adaptacji organoidów Brainoware może zmieniać się i reorganizować w odpowiedzi na stymulację elektryczną, co podkreśla jego potencjał w zakresie adaptacyjnego przetwarzania kopii zapasowych”. Naukowcy piszą.

Pozostają istotne ograniczenia, w tym kwestia utrzymania przy życiu i zdrowiu narządów oraz poziomu zużycia energii przez urządzenia peryferyjne. Jednak mając na uwadze względy etyczne, Brainoware ma wpływ nie tylko na informatykę, ale także na zrozumienie tajemnic ludzkiego mózgu.

„Być może miną dziesięciolecia, zanim powstaną ogólne systemy biokomputerowe, ale te badania prawdopodobnie dostarczą fundamentalnych informacji na temat mechanizmów uczenia się, rozwoju neurodegeneracyjnego i poznawczych skutków chorób neurodegeneracyjnych”. Piszą Smirnova, Cafu i Johnson.

„Mogłoby to również pomóc w opracowaniu przedklinicznych modeli zaburzeń poznawczych w celu przetestowania nowych metod leczenia”.

Badanie zostało opublikowane w Elektronika natury.