Een klein bolletje hersencellen zoemt van activiteit terwijl het bovenop een reeks elektroden zit. Twee dagen lang ontvangt het een patroon van elektrische zaps, waarbij elke stimulatie de spraakkenmerken van acht mensen codeert. Op dag drie kan het onderscheid maken tussen sprekers.

Het systeem, genaamd Brainoware, legt de lat hoger voor biocomputing door gebruik te maken van 3D-hersenorganoïden, oftewel ‘mini-hersenen’. Deze modellen, meestal gegroeid uit menselijke stamcellen, breiden zich snel uit naar een verscheidenheid aan neuronen die tot neurale netwerken zijn gebreid.

Net als hun biologische tegenhangers vonken de klodders elektrische activiteit, wat erop wijst dat ze het potentieel hebben om informatie te leren, op te slaan en te verwerken. Wetenschappers hebben ze al lang gezien als een veelbelovende hardwarecomponent voor op de hersenen geïnspireerde computers.

Deze week, een ploeg aan de Indiana University Bloomington maakte theorie werkelijkheid met Brainoware. Ze verbonden een hersenorganoïde die lijkt op de cortex – de buitenste laag van de hersenen die hogere cognitieve functies ondersteunt – met een wafelachtige chip die dicht opeengepakt zit met elektroden.

Het minibrein functioneerde zowel als de centrale verwerkingseenheid als als geheugenopslag van een supercomputer. Het ontving input in de vorm van elektrische zaps en voerde zijn berekeningen uit via neurale activiteit, die vervolgens werd gedecodeerd door een AI-tool.

Toen Brainoware werd getraind op soundbites van een groep mensen – omgezet in elektrische zaps – leerde hij uiteindelijk de ‘geluiden’ van specifieke mensen te onderscheiden. In een andere test heeft het systeem met succes een complex wiskundig probleem aangepakt dat een uitdaging vormt voor AI.

Het vermogen van het systeem om te leren kwam voort uit veranderingen in de neurale netwerkverbindingen in het minibrein – wat vergelijkbaar is met de manier waarop onze hersenen elke dag leren. Hoewel het slechts een eerste stap is, maakt Brainoware de weg vrij voor steeds geavanceerdere hybride biocomputers die de energiekosten kunnen verlagen en de berekeningen kunnen versnellen.

Dankzij de opzet kunnen neurowetenschappers ook de innerlijke werking van onze hersenen verder ontrafelen.

“Terwijl computerwetenschappers hersenachtige siliciumcomputers proberen te bouwen, proberen neurowetenschappers de berekeningen van hersencelculturen te begrijpen,” schreef Drs. Lena Smirnova, Brian Caffo en Erik C. Johnson van de Johns Hopkins University, die niet bij het onderzoek betrokken waren. Brainoware zou nieuwe inzichten kunnen bieden in de manier waarop we leren, hoe de hersenen zich ontwikkelen, en zelfs kunnen helpen bij het testen van nieuwe therapieën voor wanneer de hersenen haperen.

Een draai aan neuromorfisch computergebruik

Met zijn 200 miljard neuronen die in honderden biljoenen verbindingen zijn genetwerkt, is het menselijk brein misschien wel de krachtigste computerhardware die we kennen.

De opzet ervan is inherent anders dan die van klassieke computers, die afzonderlijke eenheden hebben voor gegevensverwerking en -opslag. Voor elke taak zijn de gegevens van de computershuttle tussen de twee nodig, waardoor de rekentijd en energie dramatisch toenemen. Beide functies verenigen zich daarentegen op dezelfde fysieke plek in de hersenen.

Deze structuren worden synapsen genoemd en verbinden neuronen tot netwerken. Synapsen leren door te veranderen hoe sterk ze verbonden zijn met anderen, waardoor de verbindingskracht toeneemt met medewerkers die helpen bij het oplossen van problemen en de kennis op dezelfde plek opslaan.

Het proces klinkt misschien bekend. Kunstmatige neurale netwerken, een AI-aanpak die de wereld stormenderhand heeft veroverd, zijn losjes gebaseerd op deze principes. Maar de benodigde energie is enorm verschillend. De hersenen werken op 20 watt, ongeveer het vermogen dat nodig is om een ​​kleine desktopventilator te laten draaien. Een vergelijkend kunstmatig neuraal netwerk verbruikt acht miljoen watt. De hersenen kunnen ook gemakkelijk leren van een paar voorbeelden, terwijl AI afhankelijk is van enorme datasets.

Wetenschappers hebben geprobeerd de verwerkingseigenschappen van de hersenen in hardwarechips samen te vatten. Deze neuromorfe chips zijn opgebouwd uit exotische componenten die eigenschappen veranderen met temperatuur of elektriciteit en combineren verwerking en opslag op dezelfde locatie. Deze chips kunnen computervisie aansturen en spraak herkennen. Maar ze zijn moeilijk te vervaardigen en vangen slechts gedeeltelijk de innerlijke werking van de hersenen op.

Waarom zouden we, in plaats van de hersenen na te bootsen met computerchips, niet gewoon hun eigen biologische componenten gebruiken?

Een slimme computer

Wees gerust, het team heeft geen levende hersenen aan elektroden vastgemaakt. In plaats daarvan wendden ze zich tot hersenorganoïden. In slechts twee maanden tijd ontwikkelden de minihersenen, gemaakt van menselijke stamcellen, zich tot een reeks neurontypen die met elkaar verbonden waren in elektrisch actieve netwerken.

Het team liet elk minibrein zorgvuldig op een postzegelachtige chip vallen, boordevol kleine elektroden. De chip kan de signalen van de hersencellen van meer dan duizend kanalen registreren en de organoïden tegelijkertijd zappen met behulp van bijna drie dozijn elektroden. Dit maakt het mogelijk om de stimulatie nauwkeurig te controleren en de activiteit van de mini-hersenen te registreren. Met behulp van een AI-tool worden abstracte neurale outputs vertaald in mensvriendelijke reacties op een normale computer.

Tijdens een spraakherkenningstest nam het team 240 audiofragmenten op van 8 sprekende mensen. Elke clip legt een geïsoleerde klinker vast. Ze transformeerden de dataset in unieke patronen van elektrische stimulatie en voedden deze in een nieuw gegroeid minibrein. In slechts twee dagen kon het Brainoware-systeem onderscheid maken tussen verschillende luidsprekers met een nauwkeurigheid van bijna 80 procent.

Met behulp van een populaire neurowetenschappelijke maatregel ontdekte het team dat de elektrische zaps het mini-brein ‘trainden’ om sommige netwerken te versterken en andere te snoeien, wat suggereert dat het zijn netwerken opnieuw bedraadde om het leren te vergemakkelijken.

In een andere test moest Brainoware het opnemen tegen AI bij een uitdagende wiskundige taak die zou kunnen helpen sterkere wachtwoorden te genereren. Hoewel iets minder nauwkeurig dan een AI met kortetermijngeheugen, was Brainoware veel sneller. Zonder menselijk toezicht bereikte het vrijwel vergelijkbare resultaten in minder dan 10 procent van de tijd die de AI nodig had.

“Dit is een eerste demonstratie van het gebruik van hersenorganoïden [voor computers]”, studieauteur Dr. Feng Guo vertelde MIT Technology Review.

Cyborgcomputers?

De nieuwe studie is de laatste waarin hybride biocomputers worden onderzocht: een mix van neuronen, AI en elektronica.

Terug in 2020, een ploeg kunstmatige en biologische neuronen samengevoegd in een netwerk dat communiceerde met behulp van de chemische dopamine in de hersenen. Recenter, bijna een miljoen neuronen, plat in een schaal liggend, leerden de videogame Pong spelen via elektrische zaps.

Brainoware is een potentiële stap vooruit. Vergeleken met geïsoleerde neuronen bootsen organoïden het menselijk brein en zijn geavanceerde neurale netwerken beter na. Maar ze zijn niet zonder fouten. Net als bij deep learning-algoritmen zijn de interne processen van de mini-hersenen onduidelijk, waardoor het moeilijk wordt om de ‘black box’ te ontcijferen van hoe ze berekenen – en hoe lang ze herinneringen vasthouden.

Dan is er het “wetlab”-probleem. In tegenstelling tot een computerprocessor kunnen minihersenen slechts een beperkt temperatuur- en zuurstofniveau tolereren, terwijl ze voortdurend het risico lopen op ziekteverwekkende microbe-infecties. Dit betekent dat ze zorgvuldig moeten worden gekweekt in een voedingsbodem met behulp van gespecialiseerde apparatuur. De energie die nodig is om deze culturen in stand te houden, kan de winsten van het hybride computersysteem tenietdoen.

Mini-hersenen zijn echter steeds gemakkelijker te kweken met kleinere en efficiëntere systemen, inclusief systemen met ingebouwde opname- en zapfuncties. De moeilijkere vraag gaat niet over technische uitdagingen; het gaat veeleer over wat acceptabel is bij het gebruik van menselijke hersenen als computerelement. AI en de neurowetenschappen verleggen snel grenzen, en AI-modellen voor de hersenen zullen waarschijnlijk nog geavanceerder worden.

“Het is van cruciaal belang voor de gemeenschap om de talloze neuro-ethische kwesties rond biocomputersystemen waarin menselijke neurale weefsels zijn geïntegreerd te onderzoeken”, schreven Smirnova, Caffo en Johnson.

Krediet van het beeld: Een zich ontwikkelende hersenorganoïde / National Institute of Allergy and Infectious Diseases, NIH

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://singularityhub.com/2023/12/14/a-ball-of-brain-cells-on-a-chip-can-learn-simple-speech-recognition-and-math/