گزارش 12 دسامبر 2023 -توسط پیتر گراد، Tech Xplore
Brainoware با یادگیری بدون نظارت برای محاسبات هوش مصنوعی. الف، شماتیک یک چارچوب محاسباتی مخزن تطبیقی با استفاده از Brainoware. ب، شمایی از پارادایم راه اندازی Brainoware که یک ارگانوئید مغزی را روی یک MEA با چگالی بالا برای دریافت ورودی و ارسال خروجی سوار می کند. ج، رنگ آمیزی ایمنی کامل ارگانوئیدهای قشری که شبکه های عصبی سه بعدی پیچیده با هویت های مختلف سلول مغز را نشان می دهد به عنوان مثال، نورون بالغ، MAP2؛ آستروسیت GFAP؛ نورون های مرحله تمایز اولیه، TuJ1؛ سلول های پیش ساز عصبی، SOX2 د، شماتیکی که یادگیری فرضی و بدون نظارت Brainoware را با تغییر شکل BNN در طول آموزش نشان می‌دهد، و مهار یادگیری بدون نظارت پس از انعطاف سیناپسی مسدود شده است. نوار مقیاس، 100μm. اعتبار: Nature Electronics (2023). DOI: 10.1038/s41928-023-01069-w
دسته‌ای از سلول‌های مغزی پرورش‌یافته در آزمایشگاه که به رایانه متصل هستند، قادر به تشخیص ابتدایی گفتار و مسائل ریاضی هستند.
فنگ گوئو، مهندس زیستی در دپارتمان مهندسی سیستم‌های هوشمند در دانشگاه ایندیانا، بلومینگتون، گفت که مطالعه او گام بزرگی در نشان دادن این است که چگونه شبکه‌های عصبی کامپیوتری الهام گرفته از مغز می‌توانند قابلیت‌های هوش مصنوعی را ارتقا دهند.
گوو و تیمش دسته‌هایی از سلول‌های بنیادی تخصصی را رشد دادند که به نورون‌ها، جزء اصلی مغز، تبدیل شدند. یک مغز معمولی از 86 میلیارد نورون تشکیل شده است که هر نورون به 10000 نورون دیگر متصل است.
گلوله نورون‌ها که به عنوان یک ارگانوئید شناخته می‌شود، در آزمایشگاه گوئو ایجاد شده است، کمتر از یک نانومتر عرض دارد. این توسط مجموعه ای از الکترودها به یک برد مدار متصل شد، جایی که الگوریتم های یادگیری ماشینی پاسخ های ارگانوئید را رمزگشایی می کردند.
محققان به نام Brainoware نامگذاری کردند.
پس از یک دوره آموزشی کوتاه، Brainoware توانست بین صدای هشت آزمودنی بر اساس تلفظ متفاوت حروف صدادار تمایز قائل شود. این سیستم به میزان دقت 78 درصد دست یافت.
Brainoware همچنین توانست با موفقیت نقشه هنون، یک ساختار ریاضی در زمینه دینامیک آشفته، را با دقتی بیشتر از یک شبکه مصنوعی پیش بینی کند.
گوئو می گوید: «این اولین نمایش استفاده از ارگانوئیدهای مغزی [برای محاسبات] است. دیدن امکانات ارگانوئیدها برای محاسبات زیستی در آینده هیجان انگیز است.یک مزیت کلیدی محاسبات زیستی، بهره وری انرژی آن است. در حال حاضر شبکه های عصبی مصنوعی چندین میلیون وات انرژی در روز مصرف می کنند. از سوی دیگر، مغز انسان برای فعالیت روزانه تنها به 20 وات نیاز دارد.
Guo گفت که Brainoware یک پل بین هوش مصنوعی و ارگانوئیدها است. “ارگانوئیدها مانند “مینی مغزها” هستند.”
گوئو گفت: “ما می خواستیم این سوال را بپرسیم که آیا می توانیم از شبکه عصبی بیولوژیکی درون ارگانوئید مغز برای محاسبات استفاده کنیم یا خیر؟
یک برنامه کاربردی آینده برای سیستم های محاسبات زیستی مطالعه بیماری های عصبی مانند آلزایمر است. پتانسیل بهره برداری از فعالیت سلولی همچنین دری را برای رمزگشایی فعالیت امواج مغزی در طول خواب و احتمالاً ثبت رویاها باز می کند.
چالش ها باقی می ماند. از جمله آنها وظیفه حفظ سلامت ارگانوئیدها و تغذیه مناسب، یک وظیفه 24/7 است.
و نگرانی های دیگری نیز وجود دارد.
گوئو گفت: “با افزایش پیچیدگی این سیستم های ارگانوئیدی، برای جامعه بسیار مهم است که تعداد بی شماری از مسائل عصبی اخلاقی که سیستم های محاسبات زیستی را که بافت عصبی انسان را در بر می گیرند، بررسی کنند.”
ممکن است دهه‌ها طول بکشد تا سیستم‌های محاسبات زیستی عمومی ایجاد شوند، اما این تحقیق احتمالاً بینش‌های اساسی در مورد مکانیسم‌های یادگیری، رشد عصبی و پیامدهای شناختی بیماری‌های عصبی ایجاد می‌کند.
وی افزود: ما راه درازی در پیش داریم.
این مطالعه در Nature Electronics منتشر شد.
