Forscher führen AI-Spracherkennung mit menschlichen Gehirnzellen durch

In Petrischalen gezüchtete Cluster menschlicher Gehirnzellen wurden in Computer integriert, um ein grundlegendes Niveau der Spracherkennung zu erreichen.

Feng Guo, von der Indiana University Bloomington, erklärt die Studie, die in Natur ElektronikDies ist eine vorläufige Demonstration, um die Machbarkeit des Konzepts zu zeigen. Es liegt noch ein weiter Weg vor uns."

Guo weist auf zwei Hauptprobleme der konventionellen KI hin, die mit dieser Form der biologischen KI gelöst werden sollen: der hohe Energieverbrauch und die inhärenten Beschränkungen von Siliziumchips, wie z. B. ihre unterschiedlichen Verarbeitungs- und Informationsspeicherfunktionen.

Guos Team, zusammen mit anderen, wie dem australischen Unternehmen Cortical Labs, das trainierte Gehirnzellen für das Pong-Spiel im Jahr 2022Als potenzielle Lösung für diese Herausforderungen erforschen die Forscher das Biocomputing mit lebenden Nervenzellen. 

Diese Hirnorganoide - selbstorganisierte, dreidimensionale Gewebekulturen, die Mini-Gehirnen ähneln - entstehen unter bestimmten Wachstumsbedingungen aus Stammzellen. 

Sie können bis zu einigen Millimetern im Durchmesser wachsen und enthalten bis zu 100 Millionen Nervenzellen. Zum Vergleich: Ein menschliches Gehirn hat etwa 100 Milliarden Nervenzellen. Die Organoide werden auf einem Mikroelektroden-Array positioniert, das sowohl das Organoid stimuliert als auch die neuronale Aktivität aufzeichnet. Guos Team bezeichnet diese Anordnung als "Brainoware".

Brainoware ist im Grunde eine neue Form der KI, die sich von dem unterscheidet, was wir normalerweise in Computern und Smartphones sehen.

Anstelle von normalen Chips haben die Forscher einen kleinen Cluster von menschliche Gehirnzellen - das Gehirn-Organoid. Dieses winzige "Mini-Gehirn" wird im Labor aus Stammzellen gezüchtet und kann einige grundlegende Aufgaben ausführen, die wir normalerweise mit KI in Verbindung bringen, wie etwa das Erkennen von Sprachmustern.

Wie es funktioniert

 Das Gehirnorganoid wird auf ein spezielles Gerät gesetzt, das elektrische Signale senden und lesen kann.

Auf diese Weise können die Forscher mit dem Organoid kommunizieren und ihm sozusagen beibringen, auf bestimmte Muster oder Eingaben zu reagieren. In der Studie haben sie ihm beigebracht, verschiedene Stimmen aus Audioclips zu erkennen.

Einer der bemerkenswertesten Aspekte von Brainware ist, dass es lernt und sich anpasst. So wie ein menschliches Gehirn mit der Zeit immer besser wird, verbessert der Organoid seine Fähigkeit, Stimmen zu erkennen, je öfter er ihnen ausgesetzt ist. 

Dies bringt uns einen Schritt näher an die Entwicklung einer KI heran, die dem menschlichen Gehirn ähnlicher ist, das außerordentlich effizient ist und nicht viel Energie benötigt (etwa die einer kleinen Glühbirne), um zu funktionieren.

Allerdings gibt es auch Herausforderungen. Die Züchtung dieser Hirnorganoide ist schwierig - sie sind schwer zu erzeugen, schwer konsistent zu replizieren und halten nicht lange, aber das Team arbeitet an Lösungen. 

Brainoware Leistung

In einem unüberwachten Spracherkennungsexperiment wurden die Organoide darauf trainiert, eine einzelne Stimme aus 240 Audioaufnahmen von acht Personen zu unterscheiden, die japanische Vokallaute aussprachen. Diese Laute wurden in Signalsequenzen und räumliche Muster für die Organoide umgewandelt.

Zu Beginn zeigten die Organoide eine Trefferquote von etwa 30 bis 40%, die sich nach zwei Tagen Training auf 70 bis 80% verbesserte. 

Mehr über die Studie

Bioinspirierte KI kann verschiedene Formen annehmen, wie zum Beispiel neuromorphe Chips basierend auf biologischen Neuronen. Dieses Projekt geht noch einen Schritt weiter, indem es eine Computerarchitektur aus biologischen Organoiden erstellt. 

Hier erfahren Sie mehr darüber, wie es funktioniert:

1. Bio-inspirierte KI-Hardware: Die in Nature Electronics veröffentlichte Studie stellt Brainoware vor, eine neuartige KI-Hardware, die biologische neuronale Netze in einem Hirnorganoiden einsetzt. Dies ist ein grundlegender Unterschied zu herkömmlichen, vom Gehirn inspirierten Siliziumchips, die eine authentischere Nachbildung der Gehirnfunktion bieten.
2. Aufbau und Funktionsweise von Brainoware: Brainoware verbindet ein aus menschlichen pluripotenten Stammzellen gezüchtetes Hirnorganoid mit einem hochdichten Multielektroden-Array. Dieser Aufbau ermöglicht sowohl die Übertragung elektrischer Signale an das Organoid als auch die Erfassung neuronaler Reaktionen. Das Organoid weist Eigenschaften wie nichtlineare Dynamik, Gedächtnis und die Fähigkeit zur Verarbeitung räumlicher Informationen auf.
3. In der Studie demonstrierte Anwendungen: Das Team hat Brainoware erfolgreich in praktischen Szenarien eingesetzt, wie z. B. bei der Spracherkennung und der Vorhersage nichtlinearer chaotischer Gleichungen (wie der Hénon-Karte). Dies zeigt die Fähigkeit von Brainoware, seine Rechenleistung durch Training zu verbessern, und unterstreicht sein Potenzial für Aufgaben, die adaptives Lernen erfordern.
4. Herausforderungen und Grenzen: Trotz seines innovativen Ansatzes steht Brainoware vor mehreren technischen Herausforderungen, darunter die Erzeugung und Pflege von Hirnorganoiden. Darüber hinaus ist die Abhängigkeit der Hardware von Peripheriegeräten ein Hindernis für ihr Potenzial. Mit anderen Worten: Man braucht eine Menge Hilfsmittel, damit die Hirnorgane richtig funktionieren. 
5. Zukünftige Richtungen und Potenzial: Die Studie deutet darauf hin, dass sich Brainoware mit Fortschritten bei der Kultivierung von Organoiden und der Lösung praktischer Probleme im Zusammenhang mit Organoiden zu einem effizienteren und ausgefeilteren System weiterentwickeln könnte. Dies könnte zu einer KI-Hardware führen, die die menschliche Gehirnfunktion besser nachahmt und möglicherweise den Energieverbrauch senkt.

In Zukunft könnten diese Arten von Biocomputing-Systemen KI-Aufgaben möglicherweise energieeffizienter erledigen als herkömmliche siliziumbasierte Chips. 

Die diesjährigen Entwicklungen im Bereich der bioinspirierten KI sind vielversprechend und werden der KI-Branche helfen, die Grenzen des Brute-Force-Computings zu überwinden und energieeffiziente Technologien zu entwickeln, die so elegant sind wie die Natur.