Clusters van menselijke hersencellen gekweekt in petrischalen zijn geïntegreerd met computers om een fundamenteel niveau van spraakherkenning te bereiken.
Feng Guo, van de Indiana University Bloomington, legt uit over het onderzoek, gepubliceerd in Natuurelektronica, "Dit is een voorlopige demonstratie om de haalbaarheid van het concept aan te tonen. We hebben nog een lange reis voor de boeg."
Guo wijst op twee primaire uitdagingen in conventionele AI die deze vorm van biologische AI probeert op te lossen: hoog energieverbruik en de inherente beperkingen van siliciumchips, zoals hun afzonderlijke verwerkings- en informatieopslagfuncties.
Guo's team, samen met anderen, zoals het Australische Cortical Labs, dat getrainde hersencellen om Pong te spelen in 2022onderzoeken biocomputing met levende zenuwcellen als mogelijke oplossing voor deze uitdagingen.
Deze hersenorganoïden - zelfgeorganiseerde, driedimensionale weefselculturen die lijken op minihersenen - ontstaan uit stamcellen onder specifieke groeicondities.
Ze kunnen enkele millimeters in diameter worden en tot 100 miljoen zenuwcellen bevatten. Ter vergelijking: een menselijk brein heeft ongeveer 100 miljard zenuwcellen. De organoïden worden bovenop een micro-elektrode geplaatst die zowel de organoïde stimuleert als de neuronale activiteit registreert. Guo's team noemt deze opstelling "Brainoware".
Brainoware is in wezen een nieuwe vorm van AI die heel anders is dan wat we gewoonlijk zien in computers en smartphones.
In plaats van gewone chips te gebruiken, hebben onderzoekers een klein cluster van menselijke hersencellen - de hersenorganoïde. Dit piepkleine 'mini-brein' is in een laboratorium gekweekt uit stamcellen en kan een aantal basistaken uitvoeren die we gewoonlijk associëren met AI, zoals het herkennen van spraakpatronen.
Hoe het werkt
De hersenorganoïde wordt op een speciaal apparaat geplaatst dat elektrische signalen kan verzenden en lezen.
Door dit te doen kunnen de onderzoekers communiceren met de organoïde, als het ware door het te leren reageren op bepaalde patronen of input. In het onderzoek trainden ze het om verschillende stemmen uit audioclips te herkennen.
Een van de meest opmerkelijke aspecten van Brainware is dat het leert en zich aanpast. Net zoals een menselijk brein beter wordt in taken door oefening, verbetert de organoid zijn vermogen om stemmen te herkennen naarmate het er meer aan wordt blootgesteld.
Dit brengt ons een stap dichter bij het creëren van AI die meer werkt zoals het menselijk brein, dat uitzonderlijk efficiënt is en niet veel energie nodig heeft om te functioneren (ongeveer die van een kleine gloeilamp).
Er zijn echter uitdagingen. Het kweken van deze hersenorganoïden is lastig - ze zijn moeilijk te maken, moeilijk om consistent te reproduceren en gaan niet lang mee, maar het team werkt aan oplossingen.
Brainoware prestaties
In een unsupervised spraakherkenningsexperiment werden de organoïden getraind om een enkele stem te onderscheiden van 240 audio-opnames van acht personen die Japanse klinkers uitspraken. Deze klanken werden omgezet in signaalsequenties en ruimtelijke patronen voor de organoïden.
Aanvankelijk vertoonden de organoïden een nauwkeurigheid van ongeveer 30 tot 40%, die na twee dagen training verbeterde tot 70 tot 80%.
Meer over het onderzoek
Biologisch geïnspireerde AI neemt een paar verschillende vormen aan, zoals neuromorfische chips gebaseerd op biologische neuronen. Dit gaat een stap verder door computationele architectuur te maken van biologische organoïden.
Hier vind je meer informatie over hoe het werkt:
- Biologisch geïnspireerde AI-hardware: Het onderzoek, gepubliceerd in Nature Electronics, introduceert Brainoware, een nieuwe AI-hardware die gebruik maakt van biologische neurale netwerken binnen een hersenorganoïde. Dit betekent een fundamentele verschuiving ten opzichte van traditionele siliciumchips die op hersenen zijn geïnspireerd en biedt een meer authentieke emulatie van hersenfuncties.
- Structuur en functionaliteit van Brainoware: Brainoware werkt door een hersenorganoïde, gekweekt uit menselijke pluripotente stamcellen, te koppelen aan een multi-elektrode-array met hoge dichtheid. Deze opstelling maakt zowel de overdracht van elektrische signalen naar de organoïde als de detectie van neurale reacties mogelijk. De organoïde vertoont eigenschappen zoals niet-lineaire dynamiek, geheugen en het vermogen om ruimtelijke informatie te verwerken.
- Toepassingen aangetoond in het onderzoek: Het team heeft Brainoware met succes toegepast in praktische scenario's, zoals spraakherkenning en het voorspellen van niet-lineaire chaotische vergelijkingen (zoals de Hénon map). Dit toont aan dat Brainoware in staat is om zijn rekenprestaties te verbeteren door training, en benadrukt zijn potentieel voor taken die adaptief leren vereisen.
- Uitdagingen en beperkingen: Ondanks de innovatieve aanpak heeft Brainoware te maken met verschillende technische uitdagingen, waaronder het genereren en onderhouden van hersenorganoïden. Daarnaast belemmert de afhankelijkheid van randapparatuur het potentieel van de hardware. Met andere woorden, je hebt veel ondersteunende apparatuur nodig om de hersenorganen correct te laten werken.
- Toekomstige richtingen en potentieel: Het onderzoek suggereert dat Brainoware, met vooruitgang in het kweken van organoïden en het oplossen van praktische problemen die samenhangen met organoïden, zich zou kunnen ontwikkelen tot een efficiënter en geavanceerder systeem. Dit zou kunnen leiden tot AI-hardware die de menselijke hersenfunctie beter nabootst, waardoor mogelijk minder energie wordt verbruikt.
In de toekomst zouden dit soort biocomputingsystemen uiteindelijk AI-taken energie-efficiënter kunnen uitvoeren dan traditionele siliciumgebaseerde chips.
Ontwikkelingen in bio-geïnspireerde AI van dit jaar laten een enorme belofte zien om de AI-industrie te helpen de beperkingen van brute kracht te overwinnen en energie-efficiënte technologieën te creëren die net zo elegant zijn als de natuur.
