Kluster av mänskliga hjärnceller som odlats i petriskålar har integrerats med datorer för att uppnå en grundläggande nivå av taligenkänning.
Feng Guo, från Indiana University Bloomington, förklarar studien, som publicerades i Naturelektronik,"Detta är en preliminär demonstration för att visa att konceptet är genomförbart. Vi har fortfarande en lång resa framför oss."
Guo pekar på två primära utmaningar i konventionell AI som denna form av biologisk AI försöker lösa: hög energiförbrukning och de inneboende begränsningarna i kiselchip, som deras distinkta funktioner för bearbetning och informationslagring.
Guos team, tillsammans med andra, till exempel australiensiska Cortical Labs, som utbildade hjärnceller för att spela Pong 2022Som en potentiell lösning på dessa utmaningar undersöker vi biocomputing med levande nervceller.
Dessa hjärnorganoider - självorganiserade, tredimensionella vävnadskulturer som liknar minihjärnor - växer fram ur stamceller under specifika tillväxtförhållanden.
De kan växa till några millimeter i diameter och innehålla upp till 100 miljoner nervceller. Som jämförelse kan nämnas att en mänsklig hjärna har cirka 100 miljarder nervceller. Organoiderna placeras ovanpå en mikroelektrodmatris, som både stimulerar organoiden och registrerar nervcellernas aktivitet. Guos team kallar denna uppställning för "Brainoware".
I grund och botten är Brainoware en ny form av AI som skiljer sig från vad vi vanligtvis ser i datorer och smartphones.
I stället för att använda vanliga chips har forskarna skapat ett litet kluster av mänskliga hjärnceller - Hjärnorganoiden. Denna lilla "minihjärna" odlas i ett labb från stamceller och den kan utföra vissa grundläggande uppgifter som vi vanligtvis förknippar med AI, som att känna igen talmönster.
Så här fungerar det
Hjärnorganoiden placeras på en speciell apparat som kan skicka och läsa av elektriska signaler.
Genom att göra detta kan forskarna kommunicera med organoiden, ungefär som att lära den att reagera på vissa mönster eller inmatningar. I studien tränade de den att känna igen olika röster från ljudklipp.
En av de mest anmärkningsvärda aspekterna av Brainware är att den lär sig och anpassar sig. Precis som en mänsklig hjärna blir bättre på uppgifter med övning, förbättrar organoiden sin förmåga att känna igen röster ju mer den utsätts för dem.
Det här tar oss ett steg närmare att skapa AI som fungerar mer som den mänskliga hjärnan, som är exceptionellt effektiv och inte behöver mycket energi för att fungera (ungefär som en liten glödlampa).
Det finns dock utmaningar. Att odla dessa hjärnorganoider är knepigt - de är svåra att skapa, svåra att replikera konsekvent och varar inte länge, men teamet arbetar på lösningar.
Brainowares prestanda
I ett experiment med oövervakad taligenkänning tränades organoiderna att urskilja en enda röst från 240 ljudinspelningar av åtta personer som uttalade japanska vokalljud. Dessa ljud omvandlades till signalsekvenser och rumsliga mönster för organoiderna.
Inledningsvis visade organoiderna en noggrannhet på cirka 30 till 40%, vilket förbättrades till 70 till 80% efter två dagars träning.
Mer om studien
Bioinspirerad AI har några olika former, till exempel neuromorfiska chip baserad på biologiska neuroner. Detta går ett steg längre genom att skapa beräkningsarkitektur från biologiska organoider.
Här följer mer information om hur det fungerar:
- Bioinspirerad AI-hårdvara: Studien, som publiceras i Nature Electronics, introducerar Brainoware, en ny AI-hårdvara som använder biologiska neurala nätverk i en hjärnorganoid. Detta innebär ett fundamentalt skifte från traditionella kiselchips som inspirerats av hjärnan, och erbjuder en mer autentisk emulering av hjärnans funktion.
- Brainowares struktur och funktionalitet: Brainoware fungerar genom att koppla samman en hjärnorganoid, som odlats från mänskliga pluripotenta stamceller, med en multielektroduppsättning med hög densitet. Denna uppställning möjliggör både överföring av elektriska signaler till organoiden och detektering av neurala svar. Organoiden uppvisar egenskaper som olinjär dynamik, minne och förmåga att bearbeta rumslig information.
- Tillämpningar som demonstrerats i studien: Teamet har framgångsrikt tillämpat Brainoware i praktiska scenarier, t.ex. taligenkänning och förutsägelse av olinjära kaotiska ekvationer (som Hénon-kartan). Detta visar Brainowares förmåga att förbättra sin dataprestanda genom träning, vilket understryker dess potential för uppgifter som kräver adaptiv inlärning.
- Utmaningar och begränsningar: Trots sitt innovativa tillvägagångssätt står Brainoware inför flera tekniska utmaningar, bland annat när det gäller att generera och underhålla hjärnorganoider. Dessutom hämmas potentialen av att hårdvaran är beroende av kringutrustning. Med andra ord behövs det en hel del stödutrustning för att hjärnorganen ska fungera korrekt.
- Framtida inriktning och potential: Studien tyder på att Brainoware kan utvecklas till ett mer effektivt och sofistikerat system om man gör framsteg inom organoidodling och löser praktiska problem i samband med organoider. Detta skulle kunna leda till AI-hårdvara som mer efterliknar den mänskliga hjärnans funktion, vilket potentiellt kan sänka energiförbrukningen.
I framtiden kan dessa typer av biodatorsystem komma att utföra AI-uppgifter mer energieffektivt än traditionella kiselbaserade chip.
Årets utveckling inom bioinspirerad AI är mycket lovande när det gäller att hjälpa AI-industrin att övervinna gränserna för brute-force computing och skapa energieffektiva tekniker som är lika eleganta som naturen.
