Няколко парчета лабораторно отгледана мозъчна тъкан доказаха поразителна концепция: живите невронни вериги могат да бъдат подтикнати към решаване на класически контролен проблем чрез внимателно структурирана обратна връзка.

В затворена система, която предоставя електрическа обратна връзка въз основа на представянето, кортикалните органоиди могат постоянно да подобряват контрола си върху класически инженерен еталон: балансиране на нестабилна виртуална пръчка.

Подобрението е далеч от функциониращ хибриден биокомпютър. Но като доказателство за концепцията, то показва, че невронната тъкан в чашка може да бъде адаптивно настроена чрез структурирана обратна връзка – резултат, който може да помогне на изследователите да проучат как неврологичните заболявания променят способността на мозъка за пластичност.

„Опитваме се да разберем основните принципи на адаптивното настройване на невроните за решаване на проблеми“, казва Аш Робинс, изследовател в областта на роботиката и изкуствения интелект в Университета на Калифорния в Санта Круз. „Ако успеем да разберем какво стои зад този процес в чинийка, това ще ни даде нови начини да проучим как неврологичните заболявания могат да повлияят на способността на мозъка да учи.“

Разгледаният проблем, наречен "Пръчка в количка", е концептуално прост. Представете си, че балансирате дълъг предмет, като линийка или химикалка, в изправено положение върху отворената си ръка. Ако не е перфектно подравнен, той ще започне да се накланя. За да го задържите в изправено положение, трябва постоянно да коригирате позицията на ръката си, докато предметът се клати и люлее.

В тази версия виртуална количка може да се движи наляво или надясно, за да поддържа вертикално балансирана пръчката. Правилата са ясни и има ясен момент на провал, когато пръчката се наклони прекалено много. Но малките грешки се натрупват бързо, което го прави класически пример за нестабилен контролен проблем. Методът често се използва в изследванията за усилващо обучение: лесно се симулира и се изпълнява бързо, но за разлика от задачите за разпознаване на модели, изисква постоянни, фини корекции, а не единствен правилен отговор.

За учените това представлява нов начин за тестване на възможностите на мозъчните органоиди.

Органоидите не бяха отгледани от човешка тъкан, а от стволови клетки на мишки, култивирани да растат в малки клъстери от кортикална тъкан, способни на невронна сигнализация. Тези органоиди не бяха достатъчно сложни, за да се доближават до мислене или съзнание, но можеха да изпращат и получават електрически сигнали, а вътрешните им връзки можеха да се променят в отговор на външна стимулация.

Експериментът се въртеше около виртуална пръчка. Различни модели на електрическа стимулация сигнализираха посоката и степента на наклона на пръчката. Реакциите на органоидите бяха интерпретирани като сили вляво или вдясно, които да движат количката и да противодействат на люлеенето.

За да сме точни, органоидите нямат представа за задачата. Изследователите тестваха дали невронните връзки на тъканта могат да бъдат настроени чрез обратна връзка – т.е. дали импулсите на електрическа стимулация могат да предизвикат промени, които да подтикнат мрежата към по-добър контрол.

Всяка опитна да се балансира пръчката (известна като епизод) продължаваше, докато тя се наклонише над предварително зададен ъгъл. Изпълнението се проследяваше през пет епизода. Органоидите бяха разпределени в една от трите условия: без обратна връзка, случайна обратна връзка, подавана към избрани неврони, или адаптивна обратна връзка, базирана на миналите резултати.

Адаптивното състояние е от решаващо значение. Ако представянето през пет епизода е спаднало спрямо средната стойност за последните 20 епизода, системата подава кратък импулс с висока честота. Алгоритъм коригира кои неврони получават тези импулси въз основа на това дали подобни модели на стимулация са били последвани от подобрение в контрола.

За да преценят дали органоидите наистина се подобряват, а не просто имат късмет, изследователите определиха еталон въз основа на това колко добре би се представил напълно случаен контролер. Ако най-силните резултати на органоида по време на сесията надвишаваха това, което би могло да се постигне само с случайност, сесията се считаше за успешна.

Показателите за ефективност, постигнати за всяко от условията, бяха впечатляващи. Органоидите, които не получаваха обратна връзка, достигаха еталона за силно представяне само в 2,3% от случаите, а тези, които получаваха случайна обратна връзка, се представяха добре в 4,4% от случаите. При непрекъсната адаптивна обратна връзка обаче органоидите преминаваха прага на ефективност в 46% от циклите.

„Когато можем активно да избираме стимули за обучение, всъщност можем да формираме мрежата, за да решим проблема“, казва Робинс. „Това, което показахме, е краткосрочно обучение, при което можем да вземем органоид в едно състояние и да го превърнем в друго, към което се стремим, и можем да го правим последователно.“

Въпреки това, „краткосрочно“ е правилният термин. Ако останат неактивни за определен период от време – само 45 минути – органоидите „забравят“ обучението си и се връщат към базовото си ниво на производителност. Бъдещите изследвания биха могли да проучат как да се подобри паметта на органоидите, може би чрез увеличаване на тяхната сложност.

Снимка: Pexels/National Institute of Allergy and Infectious Diseases, NIH

Виж още: Откриха скрития механизъм в човешкото тяло, който изключва възпалителните процеси