Човешкият мозък е продукт на милиони години еволюция и притежава забележителната способност да обработва информация, да се адаптира към променящата се среда и да управлява движенията на тялото с изключителна ефективност. Днес учените се опитват да използват част от тези способности в ново поколение изчислителни системи, изградени с помощта на живи нервни клетки.

В областта на т.нар. биохибридни изчисления биологичната нервна тъкан се комбинира с традиционна електроника и компютърен софтуер. Вместо само да имитират работата на мозъка чрез силициеви чипове, тези системи използват действителни неврони за обработка на информация.

Потенциалните предимства са значителни: биологичните невронни мрежи могат да се адаптират към входящи сигнали, да обработват множество потоци от информация паралелно и да извършват определени изчислителни задачи с малък разход на енергия. Преди тази технология да намери широко практическо приложение обаче, изследователите трябва да преодолеят сериозни технически предизвикателства.

Изследователи от Университета в Бристол, Великобритания, проучват дали миниатюрни лабораторно отгледани модели на човешкия преден мозък могат да обработват информация, представена чрез Брайловата азбука. Резултатите от изследването показват, че такива клетъчни структури могат да участват в разпознаването на модели, получени чрез допир. Използваните органоиди са с размер от порядъка на милиметри и съдържат приблизително 10 000 нервни и поддържащи клетки. Те са поставени върху специални масиви от микроелектроди, които позволяват на учените както да подават електрически сигнали към тъканта, така и да регистрират нейната активност.

Експериментът използва тактилен сензор, който сканира символи от Брайловата азбука. Получената информация се преобразува в определени модели на електрическа стимулация, които се подават към органоидите. След това реакциите на нервната тъкан се анализират с помощта на стандартен алгоритъм за машинно обучение. Когато системата използва реакциите на един органоид, алгоритъмът успява да идентифицира правилната буква с точност от 61%. При комбиниране на информацията от три органоида точността се повишава до 83%. Обединеният подход показва и по-добра устойчивост на изкуствено добавени смущения в сигналите.

Това подсказва, че живата нервна тъкан може да преобразува тактилна информация, като запазва характеристики, които са полезни за последващото ѝ разпознаване. Важно е обаче да се уточни, че органоидите не са се научили да четат Брайловата азбука по начина, по който човек усвоява писмеността чрез практика. Буквите са кодирани чрез предварително зададен метод, а окончателното им класифициране се извършва от компютърен алгоритъм. Следователно Eкспериментът демонстрира потенциала на биологичната тъкан за обработка на информация, а не самостоятелно разбиране на език.

Живи неврони помагат на роботизирано куче да се движи

Друга посока на изследванията е свързана с използването на култивирани неврони за управление на роботизирани системи.

Биотехнологичната компания Cortical Labs, базирана в Мелбърн, работи върху технологии, които свързват живи невронни мрежи с виртуални среди и роботизирани устройства. В отделна демонстрация компанията използва активността на биологична невронна мрежа, за да направлява движенията на роботизирано куче в ограничено пространство.

Честотата, с която нервните клетки генерират електрически импулси, се използва за управление на движенията на робота. Така биологичната активност се превръща в команди към физическа машина. Макар подобна демонстрация да изглежда по-скоро експериментална, отколкото практична, тя показва как живата нервна тъкан може да бъде свързана с реални механични системи. Това е важна стъпка към създаването на роботи, които не само изпълняват предварително зададени инструкции, но и могат да се адаптират към нови ситуации.

„Роботите вече са забележително способни по отношение на физическия контрол, но все още изпитват затруднения с управлението на по-високо ниво, необходимо за бързо учене и адаптиране при промяна на условията“, посочва Брет Кейгън, съосновател и главен изпълнителен директор на Cortical Labs.

Според него ходенето, бягането и изпълнението на сложни движения са впечатляващи постижения на роботиката, но определянето на това кога и какво действие трябва да бъде предприето остава предизвикателство за традиционните методи за управление. Потенциалът на биологичните изчисления не се ограничава до разпознаването на тактилни сигнали. Други изследвания показват, че култивирани неврони могат да подобряват представянето си чрез взаимодействие със симулирана среда. Cortical Labs изследва начини за по-систематично управление на комуникацията между живите невронни мрежи и изчислителните системи.

Един от подходите, известен като Embodied Neurocomputation Framework, цели да оптимизира електрическите сигнали, подавани към невроните, така че биологичните системи да изпълняват определени задачи по-надеждно. В описания експеримент жива невронна мрежа е свързана с виртуален агент, който се движи в опростен свят, наподобяващ решетка. Целта му е да достигне до определено място, като следва симулиран градиент на миризма. За целта агентът трябва да избира дали да продължи напред, да завие наляво или да завие надясно, за да достигне до условната „храна“.

Изследователите тестват приблизително 1300 конфигурации на електрическите сигнали, използвани за комуникация с невроните. В експериментите са натрупани над 4000 часа взаимодействие в реално време с десетки биологични изчислителни модули. В крайна сметка 12 конфигурации демонстрират достатъчно устойчиво обучение в поредица от опити. При съпоставими условия тези оптимизирани биологични агенти постигат по-добри резултати от използваните за сравнение стандартни модели за обучение с подсилване при навигационни задачи. Резултатите показват, че правилното проектиране на връзката между електрониката и нервната тъкан може да бъде решаващо за практическата ефективност на биологичните изчислителни системи.

Защо да използваме живи клетки вместо силициеви чипове?

Основното предимство на мозъка е способността му да обработва информация с изключително нисък разход на енергия. Нервните клетки могат да променят активността и връзките си в отговор на опита — свойство, известно като невронна пластичност. Тази способност предлага различен подход към обучението в сравнение с много съвременни изкуствени невронни мрежи, които разчитат на мащабни изчисления и значителни изчислителни ресурси.

Ако учените успеят да използват надеждно тези биологични характеристики, биохибридните системи биха могли да намерят приложение в роботи и автономни устройства, които трябва да се приспособяват към непознати условия, без постоянно да разчитат на мощни централни компютри. Това не означава, че биологичните компютри непременно ще заменят традиционните процесори. По-вероятната перспектива е живите невронни мрежи да допълват силициевите технологии, като поемат специфични задачи, при които адаптивността и енергийната ефективност са особено важни.

Снимка: Unsplash

Виж още: Дизайн или дефект: Екраните на някои iPhone Duo не издържаха дори един ден