Zespół badawczy stworzył biokomputer hybrydowy, łączący tkankę mózgową wyhodowaną w laboratorium z tradycyjną elektroniką, zdolny do wykonywania zadań takich jak rozpoznawanie mowy.
Taka innowacja może w przyszłości wspierać systemy AI lub służyć jako zaawansowane modele mózgu w badaniach nad neurologią.
Projekt, prowadzony przez Feng Guo z Indiana University Bloomington, nazwano Brainoware.
System ten łączy organoidy ludzkiego mózgu z elektroniką.
W opublikowanych w „Nature Electronics” badaniach wykorzystano Brainoware do identyfikacji mowy.
Twórcy systemu są przekonani, że integracja z algorytmami AI może przynieść znaczące korzyści, zwłaszcza ze względu na niższe zużycie energii w porównaniu do chipów krzemowych.
Biokomputer z użyciem organoidów
Organoidy, miniaturowe repliki organów hodowane w laboratoriach, zachowują istotne cechy anatomiczne pełnowymiarowych narządów.
Są one niezastąpione w badaniach, gdzie użycie żywych organów jest niemożliwe
Organoidy, uzyskane z komórek macierzystych i przekształcone w neurony, posiadają cechy podobne do tych w ludzkim mózgu.
Guo wyjaśnia, że wyhodowanie takich organoidów, mających kilka milimetrów szerokości i składających się z setek milionów komórek nerwowych, zajmuje kilka miesięcy.
Brainoware
System Brainoware został stworzony poprzez połączenie organoidów z mikroelektrodami służącymi do wysyłania i odbierania sygnałów.
Przekazywane impulsy elektryczne były interpretowane przez algorytm uczenia maszynowego.
Zastosowano go do rozpoznawania mowy, trenując system za pomocą nagrań japońskich samogłosek.
Początkowa dokładność wynosiła 30-40%, ale po szkoleniu wzrosła do 78%.
Guo podkreśla, że organoidy nie otrzymywały żadnej informacji zwrotnej, a zastosowanie leku zapobiegającego tworzeniu nowych połączeń nerwowych nie wpłynęło na poprawę dokładności.
Nowa architektura komputerowa
Połączenie organoidów z komputerami może dać naukowcom narzędzie do wykorzystania szybkości i efektywności energetycznej ludzkich mózgów w dziedzinie AI.
Technologia ta może także służyć do badania mózgu, modelowania zaburzeń neurologicznych i testowania leków.
Jednak utrzymanie organoidów w inkubatorach oraz konieczność hodowania coraz większych próbek dla złożonych zadań stanowi wyzwanie.
Guo wskazuje, że główne wyzwania dla konwencjonalnej AI to duże zużycie energii i ograniczenia chipów krzemowych.
Badania nad wykorzystaniem żywych komórek nerwowych mają na celu pokonanie tych barier.
Dalsze kroki obejmują dostosowanie organoidów do wykonywania bardziej skomplikowanych zadań oraz projektowanie ich w sposób stabilniejszy i bardziej niezawodny, co jest kluczowe dla integracji z mikrochipami krzemowymi.