Ne postoji kompjuter ni izdaleka tako moćan i složen kao ljudski mozak. Grudvice tkiva smeštene u našim lobanjama mogu da obrađuju informacije u količinama i brzinama koje računarska tehnologija jedva može da dodirne.
Ključ uspeha mozga je efikasnost neurona da služi i kao procesor i kao memorijski uređaj, za razliku od fizički odvojenih jedinica u većini modernih računarskih uređaja.
Bilo je mnogo pokušaja da se računarstvo učini sličnijim mozgu, ali novi pokušaj sve to vodi korak dalje – integracijom stvarnog, stvarnog, ljudskog moždanog tkiva sa elektronikom.
Zove se Brainovare i radi. Tim koji je predvodio inženjer Feng Guo sa Univerziteta Indijana Blumington je dao zadatke kao što su prepoznavanje govora i matematičke probleme kao što je predviđanje nelinearne jednačine.
Bilo je nešto manje precizno od čistog hardverskog računara koji radi na veštačkoj inteligenciji, ali istraživanje pokazuje važan prvi korak u novoj vrsti računarske arhitekture.
Međutim, dok su Guo i njegove kolege sledili etičke smernice u razvoju Brainovare-a, nekoliko istraživača sa Univerziteta Džons Hopkins primećuje u srodnom Nature Electronics komentaru o važnosti etičkih razmatranja pri daljem širenju ove tehnologije.
Lena Smirnova, Brian Caffo i Erik C. Johnson, koji nisu bili uključeni u studiju, upozoravaju: „Kako se sofisticiranost ovih organoidnih sistema povećava, od ključne je važnosti za zajednicu da ispita bezbroj neuroetičkih pitanja koja okružuju biokompjuterske sisteme koji uključuje ljudsko nervno tkivo.“
Ljudski mozak je nekako zapanjujuće neverovatan. Procenjuje se da sadrži oko 86 milijardi neurona, u proseku, i do kvadrilion sinapsi. Svaki neuron je povezan sa do 10.000 drugih neurona, neprestano pucajući i komunicirajući jedni sa drugima.
Do danas, naš najbolji napor da simuliramo aktivnost mozga u veštačkom sistemu jedva da je zagrebao površinu.
U 2013, Rikenov K Computer – tada jedan od najmoćnijih superkompjutera na svetu – pokušao je da imitira mozak. Sa 82.944 procesora i petabajtom glavne memorije, bilo je potrebno 40 minuta da se simulira jedna sekunda aktivnosti 1,73 milijarde neurona povezanih sa 10,4 triliona sinapsi – oko samo jedan do dva procenta mozga.
Poslednjih godina naučnici i inženjeri pokušavaju da se približe mogućnostima mozga tako što dizajniraju hardver i algoritme koji oponašaju njegovu strukturu i način na koji funkcioniše. Poznato kao neuromorfno računarstvo, poboljšava se, ali je energetski intenzivan, a obuka veštačkih neuronskih mreža je dugotrajna.
Guo i njegove kolege su tražili drugačiji pristup koristeći pravo ljudsko moždano tkivo uzgajano u laboratoriji. Ljudske pluripotentne matične ćelije su naterane da se razviju u različite tipove moždanih ćelija koje su organizovane u trodimenzionalne mini mozgove zvane organoidi, zajedno sa vezama i strukturama.
Ovo nisu pravi mozgovi, već jednostavno rasporedi tkiva bez ičega što liči na misli, emocije ili svest. Korisni su za proučavanje kako se mozak razvija i radi, a da ne čačkate oko stvarnog čoveka.
Brainovare se sastoji od moždanih organoida povezanih sa nizom mikroelektroda visoke gustine, koristeći vrstu veštačke neuronske mreže poznate kao računarstvo rezervoara. Električna stimulacija prenosi informacije u organoid, rezervoar u kome se te informacije obrađuju pre nego što Brainovare ispljune svoje proračune u obliku neuronske aktivnosti.
Za ulazne i izlazne slojeve koristi se normalan računarski hardver. Ovi slojevi su morali biti obučeni da funkcionišu sa organoidom, sa izlaznim slojem koji čita neuronske podatke i pravi klasifikacije ili predviđanja na osnovu ulaza.
Da bi demonstrirali sistem, istraživači su dali Brainovare 240 audio snimaka sa osam muških zvučnika koji su pravili japanske samoglasnike i tražili od njega da identifikuje glas jedne određene osobe.
Počeli su sa naivnim organoidom; nakon treninga od samo dva dana, Brainovare je uspeo da identifikuje zvučnik sa 78 odsto preciznosti.
Takođe su tražili od Brainovera da predvidi Henonovu mapu, dinamički sistem koji pokazuje haotično ponašanje. Ostavili su ga bez nadzora da uči četiri dana – svaki dan predstavljajući epohu obuke – i otkrili da je u stanju da predvidi mapu sa boljom preciznošću od veštačke neuronske mreže bez jedinice za dugotrajno pamćenje.
Brainovare je bio nešto manje precizan od veštačkih neuronskih mreža sa jedinicom dugotrajnog pamćenja – ali svaka od tih mreža je prošla 50 epoha obuke. Brainovare je postigao skoro iste rezultate za manje od 10 procenata vremena obuke.
„Zbog visoke plastičnosti i prilagodljivosti organoida, Brainovare ima fleksibilnost da se menja i reorganizuje kao odgovor na električnu stimulaciju, naglašavajući njegovu sposobnost za adaptivno izračunavanje rezervoara“, pišu istraživači.
Još uvek postoje značajna ograničenja, uključujući pitanje održavanja organoida živima i zdravim, kao i nivoe potrošnje energije periferne opreme. Ali, imajući na umu etička razmatranja, Brainovare ima implikacije ne samo za računarstvo, već i za razumevanje misterija ljudskog mozga.
„Možda će proći decenije pre nego što se mogu stvoriti opšti biokompjuterski sistemi, ali ovo istraživanje će verovatno stvoriti temeljni uvid u mehanizme učenja, neuronski razvoj i kognitivne implikacije neurodegenerativnih bolesti“, pišu Smirnova, Caffo i Johnson.
„To bi takođe moglo pomoći da se razviju pretklinički modeli kognitivnog oštećenja za testiranje novih terapeutika.“
