Zespół badaczy z Tohoku University oraz Future University Hakodate dokonał niezwykłego kroku w kierunku biologicznej sztucznej inteligencji. W eksperymencie opisanym na łamach Proceedings of the National Academy of Sciences naukowcy wytrenowali żywe neurony szczura tak, aby wykonywały obliczenia w czasie rzeczywistym.
Badanie pokazuje, że biologiczne sieci neuronowe mogą nie tylko odzwierciedlać procesy zachodzące w mózgu, ale także pełnić rolę zupełnie nowego rodzaju „żywego komputera”.
Jak działa „żywy komputer”?
W eksperymencie wykorzystano neurony korowe szczura hodowane w warunkach laboratoryjnych. Zostały one połączone z zaawansowaną infrastrukturą technologiczną:
- matrycą 26 400 mikroelektrod rejestrujących aktywność neuronów,
- mikrofluidycznymi strukturami kontrolującymi ich połączenia,
- systemem uczenia maszynowego działającym w pętli zamkniętej.
Sygnały elektryczne generowane przez neurony były przekształcane w dane ciągłe i analizowane. A następnie wynik trafiał z powrotem do neuronów w formie stymulacji elektrycznej. Cały cykl trwał zaledwie około 333 milisekundy.
Do optymalizacji działania wykorzystano algorytm FORCE (First-Order Reduced and Controlled Error), który na bieżąco minimalizował różnicę między oczekiwanym a rzeczywistym sygnałem.
Klucz do sukcesu: kontrola połączeń neuronów
Jednym z najważniejszych odkryć było to, że swobodnie rosnące neurony tworzą zbyt jednorodne sieci. Te „strzelają” synchronicznie i nie są w stanie się uczyć.
Rozwiązaniem okazało się fizyczne ograniczenie ich struktury. Neurony umieszczono w 128 mikroskopijnych „studniach”. Każda zawierała średnio około 15 komórek i połączono je mikrokanalikami w dwóch układach: siatkowym i hierarchicznym.
Efekt? Znaczące zmniejszenie korelacji między neuronami oraz zwiększenie złożoności dynamiki całej sieci. Szczególnie skuteczny okazał się układ siatkowy, który zapewniał bogatszy przepływ sygnałów.
Neurony generują fale i chaos
Wytrenowane neurony potrafiły samodzielnie generować różne typy sygnałów:
- fale sinusoidalne o różnych okresach (4, 10 i 30 sekund),
- fale trójkątne i prostokątne,
- a nawet złożone, chaotyczne trajektorie jak atraktor Lorenza.
Co więcej, ta sama hodowla neuronów mogła być ponownie trenowana do generowania innych wzorców, co przypomina działanie klasycznych systemów AI.
Nowy typ zasobu obliczeniowego
Jak podkreślił Hideaki Yamamoto, wyniki badań sugerują, że żywe sieci neuronowe mogą stać się nowym typem zasobu obliczeniowego – łączącym biologię i informatykę.
To podejście wpisuje się w rozwijający się nurt tzw. biologicznego przetwarzania informacji. Może on w przyszłości konkurować z tradycyjnymi układami krzemowymi.
Ograniczenia i wyzwania
Mimo przełomu technologia wciąż ma istotne ograniczenia:
- wydajność spada po zakończeniu treningu,
- opóźnienie (~330 ms) utrudnia generowanie szybkich sygnałów,
- system wymaga dalszej optymalizacji sprzętowej.
Badacze wskazują jednak, że skrócenie opóźnień i rozwój dedykowanego hardware’u może znacząco rozszerzyć możliwości tej technologii.
SEO: Co dalej? Interfejsy mózg–komputer i neuroprotezy
Eksperyment otwiera drzwi do zupełnie nowych zastosowań. W tym tworzenie zaawansowanych interfejsów mózg–komputer, neuroprotez sterowanych biologiczną AI a także hybrydowych systemów łączących neurony z elektroniką.
To jeden z najbardziej fascynujących kierunków rozwoju technologii – gdzie granica między żywym organizmem a maszyną zaczyna się zacierać.
Foto: Qwen/AI.