Лабораторно отгледан мозък свързан със симулатор успешно реши тест за изкуствен интелект

Докато светът се надпреварва да строи все по-големи центрове за данни за изкуствен интелект, учените откриха, че най-мощният компютър все още е биологичният.

Въпреки огромния напредък в развитието на изкуствения интелект, съвременните невронни мрежи все още изостават от биологичния мозък по отношение на енергийната ефективност. Обучението на един алгоритъм на основните закони на физиката изисква гигавати електроенергия и изчислителни клъстери с размерите на промишлени складове. Живите клетки се справят с подобни задачи, като консумират части от вата. Основната разлика се крие в архитектурата: биологичната нервна тъкан е в състояние физически да пренарежда вътрешните си връзки в отговор на постъпващата информация.

Изследователи от Калифорнийския университет си поставят за цел да разберат дали е възможно да се вземе тази изчислителна мощ на биологията, да се изолира от живия организъм и да се накара да решава чисто инженерни задачи. За тази цел те създават затворена биоелектронна система, в която фрагмент от мозъчна тъкан, отгледан в лаборатория, се научава да управлява виртуален обект в реално време.

Проблемът с липсващото тяло

За целите на експеримента учените отглеждат кортикални органоиди – триизмерни клъстери от клетки, образувани от ембрионални стволови клетки на мишка. В продължение на тридесет дни развитие в инкубатор тези клетки самостоятелно се организират в сложна мрежа, която имитира архитектурата на мозъчната кора. Самата тази тъкан обаче е безполезна за изчисления: липсват й сетивни органи за получаване на данни отвън и мускулен апарат за обратна връзка.

За да се накарат клетките да обработват информация, те е трябвало да бъдат свързани със симулатор. За тестова среда е избран класическа задача от теорията на автоматичното управление – обърнатото махало. При тази симулация един прът е фиксиран върху движеща се количка, която пада свободно под действието на гравитацията. Задачата на агента за управление е постоянно да премества количката наляво или надясно, за да поддържа стълба в строго вертикално положение. Това е нестабилна динамична система, в която и най-малкото забавяне при анализа на данните води до неизбежно падане.

За свързване на биологичния материал с кода на симулатора е използвана микроелектродна решетка с висока плътност. Това е специален чип с хиляди микроскопични контакти по повърхността си. Органоидът е поставен директно върху тази силициева подложка, което дава възможност на инженерите да сканират електрическите импулси на отделните неврони с точност до милисекунда и локално да подават насрещни сигнали към определени части на клетъчната мрежа.

Езикът за преобразуване на сигналите

За да могат живите клетки да взаимодействат с виртуалната гравитация, изследователите трябваше да създадат протокол за кодиране и декодиране на информацията. Взаимодействието работи като непрекъснат цикъл.

Първо, системата е предала информация за позицията на полюса на органоида. За тази цел учените избрали два „входни“ неврона на чипа. Ъгълът на отклонение на виртуалното махало е бил преобразуван математически в честота на електрическите импулси. Ако полюсът стои стабилно, към входните неврони се подавал фонов, рядък сигнал. Но щом махалото започне да се люлее, честотата на стимулацията рязко се увеличава. Така клетките буквално усещали отклонението чрез ритъма на електрическите разряди.

В същото време компютърът прослушва активността на два други, „изходни“ неврона на органоида. Разликата в честотата на техните собствени, спонтанни електрически разряди се трансформира в кинетична команда. Ако първият изходен неврон се активира по-често от втория, системата бута виртуалната количка наляво. Ако е обратното, системата бута виртуалната количка надясно.

През първите минути на експеримента системата се държи по очакван хаотичен начин. Сигналите, които преминавали през невронната мрежа на органоида от входа към изхода, нямали никаква логика. Количката се мята в произволни посоки и виртуалният стълб пада за части от секундата. Тъканта е имала нужда от алгоритъм за обучение.

Електрическата индукция на пластичността

В един пълноценен организъм успешните действия се подсилват химически чрез освобождаване на невромодулатори като допамин. Органоидът в блюдото на Петри няма система за възнаграждение. Затова инженерите използват основно свойство на нервната тъкан – синаптичната пластичност. На науката е известно, че точковите високочестотни електрически разряди карат невроните да променят силата на връзките си помежду си. Единственият въпрос беше къде и кога да се подадат тези импулси.

Компютърът непрекъснато е анализирал ефективността на органоида. Ако средното време на задържане на махалото при последните опити е било под базовото ниво, алгоритъмът преминавал в режим на обучение. В момента на падане на виртуалния полюс системата подавала серия от кратки електрически стимули към отделна група неврони, които не били пряко свързани с входа или изхода.

Ученето не е било случаен токов удар. Алгоритъмът използвал принципите на машинното обучение: той стриктно записвал всички комбинации от стимулиращи импулси и анализирал кои от тях в исторически план са довели до по-дълго време за балансиране на махалото. Ефективните модели на стимулиране получават висок приоритет и се използват по-често в следващите цикли.

Резултатите потвърдиха валидността на метода. Под въздействието на насочената адаптивна стимулация органоидът започнал да променя вътрешната логика на обработка на сигналите. Вместо хаотични реакции мрежата развива стабилна стратегия за управление. Времето за задържане на махалото се увеличава от първоначалните секунди до стабилни десетки секунди и минути. Освен това анализът показва, че мрежата се е научила да реагира не само на самия ъгъл на наклона, но и на скоростта на падане на махалото, формирайки сложен предсказващ контрол.

Биологичната достоверност на експеримента

Най-често срещаният скептицизъм по отношение на подобни хибридни системи е свързан с източника на изчисленията: критиците предполагат, че обучението може да е артефакт на самия силициев чип или компютърен алгоритъм, а клетките да действат само като пасивен проводник.

За стриктното доказване на биологичната природа на изчисленията авторите прилагат фармакологичен тест. В разгара на успешен експеримент, когато органоидът стабилно държи махалото, към хранителната среда са добавени химически блокери – веществата NBQX и APV. Те селективно изключват рецепторите, отговорни за предаването на глутамат – основния невротрансмитер, който осигурява синаптичната пластичност и паметта в мозъка.

Ефектът е незабавен. Въпреки че компютърът продължил да излъчва ъгъла на наклона и да подава обучителни импулси, способността на органоида да управлява количката спаднала с 64%. Тъканта загубила придобитото умение и се върнала към изходното ниво на случаен шум.

След като химическите блокери били промити от инкубатора и нормалната функция на рецепторите била възстановена, органоидът възвърнал способността си да се учи и да балансира махалото. Този тест окончателно потвърди: обработката на информация и адаптацията се осъществяват на микроскопично ниво, вътре в живите синапси.

Значение за науката и инженерството

Доказвайки, че биологичната невронна мрежа може целенасочено да оптимизира управлението на нестабилна динамична система без естествена система за възнаграждение, науката открива две мащабни насоки за развитие.

Първото направление се отнася до инженерните науки и компютърните науки. Изолирането на фундаменталните механизми за обучение на живите клетки ни позволява да се доближим до създаването на биологични копроцесори. Тези хибридни системи на бъдещето ще могат да решават проблеми на класификацията на данни или управлението на роботи, като консумират на порядъци по-малко енергия от съвременните полупроводникови архитектури.

Втората, не по-малко важна област е неврорехабилитацията. Изследванията показват, че определени шаблони на външната електрическа стимулация могат да накарат невронната мрежа да пренареди връзките си, за да постигне определена поведенческа цел. Разбирането на този сигнален синтаксис е от съществено значение за разработването на невроимпланти от следващо поколение. Бъдещите устройства ще могат да се насочват към области от мозъчната кора, увредени от инсулт или травма, като стимулират тъканта принудително, за да създадат нови синаптични пътища и да възстановят изгубените човешки функции.