Прежде чем перейти к статье, хочу вам представить, экономическую онлайн игру Brave Knights, в которой вы можете играть и зарабатывать. Регистируйтесь, играйте и зарабатывайте!
Нейроморфная инженерия является инновационной областью исследований, объединяющей принципы когнитивных наук и передовые технологии. Вашему вниманию представлен обзор Brainoware, связующего звена мозговых органоидов и искусственного интеллекта. Мы вспоминаем о недостатках кремниевых чипов и даём краткий экскурс о суперкомпьютере, пытавшемся воспроизвести функционал человеческого мозга. Также подробно рассказываем об устройстве Brainoware, приводим результаты тестов, мнения учёных и исследователей, а также пытаемся посмотреть за горизонты вычислительных технологий.
На протяжении многих лет учёные занимались попыткой создания передовых биокомпьютеров. По мнению многих исследователей, они решили бы ряд проблем их кремниевых собратьев, на базе которых обучаются искусственные нейронные сети, чью основу составляют ИИ. Кремниевые чипы потребляют много энергии, дольше выполняют задачи, а также имеют «узкое» место фон Неймана. Отмечается и более медленное удвоение транзисторов в интегральной схеме – замедление закона Мура.
В последние годы исследователи и инженеры стремятся приблизиться к возможностям мозга, создавая аппаратные средства и алгоритмы, которые следуют его структуре и принципам работы. Так, в 2013 году суперкомпьютер K, являвшийся тогда одним из ведущих в мире, предпринял попытку эмулировать активность мозга. С использованием 82 944 процессоров и оперативной памяти в размере петабайта, ему потребовалось сорок минут для моделирования лишь одной секунды активности 1,73 миллиарда нейронов. Они были соединены 10,4 триллионами синапсов, что представляет собой всего лишь от одного до двух процентов структуры мозга, поэтому те попытки моделирования активности мозга только начали раскрывать весь потенциал в искусственной системе.
Но то было тогда, а сейчас? Что если я вам скажу о выращенных в резервуаре и подключенных к компьютерному чипу органоидах человеческого мозга, которые могут распознавать человеческий голос и решать математические задачи?
Новое исследование инженера Фэн Го из Университета Индианы в Блумингтоне и его команды показывает, что воображать и представлять можно всё что угодно, но теперь кроме скопления клеток мозга, разбирающихся с нелинейными уравнениями.
Проект Brainoware
Проект получил название Brainoware. Это своего рода мост между искусственным интеллектом и биологическими тканями. Она представляет собой сплав мозговых органоидов, соединенных с массивом высокоплотных микроэлектродов, где задействованы резервуарные вычисления.
Работа заключается в переносе электрической стимуляцией информации в органоид, далее – в резервуар, где эта информация подвергается обработке ещё до того, как Brainoware даст результаты в виде нейронной активности. Для входного и выходного уровней используются и привычные компьютеры, где на выходном слое считывалась нейронная активность, а позже давалась классификация на результатах входных данных.
В Brainoware учёные видели возможность использования созданных клеток мозга для обмена информацией. После применения электрической стимуляции к аппаратной системе сигналы отображались в органоидных нейронных сетях мозга (ONN), а система широкополосной перадачи цифровой информации (MEA) записывала нейроактивности и дешифровала их для последующего прогнозирования, распознавания или классификации.
Тесты
Выяснилось, что Brainoware действительно реагирует на информацию и обрабатывает её. Но может ли она работать автономно? К примеру, без надзора решать математические задачи в виде предсказаний нелинейных уравнений?
Исследователи обратились к Brainoware с запросом предсказать карту Энона – динамическую систему, где демонстрируется хаотичное поведение. Нейросеть работала на протяжении четырех дней, каждый из которых был эпохой обучения, и успешно справилась с задачей, обойдя по точности линейную регрессию и ИНС с единицей длинной кратковременной памяти. Единственное, она уступила искусственным нейронным сетям с длинным блоком кратковременной памяти, которые проходили 50 эпох обучения. Кроме того, было выявлено, что производительность растёт по мере обучения. Учебная активность Brainoware зависела от нейронной пластичности, а автономность работы объяснилась наличием адаптивного живого резервуара.
Для прогнозирования карты Энона было использовано уравнение линейной регрессии. Она предполагает, что связь между зависимой переменной (целевой) y и вектором регрессоров x является линейной.
Учёные также провели тестовый анализ системы, направленный на распознавание речи. Для этого использовали 240 аудиозаписей с произнесением японских гласных восемью участниками. В ходе эксперимента выяснилось, что система способна дешифровать аудиосигналы, что представляет собой форму распознавания речи. Это было достигнуто с помощью зажимов, трансформированных в электрические сигналы, которые подавались на органоидную систему искусственного интеллекта. Несмотря на улучшение точности c 51% до 78%, она все равно проиграла ИНС. Отметим, ответы были классифицированы с применением логистической регрессии, и изменения функциональной связности органоида были измерены как до, так и во время тренировки.
Мнения учёных и исследователей
«Это первая демонстрация использования органоидов мозга для вычислений», – говорит Го. «Очень интересно увидеть возможности органоидов для биокомпьютеров в будущем».
«Благодаря высокой пластичности и адаптивности органоидов, Brainoware обладает гибкостью к изменениям и реорганизации в ответ на электрическую стимуляцию, что подчеркивает его способность к адаптивным резервуарным вычислениям», – пишут исследователи.
«Это действительно хорошая демонстрация, которая показывает возможности органоидов мозга», – отмечает Лена Смирнова, доцент кафедры общественного здравоохранения в Университете Джонса Хопкинса.
Кроме того, она подчеркивает, что органоиды мозга не слышат речь в привычном понимании, они лишь реагируют на импульсы электрической стимуляции из аудиозаписей. Проведенное исследование не показывает, способна ли Brainoware к мультизадачности, а также к хранению и обработке информации на протяжении длительного времени.
«Возможно, пройдут десятилетия, прежде чем будут созданы общие биокомпьютерные системы, но это исследование, вероятно, даст фундаментальное представление о механизмах обучения, развитии нейронов и когнитивных последствиях нейродегенеративных заболеваний», – пишут Смирнова, Каффо и Джонсон, исследователи из Университета Джона Хопкинса.
Итог
Несмотря на амбиции, у Brainoware есть и свои минусы: генерация и обслуживание органоидов, использование оборудования с высоким энергопотреблением, а также отсутствие инструментов для эффективного управления данными.
Из явных плюсов – процесс исследования тайн человеческого мозга безусловно станет более этичным, появятся новые пути разработки предклинических форм нарушений когнитивных функций, а также новые терапевтические методы. Кроме того, Brainoware позволяет нам заглянуть дальше за пределы текущей стадии развития резервуарных вычислений.
Резюмируя, можно сказать, что привычные нам компьютеры намного лучше справляются с числами, по сравнению с мозгом, но главный его плюс – обработка сложной информации с минимальным энергопотреблением.
Будем рады вашим комментариям!
Автор: Влад Смирнов
