Menschliche Gehirnzellen auf einem Chip können Sprache erkennen und einfache Berechnungen durchführen: ScienceAlert

Kein Computer ist auch nur so leistungsfähig und komplex wie das menschliche Gehirn. Die Gewebemassen in unseren Schädeln können Informationen in Mengen und Geschwindigkeiten verarbeiten, die die Computertechnologie kaum erreichen kann.

Der Schlüssel zum Erfolg des Gehirns liegt in der Effizienz der Neuronen als Prozessor und Speichergerät, im Gegensatz zu den physisch getrennten Einheiten in den meisten modernen Computergeräten.

Es gab viele Versuche, das Rechnen gehirnähnlicher zu gestalten, aber ein neuer Versuch geht noch einen Schritt weiter – durch die Integration von echtem menschlichem Gehirngewebe mit Elektronik.

Es heißt Brainoware und es funktioniert. Ein Team um den Ingenieur Feng Guo von der Indiana University Bloomington hat es mit Aufgaben wie Spracherkennung und mathematischen Problemen wie der Vorhersage nichtlinearer Gleichungen ausgestattet.

Er war etwas ungenauer als ein reiner KI-Computer, aber die Forschung zeigt einen wichtigen ersten Schritt in einer neuen Art von Computerarchitektur.

Während Gu und seine Kollegen bei der Entwicklung von Brainoware jedoch ethische Richtlinien befolgten, stellten mehrere Forscher der Johns Hopkins University in einem entsprechenden Bericht fest Naturelektronik Kommentieren Sie, wie wichtig es ist, ethische Überlegungen im Hinterkopf zu behalten, wenn wir diese Technologie weiter ausbauen.

Lena Smirnova, Brian Cafu und Eric C. Johnson, der nicht an der Studie teilnahm, zur Vorsicht„Da die Komplexität dieser organischen Systeme zunimmt, ist es für die Gesellschaft wichtig, die unzähligen neuroethischen Fragen im Zusammenhang mit Bioinformatiksystemen, an denen menschliches Nervengewebe beteiligt ist, zu berücksichtigen.“

Der menschliche Geist ist unglaublich erstaunlich. Und es gibt Wertschätzung 86 Milliarden Neuronenim Durchschnitt, und Bis zu einer Billiarde Synapsen. Jedes Neuron ist mit bis zu verbunden Weitere 10.000 Neuronenständig schießen und miteinander kommunizieren.

Bisher haben unsere besten Bemühungen, die Gehirnaktivität in einem künstlichen System zu simulieren, nicht die Oberfläche erreicht.

Im Jahr 2013 wurde Rikens K-Computer – damals einer der leistungsstärksten Supercomputer der Welt – auf den Markt gebracht. Er machte den Versuch, das Gehirn nachzuahmen. Mit 82.944 Prozessoren und einem Petabyte Hauptspeicher dauerte es 40 Minuten, um eine Sekunde lang die Aktivität von 1,73 Milliarden Neuronen zu simulieren, die durch 10,4 Billionen Synapsen verbunden sind, also nur etwa ein bis zwei Prozent des Gehirns.

In den letzten Jahren haben Wissenschaftler und Ingenieure versucht, den Fähigkeiten des Gehirns näherzukommen, indem sie Geräte und Algorithmen entwickelt haben, die seine Struktur und Funktionsweise nachahmen. bekannt als Neuronales RechnenEs wird immer besser, aber es verbraucht viel Energie und das Training künstlicher neuronaler Netze dauert lange.

Gu und seine Kollegen suchten nach einem anderen Ansatz und verwendeten echtes menschliches Gehirngewebe, das in einem Labor gezüchtet wurde. Menschliche pluripotente Stammzellen wurden dazu angeregt, sich zu verschiedenen Arten von Gehirnzellen zu entwickeln, die sich zu kleinen, dreidimensionalen Gehirnen namens Organellen organisieren, komplett mit Verbindungen und Strukturen.

Dabei handelt es sich nicht um echte Gehirne, sondern lediglich um Gewebeanordnungen, die nichts mit Gedanken, Gefühlen oder Bewusstsein zu tun haben. Sie sind nützlich, um zu untersuchen, wie sich das Gehirn entwickelt und funktioniert, ohne den tatsächlichen Menschen zu beeinträchtigen.

Brainoware besteht aus Gehirnorganoiden, die über eine Art künstliches neuronales Netzwerk mit einer Reihe hochdichter Mikroelektroden verbunden sind Panzerrechnen. Durch elektrische Stimulation werden Informationen an das Organoid übertragen, das Reservoir, in dem diese Informationen verarbeitet werden, bevor Brainoware seine Berechnungen in Form neuronaler Aktivität ausgibt.

Für die Eingabe- und Ausgabeebene werden normale Computer verwendet. Diese Schichten mussten für die Arbeit mit dem Organoid trainiert werden, wobei die Ausgabeschicht die neuronalen Daten liest und auf der Grundlage der Eingabe Klassifizierungen oder Vorhersagen trifft.

Um das System zu demonstrieren, gaben die Forscher Brainoware 240 Audioclips von acht männlichen Sprechern, die japanische Vokale erzeugten, und baten Brainoware, die Stimme einer bestimmten Person zu identifizieren.

Sie begannen mit einem naiven Bio. Nach nur zwei Tagen Training konnte Brainoware den Sprecher mit einer Genauigkeit von bis zu 78 % identifizieren.

Sie baten Brainoware auch um eine Vorhersage Henon-Karte, ein dynamisches System zeigt chaotisches Verhalten. Sie ließen es vier Tage lang unbeaufsichtigt lernen – jeder Tag stellte eine Trainingsepoche dar – und stellten fest, dass es die Karte genauer vorhersagen konnte als ein künstliches neuronales Netzwerk ohne eine Einheit für das Langzeit-Kurzzeitgedächtnis.

Die Gehirnprogramme waren etwas ungenauer als die künstlichen neuronalen Netze für das Lang- und Kurzzeitgedächtnis, aber alle diese Netze durchliefen 50 Trainingsepochen. Brainoware erzielte in weniger als 10 Prozent der Trainingszeit ungefähr die gleichen Ergebnisse.

„Aufgrund der hohen Plastizität und Anpassungsfähigkeit von Organoiden verfügt Brainoware über die Flexibilität, sich als Reaktion auf elektrische Stimulation zu verändern und neu zu organisieren, was sein Potenzial für adaptives Backup-Computing unterstreicht.“ Die Forscher schreiben.

Es bestehen weiterhin erhebliche Einschränkungen, darunter die Frage, ob Organe am Leben und gesund bleiben, und der Stromverbrauch von Peripheriegeräten. Aber aus ethischen Gründen hat Brainoware nicht nur Auswirkungen auf die Informatik, sondern auch auf das Verständnis der Geheimnisse des menschlichen Gehirns.

„Es kann Jahrzehnte dauern, bis allgemeine Biocomputersysteme geschaffen sind, aber diese Forschung wird wahrscheinlich grundlegende Erkenntnisse über die Mechanismen des Lernens, die neurologische Entwicklung und die kognitiven Auswirkungen neurodegenerativer Erkrankungen liefern.“ Smirnova, Cafu und Johnson schreiben.

„Es könnte auch dabei helfen, präklinische Modelle kognitiver Beeinträchtigungen zu entwickeln, um neue Behandlungen zu testen.“

Die Forschung wurde veröffentlicht in Naturelektronik.