Живые клетки человеческого мозга впервые научили распознавать буквы с помощью компьютера
Ученые из Бристольского университета приблизились к созданию биогибридных компьютеров, объединяющих живые клетки и электронику. В эксперименте миниатюрные органоиды мозга получали сигналы, соответствующие буквам Брайля. Когда три органоида работали вместе, система распознавала буквы с точностью 83%.
Может ли живой мозг стать частью компьютера? Исследователи все активнее изучают эту возможность, пытаясь объединить биологические нейронные сети с электронными технологиями. Такой подход потенциально позволит создавать вычислительные системы, которые потребляют меньше энергии, чем традиционные процессоры. Один из первых шагов к этой цели — научиться передавать информацию в живую нейронную ткань и расшифровывать ее реакцию.
Команда из Бристольского университета проверила эту идею с помощью шрифта Брайля. Результаты исследования опубликованы в журнале Frontiers in Artificial Intelligence.
Как мозговые органоиды распознавали буквы
Органоиды — это выращенные в лаборатории трехмерные клеточные структуры, которые воспроизводят некоторые особенности тканей человеческого мозга. Использованные в эксперименте образцы были меньше миллиметра и содержали около 10 тыс. нейронов каждый.
Ученые разместили органоиды на специальных многоэлектродных матрицах, способных передавать электрические импульсы и регистрировать возникающую нейронную активность. Система поддерживала жизнеспособность клеток и позволяла наблюдать за их реакциями.
Для эксперимента исследователи использовали тактильный датчик, сканировавший символы шрифта Брайля. Данные о 26 буквах английского алфавита преобразовывали в электрические сигналы, которые затем передавали органоидам. В ответ нейронные сети демонстрировали определенные паттерны активности.
Чтобы установить, какой букве соответствовал каждый ответ, ученые применили алгоритм машинного обучения — метод опорных векторов. Он анализировал зарегистрированные сигналы и классифицировал их по символам.
Один органоид позволял правильно распознавать буквы примерно в 61% случаев. Когда исследователи объединили результаты работы трех органоидов, точность выросла до 83%.
Почему три органоида оказались эффективнее одного
Исследователи пока не знают точной причины такого улучшения. Одна из гипотез заключается в том, что каждый органоид обладает немного отличающимися нейронными связями и особенностями активности. Поэтому одинаковый входной сигнал может вызывать у них похожие, но не идентичные реакции.
Объединение этих ответов потенциально позволяет получить больше информации, чем анализ активности одного органоида. Однако индивидуальные различия между биологическими структурами создают и сложности: для разработки стабильных вычислительных систем необходимо научиться учитывать изменчивость их поведения.
Ученые также проверили, насколько хорошо такая система справляется с искусственными помехами. Для этого они добавляли шум к сигналам и сравнивали результаты двух подходов: классификации ответов органоидов и непосредственного анализа зашумленных данных с помощью того же алгоритма машинного обучения.
В проведенных испытаниях система с органоидами лучше отделяла сигналы букв от искусственного шума. Это указывает на потенциальную пользу биологической обработки информации, хотя пока не объясняет, какие именно механизмы обеспечивают такое преимущество.
От распознавания букв к компьютерам на основе живых нейронов
Несмотря на многообещающие результаты, исследователи подчеркивают: эксперимент не доказывает, что органоиды способны самостоятельно понимать текст, обучаться чтению или приобретать новые навыки. Ученые показали, что информацию от тактильного датчика можно закодировать в электрические сигналы, передать живой нейронной сети и затем восстановить по ее реакции.
Следующий этап исследований предполагает переход к более сложным тактильным задачам. Вместо отдельных букв ученые хотят проверять, как органоиды реагируют на текстуры, края предметов и различные виды прикосновений. В перспективе они планируют создавать системы с обратной связью, в которых действия устройства будут влиять на последующие сигналы, поступающие в органоид.
Это позволит выяснить, способны ли такие нейронные сети адаптироваться на основе опыта и участвовать в более сложной обработке информации.
Пока биогибридные вычисления остаются экспериментальным направлением, далеким от практической замены современных компьютеров. Тем не менее, работа демонстрирует важный принцип: живые нейронные сети можно включать в цепочку обработки данных между искусственным датчиком и цифровым алгоритмом. Если дальнейшие исследования подтвердят эффективность и управляемость такого подхода, органоиды смогут стать одним из компонентов будущих энергоэффективных вычислительных систем.
Подпишитесь на «Инк» в Telegram. Там мы пишем нескучным языком о самом важном для предпринимателей. Подписаться.
