Изследователите изграждат невронни мрежи с реални неврони
25.02.2024, Леуин Дей, Хак на ден
Невронните мрежи се превърнаха в гореща тема през последното десетилетие, работещи върху задачи от разпознаване на съдържание на изображения до генериране на текст и дори игра на видео игри. Въпреки това, тези изкуствени невронни мрежи са по същество просто купища математика в компютъра и макар да са способни на страхотни неща, технологията все още не е показала способността да произвежда истинска интелигентност.
Фирмата Cortical Labs, базирана в Мелбърн, Австралия, има различен подход. Вместо да разчитат единствено на силиций, тяхната работа включва отглеждане на реални биологични неврони върху електродни масиви, което им позволява да бъдат свързани с цифрови системи. Последната им работа показа обещание, че тези истински биологични невронни мрежи могат да бъдат накарани да се учат, според документ за предпечат, който тепърва ще премине през партньорска проверка.
Мокър-уеър
Общата цел на работата е да се използват биологичните неврони за тяхната изчислителна мощ, в опит да се създаде „синтетичен биологичен интелект“. Общата идея е, че биологичните неврони имат много по-голяма сложност и възможности от всички невронни мрежи, симулирани в софтуер. По този начин, ако желаете да създадете жизнеспособна интелигентност от нула, има повече смисъл да използвате биологични неврони, вместо да се забърквате със създадени от човека симулации на такива.
Екипът зад проекта изследва невронни мрежи, отгледани както от миши, така и от човешки клетки. Миши кортикални клетки са събрани от ембриони за целта, докато в случая на човешки клетки са използвани плурипотентни стволови клетки и са диференцирани в кортикални неврони за целите на тестването. Тези клетки бяха поставени върху многоелектродна матрица с висока плътност от Maxwell Biosystems.
Веднъж депозирани и правилно култивирани в лабораторията, клетките образуват „плътно свързани помежду си дендритни мрежи“ по повърхността на електродния масив. След това те могат да бъдат стимулирани по електронен път чрез масива от електроди и отговорите на невроните се четат обратно на свой ред. Резултатът беше система, наречена DishBrain, поради простия факт, че се състои от невронна материя, която по същество живее в паничка на Петри.
DishBrain беше изпробван в симулирана игрова среда, напомняща на играта Pong. Биологичната невронна мрежа (BNN) има серия от електроди, които са били стимулирани въз основа на състоянието на играта, осигурявайки на клетките сензорен вход. След това бяха назначени други електроди, за да контролират движението на греблото нагоре и надолу в играта.
След това бяха използвани различни подходи за обратна връзка, за да се види дали невронната мрежа може да бъде научена да контролира играта интелигентно. Основната идея се основава на принципа на свободната енергия, при който биологичните системи се стремят да действат, за да поддържат световно състояние, което съответства на собствените им вътрешни модели. По този начин веригата за обратна връзка при условие „Стимул“ е проектирана да осигури непредсказуема произволна обратна връзка, когато топката е пропусната от греблото, и предвидима обратна връзка, когато греблото удари топката правилно. След това този метод беше противопоставен на безшумен режим, при който стимулът беше изцяло отрязан, когато греблото удари топката, и режим без обратна връзка, където не беше осигурен специален стимул по отношение на игровото състояние. Използван е и режим на почивка, за да се получи базово отчитане на активността, когато не е стимулиран.
Резултатите показаха, че първоначално е имало малка разлика в производителността на играта между различните режими, като състоянието на стимула се представя малко по-лошо. Въпреки това, след първите пет минути статистиката показа, че при условие на стимул, невронната мрежа поддържа по-дълги събирания на многократно удряне на топката и е по-малко вероятно да пропусне първоначалния сервис, в сравнение с тихите режими и без обратна връзка. Всъщност условието на стимул беше и единственото условие, при което мрежата показа подобрена производителност с течение на времето, което предполага доказателство за ефект на обучение. За сравнение, безшумният режим и режимът без обратна връзка поддържаха относително равно ниво на производителност по време на пълен 20-минутен тест.
Изследването, което все още предстои да бъде рецензирано, показва много обещания в няколко области. Това не само е повече доказателство, че можем успешно да растем и взаимодействаме с невронни клетки, но също така предоставя платформа за по-добро разбиране на това как работят мозъците ни както на концептуално, така и на физическо ниво. Ако резултатите се потвърдят като валидни, това предполага, че изследователският екип по същество е успял да отгледа много прост мозък във вана и да го обучи да управлява видео игра. Професионалните играчи на електронни спортове трябва да бъдат нащрек! (Добре, може би още не.)
Докладът прави четенето плътно, но показва, че има реален потенциал биологичните неврони да бъдат обучени да изпълняват интелигентно задачи в съгласие с цифровите интерфейси. Въпреки че все още е рано, след няколко десетилетия може да допълвате своя самоуправляващ се автомобил с флакон със среда за растеж на неврони, за да сте сигурни, че можете безопасно да прекосите страната по време на пътуването си, без случайно да се включи в трафика. Човечеството тепърва се учи как да взаимодейства с истински биологични мозъци и може да се окаже, че ще овладеем това, преди да успеем да създадем свой собствен от нула!
