Живой мозг против искусственного интеллекта: как выращенный в лаборатории органоид научился управлять виртуальным миром

Иллюстрация: pronedra.ru

Несмотря на бурный прогресс в области искусственного интеллекта, современные нейросети всё ещё уступают биологическому мозгу по одному из ключевых параметров — энергоэффективности. Для обучения сложных моделей машинного обучения сегодня требуются огромные вычислительные мощности: дата-центры, содержащие тысячи графических процессоров, и энергопотребление, сравнимое с небольшим городом.

Биологический мозг, напротив, решает аналогичные задачи, используя всего несколько десятков ватт энергии. Даже небольшие скопления нейронов способны демонстрировать сложное поведение и обучаемость. Именно этот контраст и подтолкнул исследователей к эксперименту: можно ли использовать живую нейронную ткань как элемент вычислительной системы?

Недавняя работа ученых из Калифорнийского университета показывает, что подобная идея уже выходит за пределы теории. Исследователи создали гибридную биоэлектронную систему, в которой выращенный в лаборатории органоид мозга смог обучиться управлять виртуальным объектом в режиме реального времени.

Мозг без тела

Основой эксперимента стали так называемые кортикальные органоиды — трехмерные структуры, выращенные из эмбриональных стволовых клеток мыши.

В течение примерно тридцати дней клетки развивались в инкубаторе, постепенно формируя сложную сеть нейронов. В определенной степени такая структура напоминает фрагмент коры головного мозга: нейроны образуют соединения, обмениваются электрическими импульсами и способны к перестройке связей.

Однако у такой системы есть фундаментальное ограничение — отсутствие тела.

Органоид не имеет органов чувств, не получает информации из окружающей среды и не может воздействовать на внешний мир. Без сенсорных сигналов и обратной связи нейронная сеть практически бесполезна для вычислений.

Поэтому ученые решили подключить выращенный органоид к цифровой среде — своеобразному виртуальному миру.

Классический тест для систем управления

В качестве тестовой задачи исследователи выбрали хорошо известную проблему из теории автоматического управления — перевернутый маятник.

В симуляции на подвижной тележке закреплен вертикальный шест. Под действием гравитации он постоянно стремится упасть. Задача управляющего агента — двигать тележку влево или вправо таким образом, чтобы удерживать шест в строго вертикальном положении.

Это одна из классических задач в области искусственного интеллекта и робототехники. Она требует непрерывного анализа данных и быстрой реакции на изменения положения системы. Даже небольшая задержка в принятии решения приводит к падению маятника.

Как соединить нейроны и компьютер

Чтобы связать живую ткань с компьютерной моделью, исследователи использовали матрицу микроэлектродов высокой плотности — специальный чип, содержащий тысячи микроскопических контактов.

Органоид помещался непосредственно на поверхность этой кремниевой подложки. Такая конструкция позволяла:

• считывать электрическую активность отдельных нейронов;
• подавать точечные электрические стимулы в разные участки нейронной сети;
• обмениваться сигналами между органоидом и компьютерной симуляцией с точностью до миллисекунд.

Фактически чип выступал переводчиком между двумя «языками» — биологическим и цифровым.

Язык общения с клетками

Чтобы система работала, ученым пришлось разработать протокол кодирования информации.

Передача данных в органоид

Информация о положении маятника передавалась в органоид через два выбранных нейрона.

Угол наклона маятника переводился в частоту электрических импульсов:

• если шест находился почти вертикально — стимуляция была редкой;
• чем сильнее он отклонялся — тем чаще подавались электрические сигналы.

Таким образом нейроны «чувствовали» изменение положения маятника через ритм импульсов.

Считывание решений

Компьютер, в свою очередь, наблюдал за активностью двух других нейронов — «выходных».

Разница в частоте их электрических разрядов интерпретировалась как команда управления:

• активнее первый нейрон — тележка движется влево;
• активнее второй — вправо.

Первые попытки: хаос

На начальном этапе эксперимента поведение системы было полностью случайным.

Сигналы, проходившие через нейронную сеть, не имели никакой устойчивой логики. Тележка двигалась хаотично, и виртуальный шест падал буквально через секунды после начала каждого эпизода.

Чтобы добиться осмысленного поведения, нейронную сеть необходимо было обучить.

Электрическая «пластичность»

В обычном мозге обучение связано с системой вознаграждения. Когда действие оказывается успешным, в нейронах выделяются химические вещества — например, дофамин, — которые укрепляют соответствующие связи.

У органоида в лаборатории такой системы нет. Поэтому исследователи использовали фундаментальное свойство нейронов — синаптическую пластичность.

Известно, что короткие высокочастотные электрические стимулы могут изменять силу соединений между нейронами.

Компьютерный алгоритм анализировал эффективность органоида: если маятник удерживался слишком мало времени, система переходила в режим обучения.

В момент падения маятника определенные нейроны получали серию электрических стимулов. При этом алгоритм запоминал, какие комбинации стимулов приводят к улучшению результата, и в дальнейшем использовал их чаще.

Фактически это была гибридная схема обучения с подкреплением, где роль обучаемого агента выполняла биологическая ткань.

Неожиданный результат

Со временем поведение органоида стало меняться.

Хаотичные реакции постепенно уступили место устойчивой стратегии управления. Нейронная сеть начала предсказывать движение маятника и корректировать положение тележки.

Время удержания маятника выросло:

• сначала — с долей секунды до нескольких секунд;
• затем — до десятков секунд;
• в отдельных случаях — до нескольких минут.

Анализ активности нейронов показал, что система реагировала не только на угол наклона, но и на скорость падения маятника, формируя более сложную модель динамики.

Проверка: действительно ли думают клетки?

Одним из главных вопросов было: где на самом деле происходит вычисление?

Скептики могли предположить, что обучение происходит внутри компьютерного алгоритма, а органоид лишь передает электрические сигналы.

Чтобы проверить это, ученые провели фармакологический эксперимент.

В питательную среду добавили вещества NBQX и APV, блокирующие рецепторы глутамата — ключевого нейромедиатора, отвечающего за передачу сигналов между нейронами и формирование памяти.

Результат оказался показателен.

После введения блокаторов способность органоида удерживать маятник снизилась примерно на 64 %. Система вернулась к хаотическому поведению.

Когда вещества удалили из среды, органоид снова начал обучаться и восстанавливать навык.

Это стало прямым доказательством того, что обработка информации происходила именно внутри биологической нейронной сети.

Возможные последствия для технологий

Эксперимент открывает сразу несколько перспективных направлений исследований.

Биологические сопроцессоры

Одно из них — создание гибридных вычислительных систем, в которых биологические нейронные сети будут работать вместе с традиционной электроникой.

Такие системы потенциально смогут:

• решать задачи распознавания образов;
• управлять роботами;
• анализировать сложные потоки данных.

При этом энергопотребление может оказаться на порядки ниже, чем у современных вычислительных центров.

Новые методы нейрореабилитации

Не менее важна медицинская перспектива.

Эксперимент показывает, что точечные электрические стимулы способны направленно перестраивать нейронные связи.

Это знание может лечь в основу новых нейроимплантов, которые помогут восстанавливать функции мозга после:

• инсультов,
• травм,
• нейродегенеративных заболеваний.

Будущие устройства смогут стимулировать конкретные участки мозга, помогая нейронным сетям формировать новые функциональные маршруты.

Шаг к «живым компьютерам»

Хотя подобные исследования пока находятся на ранней стадии, они постепенно меняют наше представление о границе между биологией и технологиями.

Выращенные в лаборатории нейронные сети уже способны взаимодействовать с виртуальными мирами и обучаться управлять ими.

Это не означает, что в ближайшее время появятся «живые компьютеры». Но эксперимент демонстрирует важный принцип: биологические нейроны могут выступать полноценным элементом вычислительной системы.

А значит, будущее искусственного интеллекта, возможно, окажется не только кремниевым — но и частично живым.

Ранее журналисты сайта «Пронедра» писали, что окружающая среда может влиять на здоровье мозга