Računala koja rade na ljudskim moždanim stanicama

Prema članku objavljenom na portalu časopisa Nature, u nekolicini akademskih laboratorija i tvrtki, istraživači uzgajaju ljudske neurone i pokušavaju ih pretvoriti u funkcionalne sustave ekvivalentne biološkim tranzistorima. Ove mreže neurona, tvrde oni, jednog bi dana mogle ponuditi snagu superračunala bez prevelike potrošnje energije. 

Neki žele koristiti ova bioračunala kao jednostavne zamjene za obična računala, dok ih drugi žele koristiti za proučavanje načina rada mozga . „Pokušaj razumijevanja biološke inteligencije vrlo je zanimljiv znanstveni problem“, kaže Benjamin Ward-Cherrier, istraživač robotike na Sveučilištu u Bristolu u Velikoj Britaniji, koji provodi vrijeme proučavajući švicarske moždane stanice. 

Drugi istraživači koji rade s ljudskim neuronima skeptičniji su prema onome što je moguće. I upozoravaju da bi pompa - i znanstvenofantastična privlačnost onoga što se ponekad naziva sustavima mozga u staklenci - mogla biti čak i kontraproduktivna. Ako se ideja da ti sustavi posjeduju osjećajnost i svijest ukorijeni, moglo bi doći do posljedica za istraživačku zajednicu.

 „Zabrinuta sam da, ako ovakav rad dobije puno pozornosti i bude prenaglašen, reakcija neće biti samo: 'Moramo malo pažljivije razmisliti o ovom radu'. Bit će: 'Moramo potpuno zaustaviti ovaj rad'“, kaže Madeline Lancaster, razvojna biologinja koja koristi neuronsko tkivo za proučavanje razvoja i bolesti na Sveučilištu Cambridge u Velikoj Britaniji, ali nije uključena u bioračunalne projekte. „To bi moglo dovesti do propisa koji sprječavaju sav rad, uključujući i onaj dio područja koji se stvarno bavi istraživanjem kako bi pokušao pomoći ljudima.“ 

Računalni znanstvenici već dugo žude za nevjerojatnom energetskom učinkovitošću ljudskog mozga. Radeći s manje od 20 vata - otprilike dovoljno za rad malog stolnog ventilatora - njegove milijarde neurona mogu izvršiti ekvivalent od milijardu milijardi matematičkih operacija svake sekunde. Najbolja superračunala mogu se mjeriti s tom brzinom, ali pritom troše milijun puta više energije. 

Neki istraživači pokušavaju replicirati superučinkovitu strukturu mozga pomoću silicijskih čipova. Ovaj pristup, općenito nazvan neuromorfno računalstvo, inspiriran je načinom na koji se neuroni povezuju i aktiviraju kako bi komunicirali. Točnije, neki sustavi nastoje oponašati kako se neuroni moraju napuniti do određenog praga prije nego što ispale električni impuls. 

S druge strane, bioračunalstvo se vraća biološkom izvornom materijalu. Počevši s induciranim pluripotentnim matičnim (iPS) stanicama, koje se mogu reprogramirati da postanu gotovo bilo koja vrsta stanice, istraživači uzgajaju zajednice moždanih stanica i njeguju ih hranjivim tvarima i faktorima rasta. Kako bi komunicirali s njima, istraživači postavljaju stanice na nizove elektroda, a zatim im prenose signale i naredbe kao nizove električnih impulsa. Ti signali mijenjaju način na koji ioni teku u i iz neurona i mogu potaknuti neke stanice da ispale električni impuls poznat kao akcijski potencijal. Bioračunalne elektrode mogu detektirati te signale i koristiti algoritme za njihovo pretvaranje u upotrebljive informacije. 

U kolovozu su Ward-Cherrier i njegovi kolege izvijestili o korištenju organoida ljudskog mozga od oko 10.000 neurona za 'prepoznavanje' Brailleovih slova. Prvo su koristili robota opremljenog taktilnim senzorom za čitanje slova, a zatim su podatke prikupljene za svako slovo pretvorili u zaseban uzorak električnih impulsa - na primjer, mijenjajući vrijeme i intenzitet - koje su propuštali kroz niz od osam elektroda postavljenih uz površinu organoida. Ove elektrode bilježe kolektivnu aktivnost mnogih obližnjih neurona. 

Istraživači su željeli saznati razlikuju li se obrasci paljenja u organoidu ovisno o uzorku stimulacije koji je primio i jesu li ti odgovori dosljedni. Za svako slovo prikupili su odgovor sa svake elektrode, usrednjavali ih kako bi dobili ukupni organoidni izlaz i koristili strojno učenje za identifikaciju bilo kakvih obrazaca. 

Rezultati su pokazali da bi, kada bi se davali električni impulsi koji odgovaraju određenim slovima, jedan organoid u prosjeku proizveo isti karakteristični odgovor u 61% slučajeva. Kada bi se odgovori triju organoida kombinirali, to bi se povećalo na 83%. Drugim riječima, organoidi bi mogli obavljati jednostavan zadatak obrade: razlikovati i identificirati ulazne podatke.

Za Ward-Cherrier, to je čvrst dokaz principa. „To je početni pokušaj pokazivanja da možemo obavljati ove vrste zadataka. Sljedeći korak je nešto malo složenije.“ To bi moglo uključivati ​​tumačenje poruka iz kultiviranih stanica kao uputa robotu - na primjer, da ponovno pročita pismo. Takve sposobnosti definiraju ono što istraživači nazivaju sustavima zatvorene petlje, što još nije dokazano s organoidima ljudskog mozga - iako je studija iz 2024. izvijestila da bi takav sustav, napravljen od mišjih neuronskih organoida, mogao igrati Cartpole, računalnu igru ​​u kojoj je cilj održati klimavi štap uspravno na pokretnim kolicima. 

Budući da su ulazi i izlazi u kultiviranim sustavima jednostavni električni signali, lako je ponuditi udaljeni pristup organoidima putem interneta. Dakle, iako se robot za čitanje Brailleovog pisma nalazi u Ward-Cherrierovom laboratoriju u Bristolu, organoidi se uzgajaju i čuvaju u tvrtki FinalSpark u Veveyu u Švicarskoj.

 Odabrane akademske grupe, poput Ward Cherrierove, dobivaju besplatan pristup organoidima FinalSparka, a mnogi su se timovi prijavili za to. Tim na Sveučilištu Michigan u Ann Arboru, na primjer, testira različite vrste stimulacije kako bi vidio kako se organoidi ponašaju, a istraživači na Slobodnom sveučilištu u Berlinu usredotočuju se na to kako alati za strojno učenje mogu najbolje izvući informacije iz obrazaca neuronskog aktiviranja. 

Za klijente s dubljim džepom, uključujući privatne tvrtke, mjesečne naknade od 5000 američkih dolara mogu osigurati ekskluzivni online pristup organoidnom sustavu. 

Druge neovisne grupe sa stručnošću u organoidima upuštaju se u bioračunalstvo. Neuralni organoidi u laboratoriju Alysson Muotrija na Sveučilištu Kalifornija u San Diegu sadrže oko 2,5 milijuna neurona različitih vrsta. Muotri ima za cilj primijeniti organoide na problem iz stvarnog svijeta: predviđanje puta mogućih izlijevanja nafte u amazonskoj džungli. Projekt, koji financira naftna tvrtka, trebao bi završiti do 2028. „Prihvaćamo izazov“, kaže. „Vidjet ćemo gdje ćemo biti za tri godine.“ 

Za mnoge korisnike organoida koji pokušavaju izvršavati složenije zadatke, jedan od neposrednih ciljeva je pronaći načine za treniranje neurona i time potaknuti ciljno usmjereno ponašanje. Trenutno, odgovori organoida uzgojenih u laboratoriju tvrtke FinalSpark imaju više zajedničkog s refleksnim radnjama perifernog živčanog sustava - na primjer, kada nečija noga udari kao odgovor na tapkanje ispod koljena - nego s prilagodljivim procesima koji vode donošenje odluka u mozgu. 

Kako bi se nosili s većom složenošću, ovi neuronski sustavi moraju biti sposobni učiti. Jedan od načina da se to potakne, jest isporuka neurotransmitera poput dopamina kako bi se pokušali prilagoditi odgovori organoida na određene podražaje. Dopamin povećava vjerojatnost aktiviranja neurona i jača sinapse koje ih povezuju - dvije promjene koje povećavaju vjerojatnost ponavljanja istog neuronskog odgovora na podražaj u budućnosti. 

Druga je tehnika nazvana stimulacija treningom obrazaca, koju su 2022. godine koristili istraživači u Cortical Labsu, tvrtki sa sjedištem u Melbourneu u Australiji, kako bi potaknuli laboratorijski uzgojene moždane stanice na igranje računalne igre Pong iz 1970-ih. 

Umjesto rada s organoidima, odlučili su stvoriti mreže stanica u posudama. Zatim su ih istraživači spojili na računalo, koje je programirano tako da odgovor neurona na stimulaciju pomiče virtualnu lopaticu dok se virtualna loptica odbija okolo. Kako bi usmjerili lopaticu prema loptici, istraživači su hranili neurone organiziranim naletom električne aktivnosti ako su stanice (u početku, nasumično) to ispravno učinile. Ako su neuroni pomaknuli lopaticu u krivom smjeru, bili su zasuti kaotičnim bijelim šumom. S vremenom su neuroni naučili udarati lopticu kako bi primili obrazac odgovora, a ne nasumični.