Hersenorganoïden groeien in een petrischaaltje
Wetenschappelijke fotobibliotheek / Alamy
Ballen van menselijke hersencellen die op een computer waren aangesloten, werden gebruikt om een zeer basale vorm van spraakherkenning uit te voeren. De hoop is dat dergelijke systemen veel minder stroom zullen gebruiken voor AI-taken dan siliciumchips.
“Dit is slechts een proof of concept dat laat zien dat we de klus kunnen klaren”, zegt Feng Guo van de Indiana University in Bloomington. “We hebben nog een lange weg te gaan.”
Hersenorganoïden zijn klontjes zenuwcellen die ontstaan wanneer stamcellen onder bepaalde omstandigheden worden gekweekt. “Ze zijn als mini-hersenen”, zegt Guo.
Het duurt twee tot drie maanden om de organoïden, die enkele millimeters breed zijn en uit maar liefst 100 miljoen zenuwcellen bestaan, te laten groeien, zegt hij. Het menselijk brein bevat ongeveer 100 miljard zenuwcellen.
De organoïden worden vervolgens bovenop een micro-elektrode-array geplaatst, die zowel wordt gebruikt om elektrische signalen naar de organoïde te sturen als om te detecteren wanneer zenuwcellen als reactie daarop vuren. Het team noemt hun systeem “Brainoware”.
Nieuwe wetenschapper kondigde in maart aan dat Guo’s team dit systeem had gebruikt om de vergelijkingen op te lossen die bekend staan als de Hennon-kaart.
Voor de spraakherkenningstaak moesten de organoïden de stem van één persoon leren herkennen uit een set van 240 audio-opnamen van acht mensen die Japanse klinkers uitspraken. De clips werden naar de organoïden gestuurd als een reeks signalen gerangschikt in ruimtelijke patronen.
De eerste reacties van de organoïden waren ongeveer 30 tot 40 procent nauwkeurig, zegt Guo. Na twee dagen training steeg hun nauwkeurigheid naar 70 tot 80 procent.
“Wij noemen het adaptief leren”, zegt hij. Als de organoïden werden blootgesteld aan een medicijn dat de vorming van nieuwe verbindingen tussen zenuwcellen stopte, was er geen verbetering.
De training bestond simpelweg uit het herhalen van audiofragmenten, en er werd geen enkele vorm van feedback gegeven om de organoïden te vertellen of ze gelijk of ongelijk hadden, zegt Guo. Dit is wat in AI-onderzoek bekend staat als ‘unsupervised learning’.
Er zijn twee grote uitdagingen met conventionele kunstmatige intelligentie, zegt Guo. Eén daarvan is het hoge stroomverbruik. Een andere zijn de inherente beperkingen van siliciumchips, zoals de scheiding van informatie en verwerking.
Gu’s team is een van de vele groepen die onderzoeken of biocomputing met behulp van levende zenuwcellen deze uitdagingen kan helpen overwinnen. Cortical Labs in Australië leert hersencellen bijvoorbeeld spelen maDhr. Nieuwe wetenschapper ontdekt in 2021
Titouan Parcollet van de Universiteit van Cambridge, die zich bezighoudt met conventionele spraakherkenning, sluit op de lange termijn een rol voor biocomputing niet uit.
“Het kan echter ook een vergissing zijn om te denken dat we zoiets als hersenen nodig hebben om te bereiken wat deep learning momenteel doet”, zegt Parcollet. “De huidige deep learning-modellen zijn eigenlijk veel beter dan welk brein dan ook voor specifieke en gerichte taken.”
De taak van Guo en zijn team is zo simplistisch dat alleen wordt vastgesteld wie er spreekt, en niet wat de toespraak is, zegt hij. “De resultaten zijn niet erg veelbelovend vanuit het perspectief van spraakherkenning.”
Zelfs als de prestaties van Brainoware kunnen worden verbeterd, is een ander groot probleem dat organoïden slechts één of twee maanden in stand kunnen worden gehouden, zegt Guo. Zijn team werkt eraan om dit uit te breiden.
“Als we de rekenkracht van organoïden willen benutten voor AI-computing, moeten we die beperkingen echt aanpakken”, zegt hij.
Onderwerpen: