Новая работа с живыми клетками человеческого мозга показала перспективность объединения живой ткани с компьютером. Колония живых нейронов обучалась быстрее, чем искусственные модели, причем почти с тем же результатом. Оставляя в стороне вопрос этики, который все еще далек от проблемы, живые клетки человеческого мозга могут превзойти нынешние и будущие нейронные сети, работающие на кремниевых чипах, как с точки зрения производительности, так и с экономической точки зрения. мозг. органоид — это трехмерная колония клеток, повторяющая структуру нейронов и их связей в мозге. Это не первый и уж точно не последний эксперимент с живыми клетками, заимствованными у человека. Раньше органоид мозга, например, научили играть в понг, с чем он успешно справился. В таких исследованиях самое сложное — передать информацию в «мозг» и прочитать ее. Группа профессора Го Фэня из Университета Индианы в Блумингтоне (США) предложила достаточно простое решение – они вырастили органоид при высокой плотности. набор электродов. Электроды, а это, по сути, компьютерный интерфейс, вводили данные в клетки «мозга» и считывали результат его последующей деятельности. Таким образом, на практике была реализована такая архитектура спайковой (импульсной) нейронной сети как резервуар. Ученые не знали, что происходит в наборе нейронов, но условно живая модель показала способность быстро обучаться и выполнять вычисления. Ученые назвали свою нейронную сеть Brainoware. Система обучалась в течение двух дней на наборе из 240 аудиозаписей восьми японских мужчин, произносящих гласные звуки. После этого она смогла распознать конкретный голос с точностью 78%. Система также могла решать уравнения, используя карты Хено, примерно с такой же точностью. Это заняло еще четыре дня обучения. Кроме того, решение дифференциальных уравнений осуществлялось с большей точностью, чем в случае искусственной нейронной сети без блока длинной цепочки элементов кратковременной памяти. Живой искусственный «мозг» не был таким точным, как искусственная нейронная сеть. с длинной цепочкой элементов кратковременной памяти, но каждая из этих сетей прошла 50 этапов обучения. Сеть Brainoware добилась почти таких же результатов, потратив на обучение искусственных цепей менее 10% времени обучения. «Могут пройти десятилетия, прежде чем будут созданы универсальные биокомпьютерные системы, но это исследование, вероятно, обеспечит фундаментальное понимание обучения, нейронного развития и когнитивных последствий нейродегенеративных заболеваний», — мечтают авторы статьи, опубликованной в журнале Nature Electronics.
Ссылка на источник
Ссылка на источник