Komputer z mózgu myszy. 80 tys. neuronów może dać rozum robotom
80 tys. komórek mózgowych myszy wykorzystano do zbudowania żywego komputera. Urządzenie potrafi rozpoznawać wzorce światła i elektryczności. Docelowo może znaleźć zastosowanie w robotyce.
Komputer zbudowany z dziesiątek tysięcy żywych komórek mózgowych myszy może rozpoznawać proste wzorce światła i elektryczności. Naukowcy chcą wykorzystać go do stworzenia robota opartego na żywych tkankach mięśniowych.
Z mózgu myszy naukowcy zrobili komputer
Od ok. 20 lat algorytmy zwane sieciami neuronowymi są wykorzystywane do wszystkiego, od tworzenia popularnych czatbotów po budowę statków kosmicznych. Algorytmy te wzorują się na funkcjonowaniu komórek mózgowych, ale działają w oparciu o klasyczne komputery. Zespół pod kierownictwem Andrew Dou z University of Illinois Urbana-Champaign postanowił zastąpić krzem prawdziwymi neuronami.
Zespół zaczął od wyhodowania ok. 80 tys. neuronów z przeprogramowanych mysich komórek macierzystych. Neurony zostały ułożone w płaskiej, dwuwymiarowej warstwie.
Następnie taki "mini-mózg" umieszczono na siatce elektrod i oświetlono światłowodami. Naukowcy chcieli, by neurony mogły być stymulowane zarówno elektrycznością, jak i światłem. Elektrody umieszczone pod neuronami mogą również wykrywać, kiedy te wytwarzają w odpowiedzi własne sygnały elektryczne. Całe urządzenie mieściło się w pudełku wielkości dłoni, które umieszczono w inkubatorze, aby utrzymać komórki przy życiu.
Biokomputer z mózgu myszy poradził sobie z rozpoznawaniem sygnałów
Gdy "biokomputer" był gotowy, naukowcy postanowili nauczyć go rozróżniania różnych serii sygnałów, podobnie jak robią to cyfrowe sieci neuronowe. Najpierw stworzyli 10 różnych wzorów impulsów elektrycznych i błysków światła. Aby wyszkolić komputer w rozpoznawaniu ich, odtwarzali 10 różnych wzorców wielokrotnie w ciągu godziny i używali chipa komputerowego do rejestrowania i przetwarzania sygnałów elektrycznych wytwarzanych przez neurony w odpowiedzi.
Neurony wytwarzały te same sygnały za każdym razem, gdy prezentowano ten sam wzór. Chip, który obsługiwał sztuczną sieć neuronową, musiał po prostu nauczyć się rozróżniać te sygnały.
Zazwyczaj trenowanie sztucznych sieci neuronowych może zająć dużo czasu i wiele prób, ale podział pracy między neurony i chip pozwolił maksymalnie skrócić potrzebny czas. Cała procedura pochłonęła mniej czasu i energii niż nauczenie komputera rozpoznawania podobnych wzorców. Po godzinie treningu naukowcy pozwolili neuronom odpocząć przez 30 minut, a następnie ponownie wystawili je na działanie każdej z 10 sekwencji światła i elektryczności.
Naukowcy chcą tworzyć żywe roboty
Początkowo bio-sieć neuronowa nie była szczególnie wydajna. Problemem było to, że poza reagowaniem na sygnały wysyłane przez naukowców, neurony wykazywały także własną, niezwiązaną z nimi aktywność. By wyeliminować takie przypadkowe sygnały zakłócające pracę systemu, zespół opracował kombinację chemikaliów i impulsów elektrycznych, która tłumiła przypadkową aktywność neuronów.
Długoterminowym celem naukowców jest opracowanie "żywych" komputerów i "żywych" robotów. Neurony miałyby w takich urządzeniach zastępować lub wspomagać krzemowe procesory. Bioroboty miałyby poruszać się przy pomocy hodowanych specjalnie w tym celu tkanek mięśniowych. Dotąd eksperymenty z "żywymi" robotami opierały się na przekazywaniu im poleceń z zewnętrznego komputera.
Włączenie neuronów do konstrukcji robota miałoby jednak wiele zalet. Wyposażony w neuronowy procesor biorobot mógłby wyczuwać swoje otoczenie i o wiele szybciej reagować na jego zmiany. Neurony reagują na ciśnienie, chemikalia i pola magnetyczne, więc mogą zebrać wiele informacji o środowisku robota.
Wykorzystanie żywych komórek do obliczeń ma też pozwolić tworzyć energooszczędne urządzenia, które będą działać nawet wówczas, kiedy niektóre z ich elementów ulegną uszkodzeniu.
Na razie oparte na neuronach komputery są prymitywne i nie dają możliwości takich, jak konwencjonalne sieci neuronowe, ale badacze liczą na to, że wraz z ich rozbudową i wzrostem złożoności będą w stanie przetwarzać dane o wiele szybciej. A być może zacząć także wykształcać własne wzorce zachowań, zupełnie nieplanowane przez naukowców.