رایانه‌هایی که با سلول‌های مغز انسان کار می‌کنند

در شهری در کنار دریاچه ژنو، انبوهی از سلول های مغز انسان زنده وجود دارد که می توان آنها را اجاره کرد. این توده ها، که به اندازه یک دانه شن هستند، می توانند سیگنال های الکتریکی را درست مانند کامپیوترها دریافت کنند و به آنها پاسخ دهند. گروه های تحقیقاتی از سراسر جهان می توانند وظایفی را برای این توده ها ارسال کنند، به این امید که آنها اطلاعات را پردازش کرده و سیگنالی را ارسال کنند.

به دنیای wetware یا biocomputers خوش آمدید. در چند آزمایشگاه دانشگاهی و شرکت های محدود، محققان در حال رشد نورون های انسانی هستند و سعی می کنند آنها را به سیستم های کاربردی تبدیل کنند که معادل ترانزیستورهای بیولوژیکی هستند. آنها می گویند که این شبکه های عصبی می توانند روزی قدرت یک ابر رایانه را بدون مصرف انرژی زیادی فراهم کنند.

نتایج تا کنون محدود بوده است. اما دانشمندان مشتاق در حال حاضر دسترسی آنلاین به این پردازنده‌های سلول مغزی را خریداری یا قرض می‌گیرند، یا حتی ده‌ها هزار دلار برای ساخت مدل خود سرمایه‌گذاری می‌کنند.

برخی می خواهند از این بیوکمپیوترها به عنوان جایگزین مستقیم برای رایانه های معمولی استفاده کنند، در حالی که برخی دیگر می خواهند از آنها برای مطالعه عملکرد مغز استفاده کنند.

بنجامین وارد شریر، محقق روباتیک در دانشگاه بریستول در بریتانیا، که برای کار با سلول های مغز سوئیسی وقت اجاره می دهد، می گوید: «تلاش برای درک هوش بیولوژیکی یک مشکل علمی بسیار جالب است. او می افزاید: نگاه کردن به این مشکل از پایین به بالا با نسخه های ساده و کوچک مغز خودمان و ساختن تدریجی آن ها به نظر من راه بهتری نسبت به رویکرد از بالا به پایین است.

طرفداران محاسبات زیستی ادعا می کنند که این سیستم ها روزی می توانند با هوش مصنوعی و حتی قدرت محاسبات کوانتومی رقابت کنند.

سایر محققانی که با نورون‌های انسانی کار می‌کنند، نسبت به آنچه ممکن است به دست آید، تردید بیشتری دارند. آنها هشدار می دهند که هیاهو و جذابیت تخیلی این ایده، که گاهی از آن به عنوان “مغز در کوزه” یاد می شود، حتی می تواند نتیجه معکوس داشته باشد. اگر این تصور شکل بگیرد که این سیستم ها دارای «آگاهی» یا «آگاهی» هستند، می تواند پیامدهایی برای جامعه پژوهشی داشته باشد.

مادلین لنکستر، زیست‌شناس رشدی در دانشگاه کمبریج در بریتانیا، که از بافت عصبی برای مطالعه توسعه و بیماری استفاده می‌کند اما در پروژه‌های محاسباتی زیستی دخالتی ندارد، می‌گوید: «نگرانم که اگر این نوع کار بیش از حد مورد توجه قرار گیرد و اغراق‌آمیز شود، واکنش فقط این نیست که باید کمی دقیق‌تر درباره این کار فکر کنیم، بلکه باید به طور کلی از این نوع کار جلوگیری کنیم.»

او ادامه می دهد: «این می تواند منجر به مقرراتی شود که همه چیز را متوقف کند، حتی بخشی از میدان که واقعاً در تلاش است به مردم کمک کند.

خاموش کنید

دانشمندان کامپیوتر مدت هاست که مجذوب کارایی انرژی فوق العاده مغز انسان شده اند. با استفاده از کمتر از 20 وات، تقریباً مقدار انرژی مورد نیاز برای چرخاندن یک پنکه کوچک میز، مغز می تواند از میلیاردها نورون خود برای انجام معادل یک میلیارد میلیارد عملیات ریاضی در هر ثانیه استفاده کند. بهترین ابرکامپیوترهای امروزی می توانند به چنین سرعتی دست یابند، اما در عوض میلیون ها برابر انرژی مصرف می کنند.

برخی از محققان در تلاش هستند تا ساختار بسیار کارآمد مغز را با استفاده از تراشه های سیلیکونی بازسازی کنند. این رویکرد که عموماً محاسبات نورومورفیک نامیده می شود، از نحوه اتصال نورون ها و آتش زدن برای برقراری ارتباط الهام گرفته شده است. به طور خاص، برخی از این سیستم‌ها تلاش می‌کنند تا نحوه شارژ نورون‌ها را تا یک آستانه و سپس ارسال یک پالس الکتریکی تقلید کنند. اما محاسبات زیستی به سراغ خود ماده بیولوژیکی می رود. محققان با استفاده از سلول‌های بنیادی پرتوان القایی (سلول‌های iPS)، که می‌توانند برای تبدیل شدن به هر نوع سلولی دوباره برنامه‌ریزی شوند، جوامعی از سلول‌های مغزی را پرورش می‌دهند و آنها را با مواد مغذی و فاکتورهای رشد حفظ می‌کنند.

برای برقراری ارتباط با این سلول‌ها، محققان آن‌ها را روی آرایه‌هایی از الکترودها قرار می‌دهند، سپس سیگنال‌ها و فرمان‌هایی را در قالب دنباله‌ای از پالس‌های الکتریکی برای آنها ارسال می‌کنند. این سیگنال‌ها نحوه ورود و خروج یون‌ها از نورون‌ها را تغییر می‌دهند و ممکن است باعث شوند برخی سلول‌ها یک پالس الکتریکی به نام پتانسیل عمل شلیک کنند. الکترودهای زیست کامپیوتری می توانند این سیگنال ها را شناسایی کرده و از الگوریتم هایی برای تبدیل آنها به اطلاعات قابل استفاده استفاده کنند.

رایج ترین روش محاسبات زیستی، نورون ها را در خوشه های سه بعدی به نام ارگانوئیدها رشد می دهد. ترکیب این جوامع سلولی مغز بسته به تمایز سلول های بنیادی پرتوان القایی متفاوت است، اما معمولاً شامل نورون ها و سلول های حمایت کننده آنها مانند آستروسیت ها و الیگودندروسیت ها می شود.

در ماه اوت، وارد-چریر و همکارانش گزارش دادند که از ارگانوئیدهای مغز انسان با حدود 10000 نورون برای “تشخیص” حروف بریل استفاده کرده اند.

آنها ابتدا از یک ربات مجهز به حسگر لمسی برای خواندن حروف استفاده کردند، سپس داده‌های جمع‌آوری‌شده برای هر حرف را به الگوهای مشخصی از پالس‌های الکتریکی با زمان‌بندی و شدت متفاوت تبدیل کردند، که آنها را از طریق آرایه‌ای متشکل از هشت الکترود که در نزدیکی سطح ارگانوئید قرار گرفته بودند، عبور دادند. این الکترودها فعالیت جمعی بسیاری از نورون های مجاور را ثبت کردند.

محققان می خواستند بدانند که آیا الگوهای شلیک نورون ها در ارگانوئید بسته به الگوی تحریک ورودی متفاوت است و آیا این پاسخ ها قابل تکرار هستند یا خیر. برای هر حرف، آنها پاسخ ثبت شده را از هر الکترود جمع آوری کردند، آن را به طور میانگین برای به دست آوردن خروجی کلی ارگانوئید محاسبه کردند، و سپس از یادگیری ماشینی برای تشخیص هر گونه الگوی استفاده کردند. نتایج نشان داد که وقتی ارگانوئیدها با پالس های الکتریکی مرتبط با حروف خاص تحریک می شوند، یک ارگانوئید منفرد به طور متوسط ​​61 درصد مواقع همان پاسخ خاص را ایجاد می کند. هنگامی که پاسخ از سه ارگانوئید ترکیب شد، این رقم به 83٪ افزایش یافت. به عبارت دیگر، ارگانوئیدها قادر به انجام یک کار پردازشی ساده بودند: تشخیص و شناسایی ورودی ها.

وارد-چریر می‌گوید: «این یک مدرک محکم برای مفهوم است. این تازه شروعی است برای نشان دادن اینکه ما می توانیم از عهده این نوع وظایف برآییم. گام بعدی انجام کاری کمی پیچیده تر است که می تواند شامل تفسیر پیام های سلول های کشت شده به عنوان دستورات برای ربات باشد.

چنین توانایی‌هایی همان چیزی است که محققان سیستم‌های حلقه بسته می‌نامند که هنوز با ارگانوئیدهای انسانی نشان داده نشده است، اگرچه یک مطالعه در سال 2024 گزارش داد که سیستمی از ارگانوئیدهای عصبی موش قادر به انجام یک بازی رایانه‌ای است که هدف آن تعادل میله‌ای لرزان روی یک واگن متحرک بود.

از آنجایی که ورودی ها و خروجی ها در سیستم های کشت شده سیگنال های الکتریکی ساده ای هستند، دسترسی از راه دور از طریق وب آسان است. بنابراین، حتی اگر ربات بریل خوان در آزمایشگاه Ward-Cherry در بریستول مستقر است، ارگانوئیدها در FinalSpark در سوئیس رشد و نگهداری می شوند.

فرد جردن، یکی از بنیانگذاران فاینال اسپارک و علاقه مندان علمی تخیلی، می گوید هدف او توسعه سیستم هایی از نورون های بیولوژیکی است که می توانند کارهایی مشابه آنچه امروزه با هوش مصنوعی انجام می شود، انجام دهند.

او اعتراف می کند که هنوز راه زیادی در پیش دارد. به عنوان رایانه، سیستم های ارگانوئیدی در حال حاضر از نقطه نظر عملی کاملاً بی استفاده هستند. بین خواب دیدن چیزی و انجام واقعی آن تفاوت زیادی وجود دارد. و من دوست دارم یکی از کسانی باشم که این قدم را برمی دارد. گروه‌های آکادمیک منتخب، مانند گروه Ward-Cherry، دسترسی رایگان به ارگانوئیدهای FinalSpark دارند و بسیاری از گروه‌ها برای انجام این کار ثبت‌نام کرده‌اند.

به عنوان مثال، گروهی در دانشگاه میشیگان در حال آزمایش انواع مختلف تحریک هستند تا ببینند ارگانوئیدها چگونه رفتار می کنند، و محققان دانشگاه آزاد برلین بر این تمرکز دارند که چگونه ابزارهای یادگیری ماشینی می توانند به بهترین شکل اطلاعات را از الگوهای شلیک عصبی استخراج کنند.

برای مشتریان ثروتمندتر، از جمله شرکت های خصوصی، هزینه ماهانه 5000 دلار آمریکا می تواند دسترسی آنلاین انحصاری به یک سیستم Organoid را تضمین کند و بسیاری از آن استفاده می کنند. برخلاف کار رایگان گروه‌های دانشگاهی، FinalSpark نمی‌داند مشتریانی که اشتراک پرداخت می‌کنند از ارگانوئیدها برای چه استفاده می‌کنند.

میدان آموزشی

برای بسیاری از کاربران ارگانوئیدهای مغزی برای انجام کارهای پیچیده تر، یکی از اهداف فوری یافتن راه هایی برای آموزش نورون ها و در نتیجه تشویق رفتارهای هدفمند در آنها است.

در حال حاضر، پاسخ‌های مشاهده شده از ارگانوئیدهای رشد یافته در آزمایشگاه فاینال اسپارک بیشتر شبیه پاسخ‌های بازتابی سیستم عصبی محیطی است، مانند زمانی که پای شخص در پاسخ به ضربه‌ای به زیر زانو ناگهان لگد می‌زند تا فرآیندهای انعطاف‌پذیر و انعطاف‌پذیری که تصمیم‌گیری در مغز را هدایت می‌کند.

برای اینکه این سیستم های عصبی با پیچیدگی بیشتری کار کنند، باید یاد بگیرند. همانطور که جردن می‌گوید، یکی از راه‌های تشویق به این امر این است که به ارگانوئیدها انتقال‌دهنده‌های عصبی مانند دوپامین داده شود تا پاسخ‌های خود را به محرک‌های خاص «کوک کنند». دوپامین باعث می شود نورون ها بیشتر به آتش کشیده شوند و سیناپس هایی را که آنها را به هم متصل می کنند تقویت می کند. دو تغییر که احتمال تکرار همان پاسخ عصبی به یک محرک خاص را در آینده افزایش می دهد.

روش دیگر تکنیکی به نام تحریک آموزش الگو است که در سال 2022 توسط محققان آزمایشگاه کورتیکال (مستقر در ملبورن، استرالیا) برای تشویق سلول های مغزی رشد یافته در آزمایشگاه به بازی رایانه ای دهه 1970 به نام پونگ پنگ استفاده شد.

آنها به جای کار با ارگانوئیدها، شبکه هایی از سلول ها را در داخل ظروف آزمایشگاهی ایجاد کردند. محققان سپس آن سلول ها را به کامپیوتری که طوری برنامه ریزی شده بود وصل کردند که پاسخ نورون ها به تحریک، حرکت یک دست و پا زدن مجازی را در حین پرش توپ مجازی به اطراف صفحه کنترل کند.

محققان برای هدایت دست و پا به سمت توپ، اگر نورون ها در ابتدا به طور تصادفی درست بودند، یک انفجار منظم از فعالیت الکتریکی به نورون ها دادند. اما اگر نورون‌ها پارو را در جهت اشتباه حرکت دهند، با نویز سفید آشفته بمباران می‌شوند. با گذشت زمان، نورون ها یاد گرفتند که به توپ ضربه بزنند به گونه ای که به جای پاسخ تصادفی، یک پاسخ الکتریکی منظم (الگو) دریافت کردند.

استراتژی مورد استفاده از مشاهده این موضوع الهام گرفته شده است که سلول های مغز تمایل به تکرار فعالیتی دارند که نتیجه قابل پیش بینی ایجاد می کند. قرار دادن سلول ها به حالتی که در آن یاد بگیرند کدام الگوهای فعالیت با نتایج مطلوب تری مرتبط است، می تواند اولین گام برای ایجاد رفتار هدفمند باشد.

مجموعه‌ای از محققان در آزمایشگاه‌های کورتیکال و سایر موسسات اکنون در تلاش هستند تا دریابند که آیا چنین سلول‌های کشت‌شده می‌توانند اشکال ابتدایی شناخت مانند یادگیری، حافظه و پیش‌بینی را بیان کنند.

به گفته برت کاگان، مدیر ارشد علمی آزمایشگاه های کورتیکال: اگر بتوانیم حتی نمونه کوچکی از یادگیری تطبیقی ​​را در چنین سیستم هایی نشان دهیم، می توانیم بگوییم که آنها نوعی هوش بیولوژیکی اولیه دارند.

اما اینها ایده هایی هستند که به بحث های اخلاقی منجر می شوند. در حال حاضر، این شبکه‌های سلولی خیلی ابتدایی هستند که نمی‌توان آنها را «هوشیار» یا «احساس» در نظر گرفت، اما با افزایش پیچیدگی آنها و شروع به نشان دادن رفتارهای یادگیری، سؤالات دشواری در مورد محدودیت‌های آگاهی زیستی و مسئولیت اخلاقی محققان مطرح می‌شود.

کاترین میلز، استاد اخلاق زیستی در دانشگاه موناش در ملبورن، می‌گوید: اگر سیستم‌هایی را دریافت کنیم که حتی پردازش ابتدایی مشابه تجربه ذهنی دارند، باید بپرسیم که چه نوع حقوق یا ملاحظات اخلاقی نسبت به آنها داریم. او می افزاید: سوال این نیست که آیا یک ارگانوئید مغز می تواند به اندازه یک انسان هوشیار باشد، بلکه این است که آیا ممکن است سطوحی از احساس یا تجربه در آن وجود داشته باشد که نیاز به رفتار اخلاقی متفاوتی داشته باشد.

در پاسخ، برخی از محققان می گویند که این سناریوها هنوز دور از دسترس هستند. جردن از FinalSpark می‌گوید: «در این مرحله، ما با مجموعه‌ای از نورون‌ها روبه‌رو هستیم که ساختار سازمان‌یافته قشری مانند ندارند. آنها نمی توانند چیزی را حس کنند، ببینند یا تجربه کنند. با این حال، او اذعان می‌کند که با پیشرفت فناوری، ممکن است نیاز به تعریف چارچوب‌های نظارتی جدیدی داشته باشیم که مرزها را قبل از دستیابی به آگاهی واقعی مشخص کنند.

در حال حاضر، بیشتر تمرکز بر درک نحوه عملکرد این سیستم ها است. هرچه بیشتر درباره مغز بیاموزیم و آن را در مقیاس آزمایشگاهی بازسازی کنیم، بهتر می‌توانیم عملکرد خود مغز انسان را درک کنیم و از اصول آن برای ساختن سیستم‌های هوش مصنوعی استفاده کنیم. در نهایت، هدف این نیست که مغز انسان دیگری را در ظرف آزمایشگاه بسازیم، بلکه این است که از زیست شناسی بیاموزیم که چگونه هوش از ماده پدید می آید.