Органический процессор как решение аппаратного кризиса.

Примерно так кремниевый ИИ видит своё будущее.

Сегодня в технологиях искусственного интеллекта есть немало ограничений, и главное из них ‒ оборудование. Вдохновляясь мозгом, учёные пытаются имитировать не только принципы, но даже и структуру его работы. Это стремление вызвано желанием создать наибольшую оптимизацию архитектуры систем и эффективности вычислений. Однако кремниевые чипы, хоть и строятся под действием очарования исследователей нашим таинственным «серым веществом», всё ещё довольно ограничены в своих способностях и в имитации его функциональных возможностей не достигают должного уровня.

Сейчас в мире волна технологических веяний расходится в нескольких направлениях. Это, само собой, ИИ, квантовые вычисления, энергетические и климатические решения. Все эти сферы фактически неотделимы друг от друга, и все они, используя нейросети, упираются в аппаратное обеспечение, которое, в большинстве своём, зиждется на принципах цифровой электроники. И вот наконец можно сказать, что на этом поприще достигнута небывалая прежде вершина: наука научила крохотный сгусток живых нейронов выполнять задачу для ИИ.

Здравствуй, будущее! Кластеры подключённых к компьютеру клеток мозга способны распознавать элементарную речь и решать математические задачи! Причём у лабораторных образцов, выращенных из стволовых клеток, настолько хорошо это получается, что хочется верить, будто мы нашли средство устранения текущих «железных» ограничений.

Забегая вперёд ‒ дабы не давать ложных надежд ‒ нужно оговориться, что это, конечно, не так, однако Фэн Го, биоинженер факультета интеллектуального системного проектирования Университета Индианы в Блумингтоне, прямо говорит, что его исследование является важным шагом в демонстрации того, каким образом компьютерные нейронные сети, вдохновлённые мозгом, могут увеличить возможности искусственного интеллекта.

«Мы хотели задать вопрос, можем ли мы использовать биологическую нейронную сеть в пределах органоида мозга для вычислений. Это всего лишь доказательство концепции, показывающее, что мы можем выполнить эту работу», ‒ подчеркнул он.

Исследователи назвали своё творение Brainoware. Оно также, как и все предыдущие подходы, вдохновлено мозгом, но теперь наука подобралась к нему вплотную ‒ и уже не в имитации, а в прямом воссоздании его в миниатюре. Считается, что обычно в нём насчитывается 86 миллиардов нейронов ‒ основных «вычислительных» компонентов.  Причём каждый из них связан с 10 000 других таких же (ну или почти таких).

На сегодня вырастить целый мозг ‒ это задача из области фантастики; почти столь же невыполнимая, как и основополагающий эксперимент из произведения Александра Беляева «Голова профессора Доуэля». Тем не менее наука всё-таки научилась из культур стволовых клеток выращивать различные ткани (хрящевую, кожную, мышечную) и даже целые органы (кровеносные сосуды, мочевой пузырь). Вообще выращивание эксклюзивных носов и ушей уже плотно входит в медицинскую трансплантологическую практику. Хоть такие операции доступны пока немногим пациентам, тем не менее этот подход уже можно иметь в виду при составлении плана лечения: то есть из разряда научных фантазий эти методы переходят в область реального применения. Но, как говорится, не ушами едиными, и на этих «стволовых фермах» уже было выращено много интересного. Среди этого особенно выделяются бостонское подобие сердца – кардионасос площадью в 3 см² (сердечная мышечная ткань на акриловом каркасе сформировала небольшой орган и стала сокращаться, требуя для этой работы только нахождение в питательной среде) ‒ и австрийский кардиоид ‒ первый полноценный искусственный орган, воссоздающий работающее человеческое сердце, ‒ размером всего лишь с кунжутное зерно.

Этим подходом и воспользовалась команда Го: исследователи вырастила пучки специализированных стволовых клеток, которые со временем развились в нейроны. Получившийся органоид ‒ в ширину менее нанометра ‒ посредством электродов подключили к печатной плате чтобы получить данные об его активности. Правда для этого пришлось-таки прибегнуть к алгоритмам машинного обучения, работающим на старой доброй электронике ‒ расшифровывали ответы органоида именно они.

Brainoware с неконтролируемым обучением для вычислений на базе искусственного интеллекта: a) схема адаптивной среды расчёта резервуаров; b) парадигма монтажа мозгового органоида на многоэлектродную матрицу высокой плотности для приёма входных и отправки выходных данных; c) иммуноокрашивание цельных кортикальных органоидов, показывающее сложные трёхмерные нейронные сети с различными характеристиками клеток головного мозга; d) схема, демонстрирующая гипотетическое обучение Brainoware без учителя путём изменения формы нейросети во время обучения, а также подавление обучения без учителя после блокировки синаптической пластичности. Источник.

«В этом подходе вычисления выполняются путём отправки и получения информации от органоида мозга с использованием многоэлектродной матрицы высокой плотности. Применяя пространственно-временную электрическую стимуляцию, достигаются нелинейная динамика и угасание свойств памяти, а также неконтролируемое обучение на обучающих данных путём изменения функциональной связи органоидов», ‒ так описывают исследователи суть своих экспериментов в аннотации к статье, опубликованной в журнале Nature Electronics.

Функциональную связность можно представить как нацеленность на выполнение строго определённого действия. Так вот в ходе работы выяснилось, что это свойство органоида может адаптироваться. Учёные пришли к такому выводу благодаря тому, что система продемонстрировала улучшение производительности со временем: в задачах, решения которых были спрогнозированы для неё ранее в компьютерных симуляциях с помощью неадаптивных алгоритмов, она оказалась в выигрышном положении.

Так, Brainoware смог успешно предсказать карту Хеннона ‒ математическую концепцию из области хаотической динамики, представляющую собой один из наиболее изученных примеров дискретных динамических систем ‒ с большей точностью, чем ИИ. А после непродолжительного периода обучения ‒ различать голоса восьми испытуемых на основе разницы в их произношении только гласных звуков. В этом упражнении система достигла точности 78%.  

«Это первая демонстрация использования органоидов мозга, ‒ говорит Го о своей работе в контексте аппаратного решения для производства вычислений. ‒ Интересно видеть возможности органоидов для биокомпьютеров в будущем».

А, надо сказать, этих возможностей, при всей сложности и трудности претворения их в жизнь, всё-таки немало. Ключевое преимущество биовычислительных технологий перекликается с вожделенными целями двух мировых забот: о климате и энергоресурсах. Их энергоэффективность сегодня предстаёт чем-то вроде недостижимого идеала: наши искусственные нейросети потребляют несколько миллионов ватт энергии в день, в то время как нашему мозгу на это требуется всего около 20 Вт.

«Мост между ИИ и органоидами, ‒ так отзывается Го о Brainoware. ‒ Органоиды подобны "мини-мозгам"».

Кроме ИИ-технологий, будущее применение биокомпьютерных систем предполагает изучение неврологических заболеваний ‒ например, Альцгеймера, Паркинсона и прочих. Открывающиеся возможности использования клеточных вычислений для декодирования мозговых волн, конечно, не позволят нам читать мысли (хотя и эта задача, наверное, ‒ дело времени, пусть и очень отдалённого), но покажет более полную картину происходящих в действующем мозге процессов.

Сложности остаются. Прежде всего, конечно, нужно будет решить фундаментальную задачу круглосуточного поддержания здоровья и полноценного питания органоидов в таких резервуарных вычислениях, но это вопрос технологий, который всё равно будет решён, а ведь есть и вызовы другого порядка.

«Поскольку изощрённость этих органоидных систем возрастает, для сообщества крайне важно изучить несметное множество нейроэтических разногласий, окружающих биокомпьютерные системы, включающие нервную ткань человека», ‒ говорит автор исследования.

Рассуждая о техническом аспекте, он говорит, что «могут пройти десятилетия, прежде чем будут созданы общие биокомпьютерные системы», однако данная работа, как можно надеяться, позволит получить «фундаментальное понимание механизмов обучения, развития нейронов и когнитивных последствий нейродегенеративных заболеваний».

«Нам предстоит пройти долгий путь», ‒ заключает биоинженер.

АРМК, по материалам TechXplore.