Ne postoji kompjuter ni izdaleka tako moćan i složen kao ljudski mozak. Grudice tkiva koje se nalaze u našim lobanjama mogu obraditi informacije u količinama i brzinama koje računarska tehnologija jedva može da dotakne.

Ključ uspjeha mozga je efikasnost neurona da služi i kao procesor i kao memorijski uređaj, za razliku od fizički odvojenih jedinica u većini modernih računarskih uređaja.

Bilo je mnogo pokušaja da se računarstvo učini sličnijim mozgu, ali novi pokušaj sve to vodi korak dalje – integracijom stvarnog ljudskog moždanog tkiva s elektronikom.

Zove se “Brainoware” i radi. Tim koji je predvodio inženjer Feng Guo s Univerziteta Indiana Bloomington dao mu je zadatke kao što su prepoznavanje govora i predviđanje nelinearnih jednačina.

Bio je nešto manje precizan od čistog hardverskog računara koji radi na vještačkoj inteligenciji, ali istraživanje pokazuje važan prvi korak u novoj vrsti računarske arhitekture.

Iako su se Guo i njegove kolege trudile slijedili etičke smjernice u razvoju “Brainowarea”, nekoliko istraživača s Univerziteta Johns Hopkins napominje da je važno imati na umu dodatna etička razmatranja pri daljem širenju ove tehnologije.

Lena Smirnova, Brian Caffo i Erik C. Johnson, koji nisu bili uključeni u studiju, upozoravaju: “Kako se sofisticiranost ovih organoidnih sistema povećava, od ključne je važnosti za zajednicu da ispita bezbroj neuroetičkih pitanja koja okružuju biokompjuterske sisteme koji uključuje ljudsko nervno tkivo.”

Ljudski mozak je zapanjujuće nevjerovatan. Procjenjuje se da sadrži oko 86 milijardi neurona, u prosjeku, i do kvadrilion sinapsi. Svaki neuron povezan je sa do 10.000 drugih neurona i svi se oni neprestano aktiviraju i međusobno komuniciraju.

Do danas, naš najbolji napor da simuliramo aktivnost mozga u vještačkom sistemu jedva da je zagrebao površinu.

Godine 2013. Rikenov K Computer – tada jedan od najmoćnijih superkompjutera na svijetu – pokušao je oponašati mozak. Sa 82.944 procesora i petabajtom glavne memorije, bilo je potrebno 40 minuta da se simulira jedna sekunda aktivnosti 1,73 milijarde neurona povezanih sa 10,4 triliona sinapsi – približno samo jedan do dva posto mozga.

Posljednjih godina, naučnici i inženjeri pokušavaju da se približe mogućnostima mozga dizajnirajući hardver i algoritme koji oponašaju njegovu strukturu i način na koji funkcionira. Poznato kao neuromorfno računarstvo, poboljšava se, ali je energetski intenzivan, a obuka vještačkih neuronskih mreža oduzima mnogo vremena.

Guo i njegove kolege tražili su drugačiji pristup koristeći stvarno ljudsko moždano tkivo uzgojeno u laboratoriji. Ljudske pluripotentne matične ćelije natjerane su da se razviju u različite tipove moždanih stanica koje su organizirane u trodimenzionalne mini-mozgove zvane organoidi, zajedno s vezama i strukturama.

Ovo nisu pravi mozgovi, već jednostavno rasporedi tkiva bez ičega što liči na misli, emocije ili svijest. Korisni su za proučavanje kako se mozak razvija i radi, bez čačkanja po stvarnom čovjeku.

“Brainoware” se sastoji od moždanih organoida povezanih s nizom mikroelektroda visoke gustoće, koristeći vrstu umjetne neuronske mreže poznate kao računanje rezervoara. Električna stimulacija prenosi informacije u organoid, rezervoar u kojem se te informacije obrađuju prije nego što “Brainoware” dadne svoje proračune u obliku neuronske aktivnosti.

Za ulazne i izlazne slojeve koristi se normalan kompjuterski hardver. Ovi slojevi funkcioniraju s organoidom, pri čemu izlazni sloj čita neuronske podatke i pravi klasifikacije ili predviđanja na osnovu ulaza.

Da bi demonstrirali sistem, istraživači su dali “Brainowareu” 240 audio isječaka s osam različitih glasova koji ispuštaju japanske samoglasnike i tražili od njega da identificira glas jedne određene osobe.

Počeli su s naivnim organoidom; nakon treninga od samo dva dana, “Brainoware” je uspio identificirati glasove sa 78 posto preciznosti.

Takođe su tražili od “Brainowarea” da predvidi Henonovu mapu, dinamički sistem koji pokazuje haotično ponašanje. Ostavili su ga bez nadzora da uči četiri dana – svaki dan predstavlja jednu epohu obuke – i otkrili da je u stanju da predvidi kartu s boljom preciznošću od “umjetne neuronske mreže bez jedinice za dugotrajno pamćenje”.

“Brainoware” je bio nešto manje precizan od “umjetnih neuronskih mreža s jedinicom dugotrajnog pamćenja”, ali svaka je od tih mreža prošla 50 epoha obuke. “Brainoware” je postigao skoro iste rezultate za manje od 10 posto vremena treninga.

“Zbog visoke plastičnosti i prilagodljivosti organoida, Brainoware ima fleksibilnost da se mijenja i reorganizira kao odgovor na električnu stimulaciju, naglašavajući njegovu sposobnost za adaptivno računanje rezervoara”, pišu istraživači .

Još postoje značajna ograničenja, uključujući pitanje održavanja organoida živima i zdravim, kao i nivoe potrošnje energije periferne opreme. Ali, imajući na umu etička razmatranja, “Brainoware” ima implikacije ne samo za računarstvo, već i za razumijevanje misterija ljudskog mozga.

“Možda će proći decenije prije nego što budu kreirani biokompjuterski sistemi za široku upotrebu, ali ovo istraživanje će vjerovatno stvoriti temeljni uvid u mehanizme učenja, neuronskog razvoja i kognitivne implikacije neurodegenerativnih bolesti”, pišu Smirnova, Caffo i Johnson.

Istraživanje je objavljeno u časopisu Nature Electronics.