مغزهای کوچک‌تر از یک میلی‌متر، توانایی تشخیص حروف بریل را پیدا کردند

پژوهشگران با تحریک الکتریکی سلول‌های زنده مغز و تحلیل آن با هوش مصنوعی، خط بریل را با دقتی چشمگیر شناسایی کردند. دانشمندان با استفاده از سلول‌های زنده‌ی مغز انسان، سامانه‌ای ساخته‌اند که می‌تواند حروف خط بریل را با دقت ۸۳ درصد تشخیص دهد.

این دستاورد گامی اولیه در مسیر ساخت رایانه‌های زیستی است که به‌جای تکیه‌ی کامل بر تراشه‌های سیلیکونی، از شبکه‌های عصبی زنده برای پردازش اطلاعات کمک می‌گیرند. مغز انسان با وجود مصرف انرژی نسبتاً کم، توانایی چشمگیری در پردازش اطلاعات دارد.

همین ویژگی باعث شده است پژوهشگران به فکر استفاده از سلول‌های مغزی در ساخت رایانه‌های جدید بیفتند. در سال‌های اخیر، حتی نشان داده شده است که مجموعه‌هایی از نورون‌های زنده می‌توانند در بازی‌های ویدیویی مانند پونگ و دوم مشارکت کنند.

اکنون پژوهشگران دانشگاه بریستول بریتانیا برای آزمایش این ایده از ارگانوئیدهای مغزی استفاده کرده‌اند. ارگانوئیدها ساختارهای سه‌بعدی کوچکی از سلول‌های زنده هستند که در آزمایشگاه پرورش می‌یابند و برخی ویژگی‌های مغز واقعی را بازسازی می‌کنند.

البته این ساختارها مغز کامل نیستند و شواهدی وجود ندارد که نشان دهد از خودآگاهی برخوردارند. به‌گزارش آی‌اف‌ال‌ساینس، در آزمایش جدید، دانشمندان از ارگانوئیدهایی با قطر کمتر از یک میلی‌متر استفاده کردند که هرکدام حدود ۱۰هزار نورون و تعدادی سلول پشتیبان داشتند.

برای مقایسه، مغز انسان بزرگسال تقریباً ۸۶ میلیارد نورون دارد. پژوهشگران این مغزهای کوچک را روی مجموعه‌ای از الکترودها قرار دادند تا بتوانند سیگنال‌های الکتریکی به آن‌ها ارسال کنند و فعالیت نورون‌ها را اندازه بگیرند.

دانشمندان ابتدا الگوهای لمسی مربوط به ۲۶ حرف الفبای بریل را با حسگر ثبت و به سیگنال‌های الکتریکی تبدیل کردند. سپس سیگنال‌ها را به ارگانوئیدهای مغزی فرستادند و واکنش نورون‌ها را بررسی کردند.

در مرحله‌ی بعد، الگوریتمی مبتنی بر یادگیری ماشین تلاش کرد از روی الگوهای فعالیت عصبی، تشخیص دهد کدام حرف بریل به ارگانوئید ارائه شده است. سامانه با استفاده از یک ارگانوئید توانست حروف را با دقت حدود ۶۱ درصد تشخیص دهد، اما وقتی پاسخ‌های سه ارگانوئید با یکدیگر ترکیب شدند، دقت به ۸۳ درصد رسید.

به گفته‌ی تیانی لیو، نویسنده‌ی اصلی پژوهش، شبکه‌های عصبی ارگانوئیدهای مختلف دقیقاً یکسان نیستند. به همین دلیل، هرکدام ممکن است به یک ورودی مشخص واکنش اندکی متفاوتی نشان دهند و ترکیب پاسخ‌های آن‌ها اطلاعات کامل‌تری فراهم کند.

الگوریتم یادگیری ماشین با بررسی پاسخ‌های سه ارگانوئید مغزی توانست حروف بریل را با دقت ۸۳ درصد شناسایی کند پژوهشگران همچنین با افزودن نویز به سیگنال‌ها، مقاومت سامانه در برابر اطلاعات مخدوش را آزمایش کردند. نتایج نشان داد که فعالیت نورون‌های زنده در برابر نویز مقاوم‌تر از بخش یادگیری ماشین سامانه بود.

با وجود نتایج امیدوارکننده، پژوهشگران تأکید می‌کنند که آزمایش توانایی یادگیری ارگانوئیدها را ثابت نکرده است. درواقع، مغزهای کوچک حروف بریل را مانند انسان نمی‌خواندند؛ بلکه در پاسخ به سیگنال‌های الکتریکی، الگوهای عصبی قابل‌تشخیصی تولید می‌کردند و الگوریتم یادگیری ماشین این الگوها را رمزگشایی می‌کرد.

هنوز مشخص نیست که آیا چنین ساختارهایی می‌توانند براساس تجربه، اطلاعات تازه یاد بگیرند یا عملکرد خود را بهبود دهند یا خیر. پژوهشگران در مراحل بعدی قصد دارند واکنش ارگانوئیدها به اطلاعات پیچیده‌تر، مانند بافت سطوح و انواع لمس را بررسی کنند.

آن‌ها همچنین می‌خواهند با ارائه‌ی بازخورد به ارگانوئیدها، امکان یادگیری و سازگاری آن‌ها را آزمایش کنند. هدف بلندمدت این تحقیقات، توسعه‌ی رایانه‌های زیست‌ترکیبی است که از ترکیب سلول‌های زنده و قطعات الکترونیکی ساخته می‌شوند.

چنین سامانه‌هایی ممکن است در آینده امکان پردازش اطلاعات با مصرف انرژی کمتر را فراهم کنند؛ هرچند این فناوری هنوز در مراحل ابتدایی قرار دارد. پژوهش در ژورنال Frontiers in Artificial Intelligence منتشر شده است.