Eine Kugel aus Gehirnzellen auf einem Chip kann Spracherkennung und einfache Mathematik lernen

By | December 14, 2023

Ein kleiner Ball aus Gehirnzellen vibriert vor Aktivität, während er auf einer Reihe von Elektroden sitzt. Im Laufe von zwei Tagen erhält er eine Reihe von Elektroschocks, wobei jeder Reiz die Besonderheiten der Sprache von acht Personen kodiert. Am dritten Tag kann es zwischen Sprechern unterscheiden.

Das System mit dem Namen Brainoware legt die Messlatte im Biocomputing höher, indem es 3D-Gehirnorganoide oder „Mini-Gehirne“ erforscht. Diese Modelle, die normalerweise aus menschlichen Stammzellen gezüchtet werden, entwickeln sich schnell zu einer Vielzahl von Neuronen, die in neuronalen Netzwerken miteinander verbunden sind.

Wie ihre biologischen Gegenstücke leuchten die Blasen vor elektrischer Aktivität – was darauf hindeutet, dass sie das Potenzial haben, Informationen zu lernen, zu speichern und zu verarbeiten. Wissenschaftler halten sie seit langem für eine vielversprechende Hardwarekomponente für gehirnbasiertes Computing.

Diese Woche hat ein Team der Indiana University Bloomington mit Brainoware die Theorie in die Realität umgesetzt. Sie verbanden ein kortexähnliches Gehirnorganoid – die äußerste Schicht des Gehirns, die höhere kognitive Funktionen unterstützt – mit einem waferähnlichen Chip, der dicht mit Elektroden gefüllt ist.

Das Mini-Gehirn fungierte sowohl als Zentraleinheit als auch als Speicher eines Supercomputers. Es empfing Informationen in Form von Elektroschocks und gab seine Berechnungen durch neuronale Aktivität aus, die später von einem KI-Tool entschlüsselt wurden.

Als Brainoware mit den Schlagworten einer Gruppe von Menschen trainiert wurde – diese wurden in Elektroschocks umgewandelt –, lernte Brainoware schließlich, die „Geräusche“ bestimmter Menschen wahrzunehmen. In einem weiteren Test löste das System erfolgreich ein komplexes mathematisches Problem, das eine Herausforderung für die KI darstellt.

Die Lernfähigkeit des Systems resultiert aus Veränderungen in den neuronalen Netzwerkverbindungen im Minigehirn – ähnlich wie unser Gehirn jeden Tag lernt. Brainoware ist zwar nur ein erster Schritt, ebnet aber den Weg für immer ausgefeiltere Hybrid-Biocomputer, die die Energiekosten senken und die Datenverarbeitung beschleunigen könnten.

Der Aufbau ermöglicht es Neurowissenschaftlern auch, das Innenleben unseres Gehirns weiter zu entschlüsseln.

„Während Informatiker versuchen, gehirnähnliche Siliziumcomputer zu bauen, versuchen Neurowissenschaftler, die Berechnungen von Gehirnzellkulturen zu verstehen“, schrieben Dr. Lena Smirnova, Brian Caffo und Erik C. Johnson von der Johns Hopkins University, die nicht an der Studie beteiligt waren. Brainoware könnte neue Erkenntnisse darüber liefern, wie wir lernen, wie sich das Gehirn entwickelt, und sogar dabei helfen, neue Therapien für den Fall zu testen, dass das Gehirn versagt.

Eine Variante des neuromorphen Computing

Mit seinen 200 Milliarden Neuronen, die in Hunderten von Milliarden Verbindungen vernetzt sind, ist das menschliche Gehirn vielleicht die leistungsstärkste bekannte Computerhardware.

Seine Konfiguration unterscheidet sich grundsätzlich von klassischen Computern, die über separate Einheiten zur Verarbeitung und Speicherung von Daten verfügen. Jede Aufgabe erfordert die Übertragung von Computerdaten zwischen den beiden, was die Rechenzeit und den Energieverbrauch drastisch erhöht. Im Gegensatz dazu laufen beide Funktionen am selben physischen Ort im Gehirn zusammen.

Diese als Synapsen bezeichneten Strukturen verbinden Neuronen zu Netzwerken. Synapsen lernen, indem sie die Intensität ändern, mit der sie sich mit anderen Menschen verbinden – wodurch die Verbindung zu Mitarbeitern, die bei der Lösung von Problemen helfen, stärker wird und Wissen am selben Ort gespeichert wird.

Der Vorgang kommt Ihnen vielleicht bekannt vor. Künstliche neuronale Netze, ein KI-Ansatz, der die Welt im Sturm erobert hat, basieren lose auf diesen Prinzipien. Der Energiebedarf ist jedoch sehr unterschiedlich. Das Gehirn benötigt 20 Watt, etwa die Leistung, die für den Betrieb eines kleinen Tischventilators erforderlich ist. Ein vergleichbares künstliches neuronales Netzwerk verbraucht acht Millionen Watt. Das Gehirn kann auch leicht aus wenigen Beispielen lernen, während KI bekanntermaßen auf riesige Datensätze angewiesen ist.

Wissenschaftler haben versucht, die Verarbeitungseigenschaften des Gehirns auf Hardware-Chips nachzubilden. Diese neuromorphen Chips bestehen aus exotischen Komponenten, deren Eigenschaften sich durch Temperatur oder Elektrizität ändern, und vereinen Verarbeitung und Speicherung am selben Ort. Diese Chips können Computer Vision unterstützen und Sprache erkennen. Sie sind jedoch schwierig herzustellen und erfassen die Innenabläufe des Gehirns nur teilweise.

Anstatt das Gehirn mit Computerchips nachzuahmen, warum nicht einfach eigene biologische Komponenten verwenden?

Ein intelligenter Computer

Seien Sie versichert, das Team hat keine lebenden Gehirne an Elektroden befestigt. Stattdessen wandten sie sich Gehirnorganoiden zu. In nur zwei Monaten entwickelten sich die aus menschlichen Stammzellen hergestellten Mini-Gehirne zu einer Reihe von Neuronentypen, die in elektrisch aktiven Netzwerken miteinander verbunden waren.

Das Team platzierte jedes Mini-Gehirn sorgfältig in einem siegelähnlichen Chip, der mit winzigen Elektroden gefüllt war. Der Chip kann Gehirnzellsignale von mehr als 1.000 Kanälen aufzeichnen und Organoide mit fast drei Dutzend Elektroden gleichzeitig zerstören. Dadurch ist es möglich, die Stimulation präzise zu steuern und die Aktivität des Minihirns aufzuzeichnen. Mithilfe eines KI-Tools werden abstrakte neuronale Ergebnisse auf einem normalen Computer in freundliche Antworten übersetzt.

In einem Spracherkennungstest zeichnete das Team 240 Audioclips von 8 sprechenden Personen auf. Jeder Clip erfasst einen isolierten Vokal. Sie wandelten den Datensatz in einzigartige Muster elektrischer Stimulation um und speisten sie in ein neu entwickeltes Mini-Gehirn ein. In nur zwei Tagen konnte das Brainoware-System mit einer Genauigkeit von fast 80 % zwischen verschiedenen Sprechern unterscheiden.

Anhand einer populären neurowissenschaftlichen Maßnahme stellte das Team fest, dass die Elektroschocks das Minigehirn „trainierten“, einige Netzwerke zu stärken und andere zu beschneiden, was darauf hindeutet, dass es seine Netzwerke neu verkabelt, um das Lernen zu erleichtern.

In einem anderen Test trat Brainoware gegen KI an und musste eine anspruchsvolle mathematische Aufgabe lösen, die dabei helfen könnte, stärkere Passwörter zu generieren. Obwohl etwas weniger genau als eine KI mit Kurzzeitgedächtnis, war Brainoware viel schneller. Ohne menschliche Aufsicht wurden in weniger als 10 % der Zeit, die KI benötigte, nahezu konforme Ergebnisse erzielt.

„Dies ist eine erste Demonstration der Verwendung von Gehirnorganoiden [for computing]“, sagte Studienautor Dr. Feng Guo MIT Technology Review.

Cyborg-Computer?

Die neue Studie ist die neueste zur Erforschung hybrider Biocomputer – einer Mischung aus Neuronen, KI und Elektronik.

Im Jahr 2020 verschmolz ein Team künstliche und biologische Neuronen zu einem Netzwerk, das mithilfe der Gehirnchemikalie Dopamin kommunizierte. In jüngerer Zeit lernten fast eine Million Neuronen, die auf einem Teller lagen, durch elektrische Entladungen, das Videospiel Pong zu spielen.

Brainoware ist ein potenzieller Durchbruch. Im Vergleich zu isolierten Neuronen ahmen Organoide das menschliche Gehirn und seine hochentwickelten neuronalen Netzwerke besser nach. Aber sie sind nicht ohne Mängel. Ähnlich wie bei Deep-Learning-Algorithmen sind die internen Prozesse von Minigehirnen unklar, was es schwierig macht, die „Black Box“ zu entschlüsseln, wie sie rechnen – und wie lange sie Erinnerungen behalten.

Dann gibt es noch das „Wetlab“-Problem. Im Gegensatz zu einem Computerprozessor können Minigehirne nur einen engen Temperatur- und Sauerstoffgehaltsbereich tolerieren und sind gleichzeitig ständig dem Risiko einer Infektion durch krankheitserregende Mikroben ausgesetzt. Das bedeutet, dass sie sorgfältig in einer nahrhaften Brühe und mit spezieller Ausrüstung gezüchtet werden müssen. Die für den Erhalt dieser Nutzpflanzen erforderliche Energie kann die Gewinne des Hybrid-Computersystems ausgleichen.

Mini-Gehirne lassen sich jedoch immer einfacher mit kleineren, effizienteren Systemen züchten – auch mit solchen mit integrierten Aufnahme- und Zapping-Funktionen. Beim schwierigsten Thema geht es nicht um technische Herausforderungen; Vielmehr geht es darum, was akzeptabel ist, wenn das menschliche Gehirn als Rechenelement verwendet wird. KI und Neurowissenschaften verschieben schnell die Grenzen, und KI-Modelle für das Gehirn werden wahrscheinlich noch ausgefeilter.

„Es ist von entscheidender Bedeutung, dass die Gemeinschaft die unzähligen neuroethischen Fragen im Zusammenhang mit Biocomputersystemen untersucht, die menschliches Nervengewebe integrieren“, schrieben Smirnova, Caffo und Johnson.

Bildnachweis: Ein sich entwickelndes Gehirnorganoid / National Institute of Allergy and Infectious Diseases, NIH

Leave a Reply

Your email address will not be published. Required fields are marked *