Las células del cerebro humano en un chip pueden reconocer el habla y realizar cálculos simples: ScienceAlert

Ninguna computadora es tan poderosa y compleja como el cerebro humano. Las masas de tejido de nuestros cráneos pueden procesar información en cantidades y velocidades que la tecnología informática apenas puede alcanzar.

La clave del éxito del cerebro es la eficiencia de las neuronas a la hora de actuar como procesador y dispositivo de memoria, a diferencia de las unidades físicamente separadas de la mayoría de los dispositivos informáticos modernos.

Ha habido muchos intentos de hacer que la informática se parezca más al cerebro, pero un nuevo esfuerzo va un paso más allá: integrando tejido cerebral humano real con la electrónica.

Se llama Brainoware y funciona. Un equipo dirigido por el ingeniero Feng Guo de la Universidad de Indiana en Bloomington lo ha equipado con tareas como reconocimiento de voz y problemas matemáticos como la predicción de ecuaciones no lineales.

Era un poco menos preciso que una computadora con IA pura, pero la investigación demuestra un primer paso importante en un nuevo tipo de arquitectura informática.

Sin embargo, aunque Gu y sus colegas siguieron pautas éticas al desarrollar Brainoware, varios investigadores de la Universidad Johns Hopkins señalaron en un informe relacionado Electrónica de la naturaleza Comente sobre la importancia de tener en cuenta las consideraciones éticas a medida que ampliamos aún más esta tecnología.

Lena Smirnova, Brian Cafu y Eric C. Johnson, que no participó en el estudio, advertir«A medida que aumenta la complejidad de estos sistemas orgánicos, es importante que la sociedad considere las innumerables cuestiones neuroéticas que rodean los sistemas bioinformáticos que involucran el tejido nervioso humano».

La mente humana es asombrosamente asombrosa. Y hay aprecio 86 mil millones de neuronasen promedio, y Hasta mil billones de sinapsis. Cada neurona está conectada hasta Otras 10.000 neuronasdisparando y comunicándose constantemente entre sí.

Hasta ahora, nuestros mejores esfuerzos para simular la actividad cerebral en un sistema artificial no han llegado a la superficie.

En 2013 se lanzó el ordenador K de Riken, entonces uno de los superordenadores más potentes del mundo. Hizo un intento de imitar el cerebro.. Utilizando 82.944 procesadores y un petabyte de memoria principal, se necesitaron 40 minutos para simular un segundo de la actividad de 1.730 millones de neuronas conectadas por 10,4 billones de sinapsis, o sólo entre el uno y el dos por ciento del cerebro.

En los últimos años, científicos e ingenieros han intentado acercarse a las capacidades del cerebro mediante el diseño de dispositivos y algoritmos que imitan su estructura y funcionamiento. conocido como Computación neuronalEstá mejorando, pero consume mucha energía y entrenar redes neuronales artificiales lleva mucho tiempo.

Gu y sus colegas buscaron un enfoque diferente utilizando tejido cerebral humano real cultivado en un laboratorio. Se ha estimulado a las células madre pluripotentes humanas para que se conviertan en diferentes tipos de células cerebrales que se organizan en pequeños cerebros tridimensionales llamados orgánulos, completos con conexiones y estructuras.

Estos no son cerebros reales, sino meras disposiciones de tejido sin nada que se parezca a pensamiento, emoción o conciencia. Son útiles para estudiar cómo se desarrolla y funciona el cerebro, sin interferir con los humanos reales.

Brainoware consiste en organoides cerebrales conectados a una serie de microelectrodos de alta densidad, utilizando un tipo de red neuronal artificial conocida como Computación de tanques. La estimulación eléctrica transmite información al organoide, el reservorio en el que se procesa esa información antes de que Brainoware genere sus cálculos en forma de actividad neuronal.

Se utilizan computadoras normales para las capas de entrada y salida. Estas capas tuvieron que ser entrenadas para trabajar con el organoide, con la capa de salida leyendo los datos neuronales y haciendo clasificaciones o predicciones basadas en la entrada.

Para demostrar el sistema, los investigadores dieron a Brainoware 240 clips de audio de ocho hablantes masculinos que emitían sonidos de vocales japonesas y le pidieron que identificara la voz de un individuo específico.

Comenzaron con un orgánico ingenuo. Después de entrenar durante solo dos días, Brainoware pudo identificar al hablante con hasta un 78% de precisión.

También le pidieron a Brainoware que predijera mapa de Hénon, un sistema dinámico exhibe un comportamiento caótico. Lo dejaron sin supervisión para que aprendiera durante cuatro días (cada día representaba una época de entrenamiento) y descubrieron que era capaz de predecir el mapa con mayor precisión que una red neuronal artificial sin una unidad de memoria a corto plazo.

Los programas cerebrales eran ligeramente menos precisos que las redes neuronales artificiales de memoria a largo y corto plazo, pero todas estas redes pasaron por 50 épocas de entrenamiento. Brainoware logró aproximadamente los mismos resultados en menos del 10 por ciento del tiempo de entrenamiento.

«Debido a la alta plasticidad y adaptabilidad de los organoides, Brainoware tiene la flexibilidad de cambiar y reorganizarse en respuesta a la estimulación eléctrica, lo que destaca su potencial para la computación de respaldo adaptativa». Los investigadores escriben.

Siguen existiendo limitaciones importantes, incluida la cuestión de mantener los órganos vivos y sanos y los niveles de consumo de energía de los equipos periféricos. Pero, teniendo en cuenta consideraciones éticas, Brainoware tiene implicaciones no sólo para la informática, sino también para la comprensión de los misterios del cerebro humano.

«Pueden pasar décadas antes de que se creen sistemas bioinformáticos generales, pero es probable que esta investigación genere conocimientos fundamentales sobre los mecanismos del aprendizaje, el desarrollo neurológico y los efectos cognitivos de las enfermedades neurodegenerativas». Smirnova, Cafú y Johnson escriben.

«También podría ayudar a desarrollar modelos preclínicos de deterioro cognitivo para probar nuevos tratamientos».

La investigación fue publicada en Electrónica de la naturaleza.