شهری در سواحل دریاچه ژنو دارای انبوهی از سلول های مغز انسان زنده است که برای اجاره در دسترس هستند. این توده ها، به اندازه یک دانه شن، می توانند سیگنال های الکتریکی را دریافت و پاسخ دهند، درست مانند رایانه ها. گروه‌های تحقیقاتی از سرتاسر جهان می‌توانند مأموریت‌هایی را برای این مخاطبان ارسال کنند، به این امید که اطلاعات را پردازش کرده و سیگنال‌هایی را ارسال کنند.
به دنیای wetware یا biocomputers خوش آمدید. در چندین آزمایشگاه دانشگاهی و شرکت‌های با مسئولیت محدود، محققان در حال رشد نورون‌های انسانی هستند و سعی می‌کنند آنها را به سیستم‌های عملکردی معادل ترانزیستورهای بیولوژیکی تبدیل کنند. آنها می گویند این شبکه های عصبی می توانند روزی یک ابر رایانه را بدون مصرف انرژی زیاد تغذیه کنند.
نتایج تا کنون محدود بوده است. اما دانشمندان مشتاق در حال حاضر در حال خرید یا قرض گرفتن دسترسی به این پردازنده‌های سلول مغزی به صورت آنلاین هستند، حتی ده‌ها هزار دلار برای ساخت مدل‌های خود سرمایه‌گذاری می‌کنند.
برخی می خواهند از این زیست کامپیوترها به عنوان جایگزینی مستقیم برای رایانه های سنتی استفاده کنند، در حالی که برخی دیگر می خواهند از آنها برای مطالعه عملکردهای مغز استفاده کنند.
بنجامین وارد-چریر، محقق روباتیک در دانشگاه بریستول در بریتانیا که برای کار با سلول های مغز سوئیسی وقت اجاره می دهد، می گوید: «تلاش برای درک هوش بیولوژیکی یک مشکل علمی بسیار جالب است. او می افزاید: با نگاه کردن به این مشکل از پایین به بالا، با نسخه های ساده و کوچکتر مغز خودمان و ساختن آن ها کم کم، فکر می کنم راه بهتری نسبت به رویکرد از بالا به پایین است.
طرفداران محاسبات زیستی ادعا می کنند که این سیستم ها روزی می توانند با هوش مصنوعی و حتی قدرت محاسباتی کوانتومی رقابت کنند.
سایر محققانی که روی نورون‌های انسانی کار می‌کنند در مورد آنچه می‌توان به دست آورد، تردید بیشتری دارند. آنها هشدار می دهند که جذابیت بیش از حد و تخیلی این ایده، که گاهی اوقات “مغز در خمره” نامیده می شود، می تواند نتیجه معکوس داشته باشد. اگر این ایده مطرح شود که این سیستم ها “آگاه” یا “آگاه” هستند، این می تواند عواقبی برای جامعه تحقیقاتی داشته باشد.
مادلین لنکستر، زیست‌شناس رشدی در دانشگاه کمبریج در بریتانیا که از بافت عصبی برای مطالعه توسعه و بیماری استفاده می‌کند اما در پروژه‌های محاسباتی زیستی دخالتی ندارد، می‌گوید: «نگرانم که اگر این نوع کار بیش از حد مورد توجه قرار گیرد و اغراق‌آمیز شود، واکنش نه تنها این باشد که باید کمی دقیق‌تر درباره این کار فکر کنیم، بلکه باید این نوع کار را متوقف کنیم.»
او ادامه می‌دهد: «این می‌تواند منجر به مقرراتی شود که همه چیز را تعطیل می‌کند، حتی بخشی از میدان را که در واقع تلاش می‌کند به مردم کمک کند».
بسته شدن
دانشمندان کامپیوتر مدت هاست که مجذوب کارایی انرژی فوق العاده مغز انسان شده اند. با استفاده از انرژی کمتر از 20 وات، که تقریباً مقدار انرژی مورد نیاز برای چرخاندن یک پنکه رومیزی کوچک است، مغز می تواند از میلیاردها نورون خود برای انجام معادل یک میلیارد میلیارد عملیات ریاضی در هر ثانیه استفاده کند. بهترین ابررایانه های امروزی می توانند به این سرعت ها دست یابند، اما در عوض میلیون ها برابر انرژی بیشتری مصرف می کنند.
برخی از محققان در تلاش هستند تا ساختار بسیار کارآمد مغز را با استفاده از تراشه های سیلیکونی بازسازی کنند. این رویکرد که معمولاً محاسبات نورومورفیک نامیده می شود، از نحوه اتصال نورون ها و آتش زدن برای برقراری ارتباط الهام گرفته شده است. به طور خاص، برخی از این سیستم‌ها سعی می‌کنند نحوه نیاز نورون‌ها را برای شارژ تا آستانه‌ای مشخص و سپس ارسال یک پالس الکتریکی تقلید کنند. اما بیوکمپیوتر به سراغ خود ماده بیولوژیکی می رود. محققان با استفاده از سلول‌های بنیادی پرتوان القایی (سلول‌های iPS)، که می‌توانند برای تبدیل شدن به هر نوع سلولی دوباره برنامه‌ریزی شوند، جمعیت سلول‌های مغزی را پرورش می‌دهند و آنها را با مواد مغذی و فاکتورهای رشد حفظ می‌کنند.
برای برقراری ارتباط با این سلول‌ها، محققان آنها را روی آرایه‌های الکترودی قرار می‌دهند و سپس سیگنال‌ها و فرمان‌هایی را در قالب قطارهایی از پالس‌های الکتریکی برای آنها ارسال می‌کنند. این سیگنال‌ها نحوه ورود و خروج یون‌ها به نورون‌ها را تغییر می‌دهند و می‌توانند باعث شوند برخی سلول‌ها یک پالس الکتریکی به نام پتانسیل عمل شلیک کنند. الکترودهای زیست کامپیوتری می توانند این سیگنال ها را شناسایی کرده و از الگوریتم هایی برای تبدیل آنها به اطلاعات قابل استفاده استفاده کنند.
رایج ترین روش محاسبات زیستی، نورون ها را به خوشه های سه بعدی به نام ارگانوئید رشد می دهد. ترکیب این جمعیت سلول های مغزی بسته به تمایز سلول های بنیادی پرتوان القایی متفاوت است، اما به طور کلی شامل نورون ها و سلول های حمایت کننده آنها، مانند آستروسیت ها و الیگودندروسیت ها می شود.
در ماه آگوست، وارد-چریر و همکارانش گزارش دادند که از ارگانوئیدهای مغز انسان با تقریباً 10000 نورون برای “تشخیص” حروف بریل استفاده کردند.
آنها ابتدا از یک ربات مجهز به حسگر لمسی برای خواندن حروف استفاده کردند، سپس داده‌های جمع‌آوری‌شده برای هر حرف را به الگوهای مختلف پالس‌های الکتریکی با زمان‌بندی و شدت‌های متفاوت تبدیل کردند، که آنها را از طریق آرایه‌ای از هشت الکترود که در نزدیکی سطح ارگانوئید قرار گرفته بودند، عبور دادند. این الکترودها فعالیت جمعی بسیاری از نورون های مجاور را ثبت کردند.
محققان می خواستند بدانند که آیا الگوهای شلیک نورون ها در ارگانوئید بسته به الگوی تحریک ورودی متفاوت است و آیا این پاسخ ها قابل تکرار هستند یا خیر. برای هر حرف، آنها پاسخ ثبت شده از هر الکترود را جمع کردند، آن را به طور میانگین محاسبه کردند تا خروجی کلی ارگانوئید را بدست آورند، و سپس از یادگیری ماشینی برای تشخیص هر گونه الگوی استفاده کردند. نتایج نشان داد که هنگامی که ارگانوئیدها با پالس های الکتریکی مرتبط با حروف خاص تحریک می شدند، یک ارگانوئید منفرد به طور متوسط 61 درصد مواقع همان پاسخ خاص را ایجاد می کرد. این رقم با ترکیب پاسخ‌های سه ارگانوئید به 83 درصد افزایش یافت. به عبارت دیگر، ارگانوئیدها می توانند یک کار پردازش ساده را انجام دهند: تشخیص و شناسایی ورودی ها.
وارد-چریر می‌گوید: «این یک مدرک محکم از مفهوم است. این تازه شروعی است برای نشان دادن اینکه ما می توانیم از پس چنین وظایفی برآییم. گام بعدی انجام کاری کمی پیچیده تر است، که ممکن است شامل تفسیر پیام های سلول های کشت شده به عنوان دستورات برای ربات باشد.
چنین توانایی هایی همان چیزی است که محققان سیستم های حلقه بسته می نامند و هنوز با ارگانوئیدهای انسانی نشان داده نشده اند. با این حال، مطالعه‌ای در سال 2024 گزارش داد که سیستمی از ارگانوئیدهای عصبی موش می‌تواند یک بازی رایانه‌ای را انجام دهد که هدف آن حفظ تعادل یک میله چرخان روی یک واگن متحرک است.
از آنجایی که ورودی ها و خروجی ها در سیستم های رشد یافته سیگنال های الکتریکی ساده هستند، دسترسی از راه دور از طریق وب آسان است. اگرچه ربات خوان بریل در آزمایشگاه Ward-Cherry در بریستول مستقر است، اما ارگانوئیدها در FinalSpark در سوئیس رشد و نگهداری می شوند.
فرد جردن، یکی از بنیانگذاران FinalSpark و علاقه‌مند به داستان‌های علمی تخیلی، می‌گوید هدف او توسعه سیستم‌های عصبی بیولوژیکی است که می‌توانند «کارهایی شبیه به آنچه امروزه با هوش مصنوعی انجام می‌شود» انجام دهند.
او اعتراف می کند که هنوز راه زیادی در پیش دارد. سیستم های ارگانوئیدی، مانند رایانه ها، در حال حاضر از نقطه نظر عملی کاملاً بی فایده هستند. تفاوت زیادی بین رویا دیدن در مورد چیزی و انجام واقعی آن وجود دارد. و من دوست دارم یکی از کسانی باشم که این قدم را برمی دارد. گروه های آکادمیک منتخب، مانند گروه Ward-Cherry، دسترسی رایگان به ارگانوئیدهای FinalSpark دارند و گروه های زیادی برای آن ثبت نام کرده اند.
به عنوان مثال، گروهی در دانشگاه میشیگان در حال آزمایش انواع مختلف تحریک هستند تا ببینند ارگانوئیدها چگونه رفتار می کنند، و محققان دانشگاه آزاد برلین بر این تمرکز دارند که چگونه ابزارهای یادگیری ماشینی می توانند به بهترین شکل اطلاعات را از الگوهای شلیک عصبی استخراج کنند.
برای مشتریان ثروتمندتر، از جمله شرکت های خصوصی، هزینه ماهیانه 5000 دلار می تواند دسترسی آنلاین انحصاری به سیستم Organoid را تضمین کند و بسیاری از آن استفاده می کنند. بر خلاف کار رایگان گروه‌های دانشگاهی، FinalSpark نمی‌داند مشتریانی که اشتراک پرداخت می‌کنند از ارگانوئیدها برای چه استفاده می‌کنند.
حوزه آموزشی
یکی از اهداف فوری بسیاری از افرادی که از ارگانوئیدهای مغزی برای انجام کارهای پیچیده تر استفاده می کنند، یافتن راه هایی برای آموزش نورون ها و در نتیجه تشویق رفتار معنادار در آنها است.
در حال حاضر، پاسخ‌های مشاهده‌شده از ارگانوئیدهای رشد یافته در آزمایشگاه FinalSpark بیشتر شبیه پاسخ‌های بازتابی سیستم عصبی محیطی است (به عنوان مثال، فردی که در پاسخ به ضربه‌ای به زیر زانو ناگهان لگد می‌زند) تا فرآیندهای انعطاف‌پذیر و انعطاف‌پذیری که تصمیم‌گیری در مغز را هدایت می‌کنند.
برای اینکه این سیستم‌های عصبی به شیوه‌ای پیچیده‌تر عمل کنند، باید یاد بگیرند. همانطور که جردن می‌گوید، یکی از راه‌های تشویق به این امر، دادن انتقال‌دهنده‌های عصبی ارگانوئیدی مانند دوپامین است تا پاسخ خود را به محرک‌های خاص «کوک» کنند. دوپامین باعث می شود نورون ها بیشتر به آتش کشیده شوند و سیناپس هایی را که آنها را به هم متصل می کنند تقویت می کند. دو تغییر که احتمال تکرار همان پاسخ عصبی به یک محرک خاص را در آینده افزایش می دهد.
روش دیگر تکنیکی به نام تحریک آموزش الگو است که در سال 2022 توسط محققان آزمایشگاه کورتیکال (مستقر در ملبورن، استرالیا) برای تشویق سلول های مغزی رشد یافته در آزمایشگاه به بازی رایانه ای دهه 1970 به نام پونگ پنگ استفاده شد.
آنها به جای کار با ارگانوئیدها، شبکه هایی از سلول ها را در داخل ظروف آزمایشگاهی ایجاد کردند. سپس محققان این سلول ها را به یک کامپیوتر برنامه ریزی شده متصل کردند. بنابراین پاسخ‌های نورون‌ها به تحریک می‌تواند حرکت یک دست و پا زدن مجازی را در حین پرش توپ مجازی به اطراف صفحه کنترل کند.
برای هدایت دست و پا به سمت توپ، محققان یک انفجار منظم از فعالیت الکتریکی را به نورون ها ارائه کردند، اگر در ابتدا به طور تصادفی درست بود. اما اگر نورون ها چرخ را در جهت اشتباه حرکت دهند، با نویز سفید آشفته بمباران می شوند. با گذشت زمان، نورون ها یاد گرفتند که به توپ ضربه بزنند به گونه ای که به جای پاسخ تصادفی، یک پاسخ الکتریکی منظم (الگوی) دریافت کردند.
استراتژی مورد استفاده از مشاهده این موضوع الهام گرفته شده است که سلول های مغز تمایل به تکرار فعالیتی دارند که نتیجه قابل پیش بینی ایجاد می کند. قرار دادن سلول ها در حالتی که در آن یاد بگیرند کدام الگوهای فعالیت با نتایج مطلوب تری مرتبط است، ممکن است اولین قدم در ایجاد رفتار هدفمند باشد.
تعدادی از محققان در آزمایشگاه‌های کورتیکال و سایر موسسات اکنون در تلاش هستند تا دریابند که آیا چنین سلول‌های کشت‌شده می‌توانند اشکال اساسی شناخت مانند یادگیری، حافظه و پیش‌بینی را بیان کنند.
به گفته برت کاگان، مدیر ارشد علمی آزمایشگاه های کورتیکال: اگر بتوانیم حتی نمونه کوچکی از یادگیری تطبیقی را در چنین سیستم هایی نشان دهیم، می توان گفت که آنها نوعی هوش بیولوژیکی اولیه دارند.
اما اینها عقایدی هستند که باعث بحث های اخلاقی می شوند. در حال حاضر این شبکه‌های سلولی خیلی ابتدایی هستند که نمی‌توان آنها را «هوشیار» یا «احساس» در نظر گرفت، اما با افزایش پیچیدگی و شروع به نمایش رفتارهای یادگیری، سؤالات دشواری در مورد محدودیت‌های آگاهی بیولوژیکی و مسئولیت اخلاقی محققان مطرح می‌شود.
کاترین میلز، استاد اخلاق زیستی در دانشگاه موناش در ملبورن، می‌گوید: اگر با سیستم‌هایی مواجه می‌شویم که ابتدایی‌ترین پردازش را مشابه تجربه ذهنی دارند، باید بپرسیم که چه حقوق یا ملاحظات اخلاقی نسبت به آنها داریم. او می افزاید: سوال این نیست که آیا یک مغز ارگانوئید می تواند به اندازه انسان هوشیار باشد، بلکه سوال این است که آیا می تواند سطوحی از احساسات یا تجربه داشته باشد که رفتار اخلاقی متفاوتی را می طلبد.
در پاسخ، برخی از محققان می گویند که این سناریوها هنوز گریزان هستند. جردن FinalSpark می‌گوید: «در این مرحله، ما با مجموعه‌ای از نورون‌ها سر و کار داریم که ساختار سازمان‌یافته قشری مانند ندارند. آنها نمی توانند چیزی را حس کنند، ببینند یا تجربه کنند. اما او همچنین اذعان می‌کند که با پیشرفت فناوری، ممکن است نیاز به تعریف چارچوب‌های نظارتی جدیدی داشته باشیم که قبل از دستیابی به آگاهی واقعی، مرزها را تعیین می‌کنند.
بیشتر تمرکز در حال حاضر بر درک چگونگی عملکرد این سیستم ها است. هرچه بیشتر در مورد مغز بیاموزیم و آن را در مقیاس آزمایشگاهی بازسازی کنیم، بهتر می توانیم عملکرد مغز انسان را درک کنیم و از اصول آن برای ایجاد سیستم های هوش مصنوعی استفاده کنیم. از این گذشته، هدف ایجاد مغز انسان دیگری در یک محیط آزمایشگاهی نیست، بلکه یادگیری از زیست شناسی است که چگونه هوش از ماده پدید می آید.