Из нейронов и кремния: как гибридная микросхема играла в «Понг»

Компьютерные нейронные сети создавались «по образу и подобию» биологических. «Живые» нейросети — такие как человеческий мозг — легко переключаются с одной задачи на другую, переиспользуют полученный ранее опыт для решения новых задач и способны принимать решения в условиях неопределенности. При этом они требуют ничтожно мало энергии в сравнении с электронными устройствами и могут продолжать функционировать, даже получив серьезные повреждения.

Пару десятилетий назад появилась идея технологии, которая позволит объединить живые нейроны и CMOS-компоненты в одной микросхеме. Исследователи считают, что использование таких «гибридов» для обучения нейронных сетей позволит заменить десятилетия работы компьютерных алгоритмов миллионами лет эволюции. В отличие от привычных нам компьютеров, которые в ходе работы оперируют лишь двумя состояниями, устройства на основе биологических нейронов в теории смогут переключаться между десятками тысяч возможных состояний.

Разработкой цифровых устройств, в которых искусственно выращенные живые нейроны берут на себя задачи обучения или позволяют машине распознавать запахи, занимаются как минимум два стартапа — Cortical Labs и Koniku.

Австралийский стартап Cortical Labs работает над созданием микросхем с искусственно выращенными биологическими нейронами мышей и человека. Задача компании — научить свои чипы решать те же задачи, что и машинный искусственный интеллект, но с гораздо меньшими затратами энергии.

В 2021 году в журнале Neuron было опубликовано исследование, в котором команда стартапа рассказала о своей разработке — системе DishBrain. Сотрудники использовали клетки мозга мыши и человека, взятые из стволовых клеток, и вырастили их поверх матрицы электродов с высокой плотностью. Эти электроды позволили стимулировать нейроны электрическими сигналами и при этом считывать их активность.

Когда нейронная сеть подросла, исследователи проверили, сможет ли система научиться играть в простую компьютерную игру «Понг». В ней была одна ракетка, которой нужно отбивать мячик. Пока нейроны играли, электроды сообщали им, с какой стороны находится мяч. Клетки учились отбивать его так, как если бы сами были ракеткой.

По словам Бретта Кагана, старшего научного сотрудника Cortical Labs, результаты обучения наиболее сильно возрастали в первые 5 минут и прекращалось после 15. За это время точность попаданий улучшалась примерно на 67%.
Другой стартап, Koniku из Беркли, работает над устройствами, в которых биологические нейроны выполняют функции сенсоров запахов. Koniku Kore, первый продукт, который разрабатывает компания, использует гибридный нейроно-кремниевый чип для распознавания летучих органических соединений. Потенциально продукт может получить самые разные применения: от обнаружения взрывчатых веществ до диагностики рака.

Сейчас компания создает нейроны, которые будут обладать способностью уловить конкретный запах. Для этого используется технология редактирования генома, которая изменяет ДНК предшественника нейронов. Koniku получает предшественники от поставщика, который превращает клетки кожи или крови мышей в индуцированные плюрипотентные стволовые клетки. Вырастив нейроны с нужной ДНК, исследователи помещают клетки на полимерную структуру с электродами и ждут, пока они начнут объединяться в единую сеть.

Конечная цель Cortical Labs и Koniku — создать искусственный интеллект общего назначения, способный выполнять задачи наравне с человеком или даже лучше него. Но пока до этого еще далеко.

Биологические нейроны оптимизированы для работы в мозге, но не для того, чтобы быть компьютерами в том смысле, в каком хотелось бы исследователям. Компаниям, которые работают над гибридными микросхемами, приходится искать ответы на одни и те же основные вопросы:

• Как надежно интерпретировать электрические сигналы, генерируемые нейронами?
• Как «запрограммировать» нейроны, чтобы они следовали определенным правилам?
• Как проверить, что клетки ведут себя ожидаемым образом?
• Как поддерживать жизнь нейронов долгое время?

Нейроны сложно выращивать искусственно и еще сложнее поддерживать их в живом состоянии. «Недостатком является то, что нейроны нужно кормить и тщательно поддерживать окружающую их среду, в том числе не допускать роста бактерий, химического дисбаланса и изменения температуры», — говорит Андре ван Шайк (Andre van Schaik), директор международного центра нейроморфных систем из Университета Западного Сиднея.

Также есть сомнения в том, что получится построить сложные микросхемы с живыми нейронами. Такуя Исомура (Takuya Isomura), сотрудник японского исследовательского института Riken, говорит, что, на его взгляд, подобные чипы смогут выполнять только простые задачи из-за того, что связи мозга сложно воспроизводить за его пределами. Андре ван Шайк, в свою очередь, считает, что на результативность может также повлиять то, что преимущества трехмерных органических нейронных сетей исчезают, если поместить клетки на двумерный микрочип.

Цифровые же нейроны нет необходимости поддерживать живыми, плюс не нужно задумываться об их адаптации к двумерной микросхеме. Поэтому они могут стать альтернативным решением для ускорения аппаратных вычислений и снижения энергопотребления существующих компьютерных систем.

Пока сложно сказать, какое из направлений будет в итоге более успешным и кто быстрее приблизится к созданию искусственного интеллекта. Что получится у стартапов и больших корпораций, мы узнаем только спустя время.