Científicos han cultivado un pequeño organoide similar a un cerebro a partir de células madre humanas, lo han conectado a una computadora y demostraron su potencial como una especie de chip de aprendizaje automático orgánico, mostrando que puede aprender rápidamente reconocimiento de voz y predicciones matemáticas.
A pesar de los increíbles avances recientes en el aprendizaje automático, la inteligencia artificial todavía está muy por detrás del cerebro humano en algunos aspectos importantes. Por ejemplo, el cerebro aprende y se adapta todo el día con un presupuesto energético de aproximadamente 20 vatios, mientras que una red neuronal artificial comparativamente poderosa necesita alrededor de 8 millones de vatios para lograr algo remotamente comparable.
Además, la plasticidad neural del cerebro humano, su capacidad para crecer nuevo tejido nervioso y expandir canales conectivos existentes, le ha otorgado la habilidad de aprender de flujos de datos de baja calidad y ruidosos, con un entrenamiento y gasto energético mínimos. Lo que los sistemas de IA logran con fuerza bruta y gran energía, el cerebro lo logra con una elegancia sin esfuerzo. Es un crédito a los miles de millones de años de prueba y error de alto riesgo que llevaron al cerebro humano al estado en el que se encuentra hoy, en el que principalmente se usa para ver a un gran número de otras personas bailando mientras estamos en el baño.
Pero si el cerebro es una computadora de aprendizaje tan poderosa, y todo lo que hace en nuestro cráneo es responder a señales eléctricas de nuestros sentidos, ¿por qué no simplemente conectar la cosa en un frasco y ver si puede reemplazar los chips de aprendizaje automático neuronal? Bueno, la mayoría de las personas necesitan sus cerebros, el resto ya saben quiénes son, pero las células cerebrales se pueden crear fácilmente a partir de células madre pluripotentes, en placas de Petri, y tienen una tendencia natural a auto-organizarse y diferenciarse en estructuras útiles como las que encontrarías en un cerebro en desarrollo.
El montaje experimental fue capaz de enviar señales eléctricas al mini-cerebro y leer la actividad neuronal como una salidaIndiana University Por lo tanto, ahora estamos viviendo en la era del biocomputador, una confusión cibernética de silicio y tejido viviente. En septiembre, hablamos con Cortical Labs, que sorprendió al mundo en 2022 al cultivar unas 800,000 células cerebrales sobre un sustrato de silicio y enseñar al computador resultante «DishBrain» a jugar Pong, entre otras cosas.
Ahora, investigadores de la Universidad de Indiana han tomado un enfoque ligeramente diferente al cultivar un organoide cerebral y montarlo sobre un chip de silicio. La diferencia puede parecer académica, pero al permitir que las células madre se auto-organicen en una estructura tridimensional, los investigadores hipotetizaron que el organoide resultante podría ser significativamente más inteligente, que las neuronas podrían exhibir más «complejidad, conectividad, neuroplasticidad y neurogénesis» si se les permitiera organizarse más como lo hacen normalmente.
Así que se cultivaron un pequeño organoide cerebral, de menos de un nanómetro de diámetro, y lo montaron en un arreglo de microelectrodos de alta densidad, un chip que es capaz de enviar señales eléctricas al organoide cerebral, así como leer señales eléctricas que salen debido a la actividad neuronal.
Lo llamaron «Brainoware», que probablemente quisieron decir algo adyacente al hardware y al software, pero que suena demasiado cercano a «BrainAware» para mis gustos sensibles, y evoca la pesadilla perpetua de que uno de estos se vuelva completamente consciente y comprenda su destino.
Luego, comenzaron a tratarlo como un chip de aprendizaje automático neuronal, poniéndolo en un marco de «computación de reservorio». Esta es una idea muy extraña de «caja negra» dentro de la computación de redes neuronales, en la que un «reservorio», que podría ser cualquier cosa desde algún sistema de software virtual, hasta láseres, hasta literalmente un cubo de agua, se usa para «mapear señales de entrada en un espacio computacional de mayor dimensión a través de la dinámica de un sistema fijo no lineal», según Wikipedia.
Curiosamente, el sistema Brainoware fue capaz de distinguir cuál de ocho voces estaba hablando con un sorprendente grado de precisión antes de que comenzara el entrenamientoIndiana University Ni tú ni yo necesitamos pretender que entendemos lo que eso significa, así que todos podemos relajarnos y seguir sin culpa. Los investigadores conectaron el chip de computadora organoide Brainoware a un sistema, tratándolo como un «reservorio vivo adaptable», asegurándose de que el mini-cerebro respondiera a las entradas eléctricas de una manera adecuadamente no lineal, comprobando que tuviera algún tipo de memoria en efecto, averiguando cómo introducir datos espaciales en una matriz de cuadrícula, y luego comenzaron algunas pruebas de aprendizaje no supervisado.
Se centraron en dos áreas: en primer lugar, el reconocimiento de voz; unos 240 clips de audio de hombres adultos hablando japonés se introdujeron en el chip Brainoware después de ser convertidos en señales eléctricas. Sorprendentemente, en el día cero, el organoide pudo distinguir, solo a partir de un solo sonido vocal, cuál de las ocho personas diferentes estaba hablando con una precisión de aproximadamente el 51%. Dos días después, eso había subido al 78%.
Luego pasaron a las matemáticas, haciendo que el chip Brainoware «predijera un mapa de Hénon, que es un sistema dinámico no lineal típico con comportamiento caótico». Esto implicó una capa adicional de abstracción, ya que cada mapa Hénon de 200 puntos y 2D tenía que convertirse en una señal eléctrica unidimensional y espacio-temporal que pudiera introducirse en el tejido cerebral. En dos días, aumentó su precisión al predecir dónde estaría un punto dado de 0.356 a 0.812.
El ordenador cíborg mejoró notablemente sus predicciones matemáticas en dos díasIndiana University Para demostrar su superioridad sobre el equipo de silicio, también lanzaron el mismo problema a algunas redes neuronales artificiales, descubriendo que «superaba notablemente a ANN sin una unidad de memoria a corto y largo plazo», y «mostraba una precisión ligeramente menor que ANN con LSTM… reduciendo los tiempos de entrenamiento en más del 90%».
El equipo concluyó que los organoides cerebrales humanos tridimensionales como este definitivamente pueden formar redes neuronales funcionales y operar como una nueva clase de hardware de aprendizaje automático, al tiempo que abordan naturalmente los desafíos de tiempo, consumo de energía y producción de calor que enfrentan los chips de aprendizaje automático artificiales. Están interesados en mejorar la idea con electrodos de aguja suaves implantados en el tejido cerebral del organoide, lo que daría acceso de entrada/salida a un mayor número de neuronas que el dispositivo actual, que solo tiene contacto con el exterior de la bola de células cerebrales.
Hay limitaciones, sin embargo, como podrías imaginar al trabajar con tejido vivo. En primer lugar, tienes que encontrar una manera de cultivarlos en masa y mantenerlos vivos y saludables, lo cual no es realmente algo de lo que Nvidia tenga que preocuparse. También pueden ser muy diferentes unos de otros, lo que plantea la cuestión algo macabra de si las células cerebrales cultivadas a partir de células madre de neurocientíficos podrían funcionar mejor que las tomadas, por ejemplo, de miembros del club de fans de Sexyy Red.
El equipo también señala que, si bien los chips organoides consumen muy poca energía mientras trabajan, los sistemas de soporte vital sí consumen algunos de los ahorros, aunque los investigadores creen que si este tipo de cosas despega, estos sistemas podrían desarrollarse rápidamente.
Y finalmente, al igual que el equipo de Cortical Labs, este equipo realmente no tiene una idea clara de qué hacer sobre la ética de crear micro-cerebros a partir de neuronas humanas y conectarlas en computadoras cíborg vivas. «A medida que la sofisticación de estos sistemas de organoides aumenta, es crítico para la comunidad examinar la miríada de cuestiones neuroéticas que rodean los sistemas de biocomputación que incorporan tejido neural humano», escribió el equipo. «Puede que pasen décadas antes de que se puedan crear sistemas generales de biocomputación, pero esta investigación probablemente generará conocimientos fundamentales sobre los mecanismos de aprendizaje, desarrollo neural y las implicaciones cognitivas de enfermedades neurodegenerativas».
Estas son, de hecho, aguas extrañas en las que estamos entrando a medida que la tecnología se acelera aparentemente fuera de todo control en 2023. Quién sabe cómo será 2030, y mucho menos 2050.
