Επιστήμονες έβαλαν νευρώνες ανθρώπινου εγκεφάλου σε ρομποτικό σκύλο

Η χρήση ζωντανών νευρώνων ως βάση για υπολογιστικά τσιπ υπόσχεται σημαντικά πλεονεκτήματα σε σχέση με τα συμβατικά συστήματα, τόσο στην ενεργειακή απόδοση όσο και στην προσαρμοστικότητα. Παρότι η τεχνητή νοημοσύνη είναι ιδιαίτερα εξελιγμένη, ο ανθρώπινος εγκέφαλος χρειάζεται πολύ λιγότερη ενέργεια και εξακολουθεί να διαχειρίζεται πολύ καλύτερα το άγνωστο.

Η πιο πρόσφατη επίδειξη αυτής της βιολογικής τεχνολογίας έρχεται από επιστήμονες της Cortical Labs στην Αυστραλία, οι οποίοι εξόπλισαν έναν ρομποτικό σκύλο με νευρώνες καλλιεργημένους στο εργαστήριο. Οι νευρώνες κατάφεραν να τον κατευθύνουν προς έναν στόχο πάνω σε έναν απλό χάρτη.

Καλλιεργώντας τους νευρώνες απευθείας πάνω στο τσιπ και τοποθετώντας ηλεκτρόδια που προσφέρουν αμφίδρομη ηλεκτρική επικοινωνία, η ομάδα της Cortical Labs μπόρεσε να μετατρέψει τη δραστηριότητα του μικρού αυτού συνόλου νευρώνων σε κίνηση για το συνδεδεμένο ρομπότ.

«Ο ρομποτικός σκύλος είναι μια απλή επίδειξη του πώς η πρόοδος στα βιολογικά συστήματα μπορεί επίσης να εφαρμοστεί στον πραγματικό κόσμο, αλλά βοηθά να γίνει η δυνατότητα απτή», λέει ο Brett Kagan, συνιδρυτής και διευθύνων σύμβουλος της Cortical Labs.

«Σε πιο μακροπρόθεσμο ορίζοντα, αυτή η προσέγγιση θα μπορούσε να στηρίξει ρομπότ και αυτόνομα συστήματα που χρειάζεται να λαμβάνουν αποφάσεις σε απρόβλεπτα, πραγματικά περιβάλλοντα».

Η τεχνολογία βρίσκεται ακόμη σε πρώιμο στάδιο και προς το παρόν δεν είναι ιδιαίτερα γρήγορη ή αποδοτική. Στο μέλλον, όμως, θα μπορούσαμε να δούμε ρομπότ που ελέγχονται από νευρώνες να λειτουργούν σε απομακρυσμένες ή επικίνδυνες συνθήκες ή να βοηθούν ανθρώπους με εξατομικευμένες αποκρίσεις που μαθαίνουν με τον χρόνο.

Η Cortical Labs έχει ήδη δείξει συσσωματώματα νευρώνων να ολοκληρώνουν υπολογιστικές εργασίες, ανάμεσά τους και παιχνίδια όπως το Pong και το Doom, και τώρα επεκτείνει την ιδέα στον φυσικό κόσμο, μέσω της ρομποτικής, προσφέροντας μια εναλλακτική στα παραδοσιακά συστήματα.

«Τα ρομπότ που εξελίσσονται σε εξαιρετικά ικανά μηχανήματα στον φυσικό έλεγχο εξακολουθούν να δυσκολεύονται στο ανώτερο επίπεδο ελέγχου που απαιτείται για να μαθαίνουν γρήγορα ή να προσαρμόζονται όταν αλλάζουν οι συνθήκες», λέει ο Kagan.

«Το περπάτημα, το τρέξιμο και οι ακροβατικοί ελιγμοί είναι εντυπωσιακά, αλλά το να καθορίζεις πού και πότε θα γίνουν οι ενέργειες παραμένει πρόκληση με τις παραδοσιακές μεθόδους».

Παρόμοια επίδειξη έχει πραγματοποιηθεί από την Cortical Labs και σε συνεργασία με το Honda Research Institute Europe. Σε εκείνη την περίπτωση, όλα εκτελέστηκαν σε εικονικό σύστημα, με τον ίδιο στόχο: την καθοδήγηση ενός πράκτορα σε ένα βασικό πλέγμα προς αναζήτηση ανταμοιβής.

Η διάταξη ήταν η ίδια: ηλεκτρικά σήματα διέγειραν νευρώνες πάνω σε ένα τσιπ και το τσιπ επέστρεφε και τα δικά του ηλεκτρικά μηνύματα. Με την αλλαγή στα χαρακτηριστικά του ηλεκτρικού σήματος και την παροχή ανατροφοδότησης για τις κινήσεις του πράκτορα, οι ερευνητές κατάφεραν να εκπαιδεύσουν και να ερμηνεύσουν την κίνηση από το ζωντανό τσιπ.

Σε περισσότερες από 4.000 ώρες αλληλεπίδρασης με το τσιπ και τον πράκτορα, η ομάδα δοκίμασε σχεδόν 1.300 διαφορετικούς συνδυασμούς σημάτων.

«Αυτή η ερευνητική συνεργασία μάς επιτρέπει να εξετάσουμε θεμελιωδώς διαφορετικές προσεγγίσεις για ευφυείς πράκτορες», λέει ο Daniel Tanneberg, Senior Scientist στο Honda Research Institute Europe.

«Η χρήση ζωντανών κυττάρων ως βασικού υπολογιστικού υποστρώματος φέρνει πολλές προκλήσεις, αλλά προσφέρει και μεγάλη προοπτική σε ό,τι αφορά την ενεργειακή απόδοση, την ανθεκτικότητα και την προσαρμογή — μια προοπτική που μπορούμε πλέον να αρχίσουμε να εξερευνούμε και να αξιολογούμε».

Παρότι υπήρξε αρκετός πειραματισμός, τα επόμενα βήματα είναι να κλιμακωθούν αυτά τα τσιπ ώστε να αντιμετωπίζουν πιο σύνθετες εργασίες σε μικρότερο χρόνο, αφού τα ρομπότ στον πραγματικό κόσμο θα χρειαστούν πολύ περισσότερα από το να κινούνται απλώς σε ένα απλό πλέγμα.

Ένας ακόμη στόχος των ερευνητών είναι να μάθουν περισσότερα για το πώς αυτά τα τσιπ με νευρώνες συγκρατούν πληροφορίες και τι είδους λειτουργία «μνήμης» μπορεί να έχουν.

«Η πρόκληση δεν είναι απλώς να καλλιεργήσεις νευρώνες πάνω σε σιλικόνη: είναι να βρεθούν αξιόπιστοι τρόποι να επικοινωνούμε με βιολογικά συστήματα, να τα εκπαιδεύουμε και να κατανοούμε ποιες προσεγγίσεις δίνουν σταθερά αποτελέσματα», λέει ο Johnson Zhou, Research Software Engineer στην Cortical Labs.

«Αυτή η έρευνα μάς δίνει ένα πλαίσιο για να δοκιμάσουμε αυτά τα ερωτήματα σε μεγάλη κλίμακα. Θέτει μια βάση πάνω στην οποία μπορούμε να χτίσουμε καθώς η βιολογική υπολογιστική πλησιάζει σε πρακτικές εφαρμογές».

Η έρευνα για την πλοήγηση δεν έχει ακόμη αξιολογηθεί από ομοτίμους, αλλά παρουσιάστηκε στο συνέδριο NeurIPS 2026 και είναι διαθέσιμη στο arXiv.

Πηγή: sciencealert.com.