Οι υπολογιστές συχνά περιγράφονται ως «τεχνητοί εγκέφαλοι», απέχουν όμως πολύ από την πολυπλοκότητα και την ενεργειακή απόδοση του ανθρώπινου εγκεφάλου. Η τεχνητή νοημοσύνη καταναλώνει τεράστιες ποσότητες ηλεκτρικής ενέργειας και η ζήτηση αυξάνεται συνεχώς. Μια πιθανή απάντηση είναι η σύζευξη ζωντανών εγκεφαλικών κυττάρων με προγραμματιζόμενα ηλεκτρονικά συστήματα — τεχνητά νευρωνικά δίκτυα χτισμένα με βιολογικά κύτταρα που υπόσχονται μεγάλη εξοικονόμηση ενέργειας.
Προηγούμενες προσπάθειες να χρησιμοποιηθούν πραγματικοί νευρώνες ως «εγκέφαλος» υπολογιστικών συστημάτων προσέκρουσαν σε σοβαρά εμπόδια. Οι διδιάστατες καλλιέργειες νευρώνων εμφάνιζαν αφύσικες αλληλεπιδράσεις και γονιδιακή έκφραση, δεν επιβίωναν για πολύ και δεν κατάφερναν να αναπαράγουν τις συνδέσεις και τη δραστηριότητα που παρατηρούνται in vivo. Πιο προχωρημένα in vitro δίκτυα προσπάθησαν να διορθώσουν αυτά τα προβλήματα με οργανοειδή, όμως τα εγκεφαλικά οργανοειδή—συσσωματώματα βλαστικών κυττάρων που μετατρέπονται σε νευρώνες—παραμένουν ασυνεπή και επιρρεπή σε υποξία και νέκρωση.
Μια εναλλακτική προσέγγιση είναι τα τρισδιάστατα βιολογικά νευρωνικά δίκτυα (BNNs). Ιδανικά, ένα τέτοιο σύστημα θα ήταν ένα αναπαραγώγιμο in vitro μοντέλο που ανασυγκροτεί τα δικτυακά χαρακτηριστικά του εγκεφάλου και έχει διάρκεια ζωής. Θα συνδύαζε πυκνές και αραιές νευρωνικές συνδέσεις—όπως στον ιππόκαμπο—για να αποφεύγεται η υπερφόρτωση μεταφοράς δεδομένων.
Σε αυτή την κατεύθυνση, οι ερευνητές Tian-Ming Fu, James Sturm και Kumar Mritunjay από το Princeton University χρησιμοποίησαν ηλεκτρόδια και μικροσκοπικά μεταλλικά σύρματα για να δημιουργήσουν ένα τρισδιάστατο πολυμερικό ικρίωμα-πλέγμα. Η δομή είναι αρκετά εύκαμπτη ώστε δεκάδες χιλιάδες ζωντανοί νευρώνες να αναπτυχθούν πάνω της σε δίκτυο που μπορεί να λειτουργεί με ελάχιστη ενέργεια. «Understanding the brain’s network structures and working principles could help in the development of general-purpose computing with improved data and energy efficiencies, as well as provide insights into the brain’s physiology and pathology,» ανέφεραν οι ερευνητές σε μελέτη που δημοσιεύτηκε πρόσφατα στο Nature Electronics.
Η ομάδα ξεκίνησε το πείραμα για να διερευνήσει εκκρεμή ερωτήματα σχετικά με τη λειτουργία του εγκεφάλου, αλλά γρήγορα διέκρινε το δυναμικό του ως βιολογικό νευρωνικό δίκτυο. Έτσι γεννήθηκε το 3D-MIND (3D Micro-Instrumented Neural network Device). Αντλώντας έμπνευση από το οριγκάμι, αρχικά κατασκεύασαν τη συσκευή σε δύο διαστάσεις, ενσωματώνοντας τόσους ηλεκτρονικούς αισθητήρες όσοι χρειάζονταν για να αντιστοιχούν στο σώμα (soma) ενός νευρώνα, και στη συνέχεια τη δίπλωσαν σε τρισδιάστατες στοιβάδες. Έπειτα ενσωμάτωσαν τους νευρώνες στο σύστημα. Αν και αυτό δεν έχει γίνει ακόμη με ανθρώπινους νευρώνες, εξήγαγαν και καλλιέργησαν πάνω στο ικρίωμα νευρώνες αρουραίων από τον ιππόκαμπο, που είναι κρίσιμος για τη μάθηση και τη μνήμη.
Τέλος, ολόκληρη η συσκευή καλύφθηκε με μια λεπτή επίστρωση γέλης. Η επίστρωση, πρακτική και προστατευτική, περιείχε πρωτεΐνες που υποστήριξαν τους νευρώνες ώστε να δημιουργήσουν ισχυρές συνδέσεις με τα γλοιακά κύτταρα—κύτταρα που όχι μόνο συγκρατούν τις νευρικές δομές, αλλά παρέχουν θρεπτικά συστατικά, επιτελούν ανοσολογικές λειτουργίες, ρυθμίζουν τη χημεία, παράγουν τη μυελίνη και κρατούν καθαρό το περιβάλλον για τη σηματοδότηση.
Με τον χρόνο, οι ερευνητές παρατήρησαν ότι οι νευρώνες αυτοοργανώνονταν και σχημάτιζαν συνδέσεις σε τρεις διαστάσεις σε όλη τη δομή. Ήταν αρκετά σταθεροί ώστε να παρακολουθούνται για μεγάλα χρονικά διαστήματα, και η ομάδα κατέγραψε την ανάπτυξη, την ωρίμανση και τα δυναμικά ενεργείας—τα ηλεκτρικά σήματα με τα οποία επικοινωνούν οι νευρώνες.
Οι ίδιοι αναγνωρίζουν ότι η κλιμάκωση του συστήματος θα είναι απαιτητική, ωστόσο τα ευρήματα είναι ενθαρρυντικά, ιδίως σε σύγκριση με τα σημερινά ενεργοβόρα δίκτυα τεχνητής νοημοσύνης. «The interfaced system can then provide a physiologically relevant understanding of the brain’s 3D network connectivity,» έγραψε η ομάδα. «[It has] the ability to track a 3D neural network [and] could be of use in understanding the efficiency and versatility of the brain’s computational capabilities.»
