Новая работа с живыми клетками человеческого мозга показала перспективность объединения живых тканей с компьютером.
Колония живых нейронов обучалась быстрее искусственных моделей с почти таким же результатом. Если отбросить вопрос с этикой, до проблем с которой пока далеко, живые клетки человеческого мозга могут превзойти современные и будущие нейронные сети, работающие на кремниевых чипах, как по производительности, так и по экономическим соображениям.
С помощью стволовых клеток учёные вырастили так называемый органоид мозга — объёмную колонию клеток, повторяющих структуру нейронов и их связей в мозге. Это не первый и наверняка не последний эксперимент с живыми клетками, позаимствованными у человека. Ранее органоид мозга, например, научили игре в «Понг», с чем он успешно справился. В таких исследованиях самым сложным бывает донести информацию до «мозга» и считать её.
Группа профессора Го Фэня из Университета штата Индиана в Блумингтоне (США) предложила достаточно простое решение — они вырастили органоид на высокоплотном массиве электродов. Электроды, а это, по сути, компьютерный интерфейс, вносили данные в клетки «мозга» и считывали результат его последующей активности.
Тем самым на практике была реализована такая архитектура спайковой (импульсной) нейросети, как резервуарная. Что происходило в массиве нейронов, учёным было неизвестно, но условно живая модель показала способность к быстрому обучению и расчётам.
Свою нейросеть учёные назвали Brainoware. Система прошла двухдневное обучение на наборе из 240 аудиозаписей речи восьми японских мужчин, произносящих гласные звуки. После этого она смогла распознавать конкретный голос с точностью до 78 %.
Также система смогла решать уравнения по отображениям Эно примерно с такой же точностью. На это ушло ещё четыре дня обучения. Более того, решение дифференциальных уравнений проходило с большей точностью, чем в случае искусственной нейронной сети без блока длинной цепи элементов краткосрочной памяти.
Живой искусственный «мозг» был не такой точный, как искусственные нейронные сети с длинной цепью элементов краткосрочной памяти, но каждая из этих сетей прошла 50 этапов обучения. Сеть Brainoware достигла почти таких же результатов менее чем за 10 % времени обучения, потраченного на обучение искусственных цепей.
