Les cellules du cerveau humain sur une puce peuvent reconnaître la parole et faire des calculs simples : ScienceAlert

Il n’existe aucun ordinateur aussi puissant et complexe que le cerveau humain. Les morceaux de tissus logés dans nos crânes peuvent traiter des informations en quantités et à des vitesses que la technologie informatique peut à peine atteindre.

La clé du succès du cerveau réside dans l’efficacité du neurone à servir à la fois de processeur et de dispositif de mémoire, contrairement aux unités physiquement séparées de la plupart des appareils informatiques modernes.

Il y a eu de nombreuses tentatives pour rendre l’informatique plus semblable au cerveau, mais un nouvel effort va encore plus loin – en intégrant le tissu cérébral humain réel et réel à l’électronique.

Ça s’appelle Brainoware, et ça marche. Une équipe dirigée par l’ingénieur Feng Guo de l’Université d’Indiana à Bloomington lui a confié des tâches telles que la reconnaissance vocale et des problèmes mathématiques tels que la prédiction d’équations non linéaires.

Il était légèrement moins précis qu’un ordinateur purement matériel fonctionnant grâce à l’intelligence artificielle, mais la recherche démontre une première étape importante dans un nouveau type d’architecture informatique.

Cependant, alors que Guo et ses collègues ont suivi les directives éthiques lors du développement de Brainoware, plusieurs chercheurs de l’Université Johns Hopkins notent dans un article connexe Électronique naturelle commentent l’importance de garder à l’esprit les considérations éthiques tout en développant davantage cette technologie.

Lena Smirnova, Brian Caffo et Erik C. Johnson, qui n’ont pas participé à l’étude, prudence“À mesure que la sophistication de ces systèmes organoïdes augmente, il est essentiel que la communauté examine la myriade de problèmes neuroéthiques qui entourent les systèmes de bioinformatique intégrant du tissu neural humain.”

Le cerveau humain est incroyablement étonnant. Il contient une estimation 86 milliards de neuronesen moyenne, et jusqu’à un quadrillion de synapses. Chaque neurone est connecté à 10 000 autres neuronestirant constamment et communiquant les uns avec les autres.

À ce jour, nos meilleurs efforts pour simuler l’activité du cerveau dans un système artificiel n’ont fait qu’effleurer la surface.

En 2013, l’ordinateur K de Riken – alors l’un des supercalculateurs les plus puissants au monde – j’ai tenté d’imiter le cerveau. Avec 82 944 processeurs et un pétaoctet de mémoire principale, il a fallu 40 minutes pour simuler une seconde de l’activité de 1,73 milliard de neurones connectés par 10 400 milliards de synapses, soit environ un à deux pour cent du cerveau.

Ces dernières années, les scientifiques et les ingénieurs ont tenté d’approcher les capacités du cerveau en concevant du matériel et des algorithmes qui imitent sa structure et son fonctionnement. Connu comme informatique neuromorphiquecela s’améliore mais cela consomme beaucoup d’énergie et la formation des réseaux de neurones artificiels prend du temps.

Guo et ses collègues ont recherché une approche différente en utilisant de véritables tissus cérébraux humains cultivés en laboratoire. Les cellules souches pluripotentes humaines ont été amenées à se développer en différents types de cellules cérébrales organisées en mini-cerveaux tridimensionnels appelés organoïdes, dotés de connexions et de structures.

Ce ne sont pas de vrais cerveaux, mais simplement des arrangements de tissus sans rien ressembler à la pensée, à l’émotion ou à la conscience. Ils sont utiles pour étudier le développement et le fonctionnement du cerveau, sans fouiller chez un humain réel.

Brainoware se compose d’organoïdes cérébraux connectés à un réseau de microélectrodes haute densité, à l’aide d’un type de réseau neuronal artificiel appelé calcul de réservoir. La stimulation électrique transporte les informations dans l’organoïde, le réservoir dans lequel ces informations sont traitées avant que Brainoware ne crache ses calculs sous forme d’activité neuronale.

Le matériel informatique normal est utilisé pour les couches d’entrée et de sortie. Ces couches ont dû être formées pour fonctionner avec l’organoïde, la couche de sortie lisant les données neuronales et effectuant des classifications ou des prédictions basées sur l’entrée.

Pour démontrer le système, les chercheurs ont donné à Brainoware 240 clips audio provenant de huit locuteurs masculins émettant des voyelles japonaises et lui ont demandé d’identifier la voix d’un individu spécifique.

Ils ont commencé avec un organoïde naïf ; après seulement deux jours de formation, Brainoware a pu identifier l’orateur avec une précision de 78 %.

Ils ont également demandé à Brainoware de prédire un Hénon map, un système dynamique qui présente un comportement chaotique. Ils l’ont laissé apprendre sans surveillance pendant quatre jours – chaque jour représentant une période d’entraînement – ​​et ont découvert qu’il était capable de prédire la carte avec une meilleure précision qu’un réseau neuronal artificiel sans unité de mémoire à long terme.

Brainoware était légèrement moins précis que les réseaux de neurones artificiels dotés d’une unité de mémoire à long terme – mais ces réseaux avaient chacun subi 50 époques d’entraînement. Brainoware a obtenu des résultats proches des mêmes en moins de 10 % du temps de formation.

“En raison de la grande plasticité et de l’adaptabilité des organoïdes, Brainoware a la flexibilité de changer et de se réorganiser en réponse à la stimulation électrique, soulignant ainsi sa capacité à effectuer un calcul de réservoir adaptatif.” les chercheurs écrivent.

Il existe encore des limites importantes, notamment la question du maintien des organoïdes en vie et en bonne santé, ainsi que les niveaux de consommation électrique des équipements périphériques. Mais, en gardant à l’esprit des considérations éthiques, Brainoware a des implications non seulement pour l’informatique, mais aussi pour la compréhension des mystères du cerveau humain.

“Il faudra peut-être des décennies avant que des systèmes généraux de bioinformatique puissent être créés, mais cette recherche est susceptible de générer des informations fondamentales sur les mécanismes d’apprentissage, le développement neuronal et les implications cognitives des maladies neurodégénératives.” Smirnova, Caffo et Johnson écrivent.

“Cela pourrait également aider à développer des modèles précliniques de déficience cognitive pour tester de nouveaux traitements.”

La recherche a été publiée dans Électronique naturelle.