Не существует компьютера, даже отдалённо похожего на человеческий мозг по мощности и сложности. Комочки ткани, расположенные в нашем черепе, способны обрабатывать информацию в таких объёмах и с такой скоростью, что вычислительная техника едва может к этому приблизиться.

Ключом к успеху мозга является эффективность нейрона как процессора и устройства памяти, в отличие от физически разделённых блоков в большинстве современных вычислительных устройств.

Было много попыток сделать вычислительные системы более похожими на мозг, но новая попытка делает ещё один шаг вперёд — интегрирует настоящую, реальную ткань человеческого мозга в электронику.

Это называется Brainoware, и это работает. Команда под руководством инженера Фенга Гуо из Университета Индианы в Блумингтоне ставила ему такие задачи, как распознавание речи и решение нелинейных уравнений.

Точность оказалась чуть ниже, чем у чисто аппаратного компьютера, работающего на искусственном интеллекте, но исследование демонстрирует первый важный шаг в создании новой разновидности компьютерной архитектуры.

Однако, хотя Гуо и его коллеги следовали этическим нормам при разработке Brainoware, несколько исследователей из Университета Джонса Хопкинса в соответствующем комментарии Nature Electronics отмечают, что важно помнить об этических соображениях при дальнейшем развитии этой технологии.

Лена Смирнова, Брайан Каффо и Эрик К. Джонсон, не принимавшие участия в исследовании, предупреждают: «По мере совершенствования этих органоидных систем сообществу крайне важно изучить огромное количество нейроэтических вопросов, связанных с биокомпьютерными системами, использующими человеческую нервную ткань».

Человеческий мозг просто поражает воображение. Он содержит в среднем 86 миллиардов нейронов и до квадриллиона синапсов. Каждый нейрон связан с 10 000 других нейронов, которые постоянно работают и общаются друг с другом.

В 2013 году компьютер K Computer компании Riken — на тот момент один из самых мощных суперкомпьютеров в мире — предпринял попытку имитировать работу мозга. Компьютеру с 82 944 процессорами и петабайтом оперативной памяти потребовалось 40 минут, чтобы смоделировать одну секунду активности 1,73 миллиарда нейронов, соединённых 10,4 триллионами синапсов — всего лишь от одного до двух процентов мозга.

В последние годы учёные и инженеры пытаются приблизиться к возможностям мозга, разрабатывая аппаратное обеспечение и алгоритмы, имитирующие его структуру и принцип работы. Эта технология, известная как нейроморфные вычисления, совершенствуется, но она энергоёмкая, а обучение искусственных нейронных сетей занимает много времени.

Гуо и его коллеги искали другой подход, используя настоящую ткань человеческого мозга, выращенную в лаборатории. Человеческие плюрипотентные стволовые клетки удалось заставить развиться в различные типы клеток мозга, которые организовались в трёхмерные мини-мозги, называемые органоидами, со всеми связями и структурами.

Это не настоящие мозги, а просто структуры тканей, не имеющие ничего похожего на мысли, эмоции или сознание. С их помощью можно изучать развитие и работу мозга, не прибегая к помощи настоящего человека.

Brainoware состоит из органоидов мозга, соединённых с массивом микроэлектродов высокой плотности, с помощью искусственной нейронной сети, известной как резервуарные вычисления. Электрическая стимуляция переносит информацию в органоид — резервуар, в котором эта информация обрабатывается, прежде чем Brainoware выдаёт свои вычисления в виде нейронной активности.

Для входного и выходного слоёв используется обычное компьютерное оборудование. Эти слои нужно было обучить работать с органоидом, причём выходной слой считывает нейронные данные и делает классификации или предсказания на основе входных данных.

Чтобы продемонстрировать работу системы, исследователи предоставили Brainoware 240 аудиоклипов с записями восьми мужчин, произносящих японские гласные звуки, и попросили её идентифицировать голос одного конкретного человека.

Они начали с простого органоида; после двухдневного обучения Brainoware смогла определить говорящего с 78-процентной точностью.

Они также попросили Brainoware предсказать отображение Эно — динамическую систему, демонстрирующую хаотическое поведение. Они оставили её обучаться без присмотра на четыре дня — каждый день представлял собой один этап обучения — и обнаружили, что она способна предсказать карту с большей точностью, чем искусственная нейронная сеть без блока долговременной памяти.

Brainoware оказалась чуть менее точной, чем искусственные нейронные сети с блоком долговременной кратковременной памяти, но эти сети прошли по 50 эпох обучения. Brainoware достигла почти таких же результатов менее чем за 10 процентов времени обучения.

«Благодаря высокой пластичности и адаптивности органоидов, Brainoware может гибко изменяться и реорганизовываться в ответ на электрическую стимуляцию, что подчёркивает его способность к адаптивным вычислениям», — пишут исследователи.

У проекта есть и существенные ограничения, включая проблему поддержания органоидов в живом и здоровом состоянии, а также уровень энергопотребления периферийного оборудования. Но, учитывая этические соображения, Brainoware имеет значение не только для вычислений, но и для понимания тайн человеческого мозга.

«Возможно, пройдут десятилетия, прежде чем будут созданы биокомпьютерные системы общего назначения, но это исследование, вероятно, позволит получить фундаментальные сведения о механизмах обучения, нейронного развития и когнитивных последствиях нейродегенеративных заболеваний, — пишут Смирнова, Каффо и Джонсон. — Оно также может помочь в разработке доклинических моделей когнитивных нарушений для тестирования новых терапевтических средств».