I ricercatori hanno scoperto che il sistema era in grado di ottenere gli stessi risultati di altre reti neurali che avevano avuto un tempo di addestramento quasi 10 volte maggiore.
Un team di ingegneri guidati da Feng Guo, dell’Università dell’Indiana a Bloomington (USA), ha costruito un computer chiamato Brainoware, in grado di riconoscere il parlato e di prevedere equazioni non lineari. Anche se per ora il dispositivo è leggermente meno preciso di un computer puramente hardware, alimentato dall’intelligenza artificiale, rappresenta un primo passo importante in un nuovo tipo di architettura informatica, nota come calcolo neuromorfico. Nel tentativo di avvicinarsi alle capacità del cervello, i ricercatori hanno progettato chip di silicio con hardware e algoritmi che imitano la struttura e il modo in cui funziona il cervello. Questi dispositivi, che si basano sui principi dell’elettronica digitale, si scontrano tuttavia con i limiti dell’elevato consumo energetico e dei lunghi tempi di addestramento con le reti neurali artificiali. Per sviluppare il loro Brainoware, Guo e i suoi colleghi hanno utilizzato tessuto cerebrale umano reale, coltivato in laboratorio da cellule staminali umane pluripotenti. Le cellule erano organizzate in mini-cervelli tridimensionali completi, con connessioni e strutture, che chiamavano organoidi. Questi erano a loro volta collegati a una serie di microelettrodi ad alta densità per formare un tipo di rete neurale artificiale, nota come “reservoir computing”.
Uno degli organoidi cerebrali utilizzati nell’esperimento.
Cai et al., Nat.Electron., 2023
Per gli strati di input e output veniva utilizzato il normale hardware del computer, che doveva essere addestrato a funzionare con l’organoide. Pertanto, il livello di output legge i dati neurali e effettua classificazioni o previsioni basate sull’input. La stimolazione elettrica trasportava le informazioni al serbatoio dell’organoide, dove venivano elaborate prima che Brainoware restituisse i suoi calcoli come attività neurale allo strato di output. La ricerca è stata pubblicata questo lunedì su Nature. In un primo compito, i ricercatori hanno utilizzato 240 clip audio di otto parlanti maschi che emettevano suoni vocalici giapponesi e hanno chiesto a Brainoware di identificare la voce di ciascun individuo specifico. Dopo soli due giorni di formazione, Brainoware è riuscito a identificare l’oratore con una precisione del 78%. Successivamente hanno valutato la capacità di previsione di una mappa di Hénon, un sistema dinamico con comportamento caotico. Gli scienziati hanno lasciato Brainoware per quattro giorni senza supervisione e hanno scoperto che era in grado di prevedere la mappa in modo più accurato rispetto a una rete neurale artificiale senza unità di memoria a breve termine. Tuttavia, hanno scoperto che era leggermente meno accurato di quelle reti dopo essere state addestrate per 50 giorni, sebbene raggiungesse quasi gli stessi risultati in meno del 10% del tempo di addestramento.
Un esempio dell’attività neurale scansionata in uno degli organoidi.Cai et al., Nat.Electron., 2023
Le critiche
I suoi creatori sottolineano che questa tecnologia affronta la sfida di mantenere vivi e sani gli organoidi e i livelli di consumo energetico delle apparecchiature periferiche. I ricercatori della Johns Hopkins University (USA), non coinvolti nello studio, hanno messo in guardia dalle implicazioni etiche in un commento pubblicato su Nature Electronics. “Con l’aumento della sofisticazione di questi sistemi organoidi, è fondamentale che la comunità esamini le numerose questioni neuroetiche che circondano i sistemi bioinformatici, che incorporano il tessuto neurale umano“. Gli esperti hanno, però, anche evidenziato i punti di forza dello studio riferendosi al fatto che “potrebbero volerci decenni prima che possano essere creati sistemi bioinformatici generali, ma questa ricerca probabilmente genererà conoscenze fondamentali sui meccanismi di apprendimento , sullo sviluppo neurale e sulle implicazioni cognitive dell’apprendimento”. malattie neurodegenerative”.
