Les chercheurs ont démontré que les cellules cérébrales apprennent plus rapidement et effectuent des réseaux complexes plus efficacement que l'apprentissage automatique en comparant comment un système d'intelligence biologique synthétique (SBI) connue sous le nom d'algorithmes « de la mésange '' et de pointe de la RL (apprentissage par renforcement) réagit à certains stimuli.
L'étude, « La plasticité du réseau dynamique et l'efficacité de l'échantillon dans les cultures neuronales biologiques: une étude comparative avec un apprentissage en renforcement profond ''est le premier connu de son genre.
La recherche a été menée par Cortical Labs, la startup basée à Melbourne qui a créé le premier ordinateur biologique commercial au monde, le CL1. Le CL1, à travers lequel la recherche a été menée, fusionne les neurones cultivés en laboratoire des cellules souches humaines avec du silicium dur pour créer une forme plus avancée et durable de l'IA, appelée « intelligence biologique synthétique » (SBI).
La recherche a étudié la dynamique du réseau complexe des systèmes neuronaux in vitro à l'aide de Dishbrain, qui intègre des cultures neuronales vivantes avec des réseaux multi-électrodes à haute densité dans des environnements de jeu en boucle fermée en temps réel. En intégrant l'activité de dopage dans des espaces à moindre dimension, l'étude s'est distinguée entre les conditions de «repos» et de «gameplay», révélant les modèles sous-jacents cruciaux pour la surveillance et la manipulation en temps réel.
L'analyse met en évidence les changements dynamiques de la connectivité pendant le gameplay, soulignant la plasticité hautement efficace de ces réseaux en réponse aux stimuli. Pour explorer si cela était significatif dans un contexte plus large, les chercheurs ont comparé l'efficacité d'apprentissage de ces systèmes biologiques avec des algorithmes RL profonds de pointe tels que DQN, A2C et PPO dans une simulation pong.
Ce faisant, les chercheurs ont pu introduire une comparaison significative entre les systèmes neuronaux biologiques et la RL profonde, concluant que lorsque les échantillons sont limités à un cours temporel réel, même ces cultures biologiques très simples ont surpassé les algorithmes RL profonds à travers diverses caractéristiques de performance du jeu, impliquant une efficacité d'échantillon plus élevée.
La recherche a été menée par Cortical Labs, en collaboration avec le Turner Institute for Brain and Mental Health, Monash University, Clayton, Australie; IITB-Monash Research Academy, Mumbai, Inde; et le Wellcome Center for Human Neuroimaging, University College de Londres, Royaume-Uni.
Brett Kagan, directeur scientifique de Cortical Labs, a commenté: « Bien que des avancées substantielles aient été réalisées dans le domaine de l'IA ces dernières années, nous pensons que l'intelligence réelle n'est pas artificielle. Nous pensons que l'intelligence réelle est biologique. Dans cette recherche, nous avons décidé de déterminer si Une étape importante et passionnante dans ce voyage.
« Cette percée a été un point de preuve critique qui a conduit à la création éventuelle du CL1, le premier ordinateur biologique du monde, pour accéder à ces propriétés. Cependant, c'est le début du voyage, et non la fin. Grâce à des recherches supplémentaires sur l'intelligence bio-ingéniente (BI), nous pensons que nous pouvons débloquer des capacités de surpasse de loin ce qui est démontré à ce jour. »
Sur la base de la percée originale et du lancement du CL1, Cortical Labs a lancé un deuxième article – 'Deux routes divergentes: des voies vers l'exploitation de l'intelligence dans les cultures de cellules neuronales ' – Proposer une nouvelle approche pour générer des dispositifs intelligents appelés intelligences bio-ingénit (BI).
L'intérêt pour l'utilisation de cultures de cellules neuronales in vitro incarnées dans les paysages d'information structurés s'est rapidement développée. Que ce soit pour les applications biomédicales, scientifiques ou de traitement de l'information et d'intelligence, ces systèmes ont un potentiel important. Actuellement, les efforts coordonnés ont établi le domaine de l'intelligence organoïde (OI) comme une seule voie.
Cependant, des circuits neuronaux en ingénierie spécifiquement pourraient être exploités pour donner naissance à une autre voie, que le document propose d'être des renseignements bio-ingéniers (BI). Le document de recherche examine les opportunités et les défis dominants de l'OI et du BI, proposant un cadre pour conceptualiser ces différentes approches en utilisant des cultures de cellules neuronales in vitro pour le traitement de l'information et l'intelligence.
Ce faisant, le BI est formalisé comme une voie innovante distincte qui peut progresser en parallèle avec OI. En fin de compte, il est proposé que, bien que des pas importants à l'avance puissent être réalisés avec l'une ou l'autre voie, la juxtaposition des résultats de chaque méthode maximisera les progrès dans la direction la plus excitante mais éthiquement durable.
« Notre objectif était d'aller au-delà des manifestations anecdotiques de l'apprentissage biologique et de fournir des preuves quantitatives rigoureuses que les réseaux de neurones vivants présentent une réorganisation rapide et adaptative en réponse à des capacités de stimuli qui restent hors de portée pour les systèmes d'apprentissage profondément les plus avancés », a ajouté des systèmes d'apprentissage des laboratoires corticaux les plus avancés. « Alors que les agents artificiels nécessitent souvent des millions d'étapes d'entraînement pour montrer l'amélioration, ces cultures neuronales s'adaptent beaucoup plus rapidement, réorganisant leur activité en réponse à la rétroaction. En analysant comment leurs signaux électriques ont évolué au fil du temps, nous avons trouvé des modèles clairs d'apprentissage et des changements de connectivité dynamique qui reflètent les principes clés de la fonction cérébrale réelle, démontrant le potentiel des systèmes biologiques en tant qu'apprenants rapide, efficaces. »
Moein Khajehnejad de Cortical Labs a ajouté: « En convertissant l'activité de dopage à haute dimension en représentations interprétables et de faible dimension, nous avons pu découvrir les modèles de plasticité interne et de reconfiguration du réseau qui accompagnent l'apprentissage dans les cultures neuronales biologiques. Ce ne sont pas seulement des différences statistiques dans le temps.
« Ce qui rend cette étude vraiment révolutionnaire, c'est qu'il est le premier à établir une référence en tête-à-tête entre les systèmes biologiques synthétiques et la RL profonde sous des contraintes d'échantillonnage équivalentes. Lorsque les opportunités d'apprentissage sont limitées, une condition plus proche de la façon dont les animaux et les humains apprennent réellement, ces systèmes biologiques ne s'adaptent pas plus rapidement, mais font plus efficacement. »
Prise en charge des laboratoires corticaux:
« Cette étude renforce le cas de l'intelligence bio-conçue en tant que substrat puissant et adaptatif pour le calcul. L'intelligence bio-conçue pourrait remodeler la façon dont nous pensons aux machines – et aux esprits. Ce travail fait allusion aux systèmes vivants qui peuvent ouvrir des machines. » – Adeel Razi, Turner Institute for Brain and Mental Health, School of Psychological Sciences, Monash University, Clayton, Australie.
Le professeur Mirella Dottori, responsable des cellules souches et du laboratoire de modélisation neurale, École des sciences médicales, indigènes et de la santé, Université de Wollongong, a ajouté: Les études de recherche « Cortical Labs » ouvrent la voie à suivre dans une nouvelle frontière émergente et passionnante pour les neurosciences, par laquelle des modèles neuronaux in vitro sont en cours de développement et d'utilisation pour lutter contre certains des aspects les plus complexes de la fonction cérébrale – l'apprentissage et la mémoire – à la fois les principaux constituants de l'intelligence. est déterminé dans une approche interactive et dynamique.
Hideaki Yamamoto, professeur agrégé à l'Institut de recherche de communication électrique de l'Université de Tohoku, a commenté: « Ces systèmes biologiques synthétiques fourniront certainement une nouvelle approche pour comprendre le substrat physique du calcul du cerveau. De plus, ils pourraient ouvrir une nouvelle classe de calcul, en particulier dans les tâches que le cerveau excelle.
