Jak zbudować “chip” z ludzkich neuronów?

Kilka lat temu austra­lij­ska firma Cor­ti­cal Labs wzbu­dzi­ła małą sen­sa­cję. Zade­mon­stro­wa­ła futu­ry­stycz­ny układ złożony z kil­ku­set tysięcy żywych komórek ner­wo­wych, wyho­do­wa­nych na kawałku krzemu o wiel­ko­ści paznok­cia, zanu­rzo­nych w odżyw­czym roz­two­rze i pod­łą­czo­nych do systemu mikro­elek­trod. W ten sposób powsta­ła krze­mo­wo-bio­lo­gicz­na hybryda, którą… nauczo­no grać w Ponga. Neurony nie wie­dzia­ły, że grają. Niczego nie wie­dzia­ły. Ale poru­sza­ły paletką i z czasem robiły to coraz sprawniej.

Minęły raptem cztery lata i Austra­lij­czy­cy wrócili z nowym modelem. Urzą­dze­nie CL1 okazało się na tyle zaawan­so­wa­ne, że poza prostym odbi­ja­niem piłecz­ki, nauczo­no je mor­do­wać demony w kla­sycz­nym Doomie z 1993 roku. Co prawda, zdol­no­ści maszyny nadal są mocno ogra­ni­czo­ne – ciągle ginie jak ostatni noob, o czym później – ale od czegoś trzeba zacząć.

Mózg w słoiku, który uczy się strzelać! Świetnie. Co może pójść nie tak?

To żaden mózg w słoiku, tylko cienka warstwa komórek ner­wo­wych, wyho­do­wa­na na spe­cjal­nym podłożu. Andy Kitchen z Cor­ti­cal Lab porów­nał tę tech­no­lo­gię do sma­ro­wa­nia tostu masłem orze­cho­wym: “Bie­rzesz te neu­ro­nal­ne komórki pro­ge­ni­to­ro­we i roz­sma­ro­wu­jesz je na siatce elek­trod. Tam też są pewne wiążące sub­stan­cje che­micz­ne, które mogą sprawić, że będą one lepiej przy­le­gać. Neurony są tak blisko tych elek­trod, że kiedy się akty­wu­ją, można je wyczuć”.

Neurony sto­so­wa­ne w CL1 pocho­dzą od doro­słe­go czło­wie­ka – ale bez paniki, nikt nikomu nie gmerał w czaszce. Do pro­ce­du­ry wystar­czą dowolne komórki soma­tycz­ne, pocho­dzą­ce cho­ciaż­by ze skóry albo krwi. W labo­ra­to­rium są one cofane do stanu “dzie­cię­ce­go”, a następ­nie odpo­wied­ni­mi sygna­ła­mi biał­ko­wy­mi prze­pro­gra­mo­wy­wa­ne na dowolny inny typ komórki ciała. Nazywa się to metodą indu­ko­wa­nych plu­ri­po­ten­cjal­nych komórek macie­rzy­stych (iPSCs). W prak­ty­ce wystar­czy kawałek skóry, żeby założyć hodowlę neu­ro­nów (czy czego tam aktu­al­nie potrzebujemy).

Sądzę, że warto docenić postęp w tej sferze. Pierw­sze chipy korzy­sta­ły z neu­ro­nów koro­wych pobie­ra­nych z embrio­nów myszy, co było roz­wią­za­niem trudno ska­lo­wal­nym i wąt­pli­wym od strony etycz­nej (nie, cię­żar­na samica nie wracała po wszyst­kim do swojej norki). Dlatego Cor­ti­cal Labs zde­cy­do­wa­ło się na iPSCs. Nie trzeba nikogo zabijać, ani wyko­ny­wać żadnych inwa­zyj­nych zabie­gów, a z jednego dawcy można wypro­du­ko­wać (przy­naj­mniej teo­re­tycz­nie) nie­ogra­ni­czo­ną liczbę neu­ro­nów o znanych wła­ści­wo­ściach genetycznych.

Tyle jeżeli chodzi o bio­lo­gię. Żeby taki układ mógł cokol­wiek “obli­czyć”, potrze­bu­je odpo­wied­ni­ków har­dwa­re i softwa­re, zapro­jek­to­wa­nych spe­cjal­nie do obsługi żywych komórek nerwowych.

Sercem CL1 jest matryca mikro­elek­trod MEA (Micro-Elec­tro­de Array). Przyj­mu­je ona postać płytki z dzie­siąt­ka­mi lub setkami maleń­kich elek­trod, na której rosną neurony. Elek­tro­dy pełnią podwój­ną funkcję: odczy­tu­ją aktyw­ność elek­trycz­ną komórek (poten­cja­ły czyn­no­ścio­we, tzw. spike’i) i jed­no­cze­śnie mogą wysyłać do tych komórek impulsy sty­mu­lu­ją­ce. Innymi słowy, MEA to inter­fejs pozwa­la­ją­cy czytać z sieci neu­ro­nal­nej i pisać do niej. Dzieje się to w czasie rze­czy­wi­stym, z opóź­nie­nia­mi liczo­ny­mi w mikrosekundach.

Wcze­śniej­szy pro­to­typ Cor­ti­cal Labs (Dish­Bra­in), korzy­stał z gęstej matrycy CMOS-owej MaxOne. Taki chip miał 26 tys. fizycz­nych elek­trod, choć w prak­ty­ce do jed­no­cze­sne­go odczytu wyko­rzy­sty­wał 1024 kanałów. Co ciekawe nowszy CL1 poszedł w drugą stronę i używa znacz­nie prost­szej, zale­d­wie 64-elek­tro­do­wej matrycy. Był to świa­do­my kom­pro­mis kon­struk­cyj­ny. Gęsta matryca pozwa­la­ła śledzić aktyw­ność z roz­dziel­czo­ścią się­ga­ją­cą każdej poje­dyn­czej komórki, jednak przy­po­mi­na­ło to picie z hydran­tu. Infor­ma­cji było zde­cy­do­wa­nie zbyt dużo, żeby prze­twa­rzać je w czasie rze­czy­wi­stym. Rzadsza matryca daje mniej szcze­gó­ło­wy obraz sieci, ale za to pozwala szyb­ciej reago­wać na wszel­kie zmiany aktywności.

I jak coś takiego nauczono grać w FPS‑y?

Do tego zadania odde­le­go­wa­no jednego naukow­ca, który patrzył jak bio­kom­pu­ter gra i tłu­ma­czył mu, kiedy ma iść w lewo, kiedy w prawo, kiedy strze­lać. A gdy komórki nie wyko­ny­wa­ły popraw­nie poleceń, były rażone prądem.

Tak poważ­nie, to nie. Mecha­nizm uczenia oparto o teorię aktyw­nej infe­ren­cji oraz zasadę wolnej energii Karla Fri­sto­na. Brzmi jak coś trud­ne­go, a jest jeszcze trud­niej­sze. Ale też fascynujące.

Friston to bry­tyj­ski neu­ro­bio­log i jeden z naj­chęt­niej cyto­wa­nych współ­cze­snych naukow­ców. Jego wielka idea głosi, że mózg nie jest tylko biernym odbior­ni­kiem bodźców, lecz sys­te­mem cią­głe­go zga­dy­wa­nia: co wywo­ła­ło okre­ślo­ne wra­że­nia zmy­sło­we i co stanie się za chwilę. To aktywna infe­ren­cja. Z zasady wolnej energii wynika nato­miast, że samo­or­ga­ni­zu­ją­cy się system – czy to ludzki mózg, bak­te­ria, czy stosik neu­ro­nów na płytce – zacho­wu­je się tak, jakby unikał stanu zasko­cze­nia. Nie chodzi o zasko­cze­nie w sensie emo­cjo­nal­nym i subiek­tyw­nym, tylko o szok infor­ma­cyj­ny, zwią­za­ny z małym praw­do­po­do­bień­stwem wystą­pie­nia danego stanu.

Spró­bu­ję to upla­stycz­nić. Budzisz się rano, wcho­dzisz do kuchni, a tam przy stole siedzi pingwin cesar­ski w oku­la­rach i czyta instruk­cję obsługi mikro­fa­li. To jest zaska­ku­ją­ce nie (tylko) dlatego, że pin­gwi­ny są zabawne, tylko dlatego, że twój umysł ma wpra­so­wa­ny model świata, w którym pin­gwi­ny rzadko prze­by­wa­ją w pol­skich kuch­niach i jeszcze rza­dziej stu­diu­ją sprzęt AGD.

Zosta­wia­jąc nieloty na boku. Wolna energia jest tutaj czymś w rodzaju miary nie­zno­śne­go hałasu, który dociera do układu z zewnątrz i który nie pasuje do tego, z czym miał wcze­śniej do czy­nie­nia. Zdaniem Fri­sto­na orga­nizm, który noto­rycz­nie musi sobie radzić ze stanami skraj­nie dla siebie nie­ty­po­wy­mi, długo nie pocią­gnie. Dlatego klu­czo­we dla prze­trwa­nia jest redu­ko­wa­nie zasko­czeń przez naukę i próby prze­wi­dy­wa­nia świata. Zasada ta daje o sobie znać już na pozio­mie komórkowym.

Cor­ti­cal Labs spryt­nie to wyko­rzy­sta­li. W eks­pe­ry­men­cie z Pongiem neurony otrzy­my­wa­ły infor­ma­cję o pozycji piłki przez sty­mu­la­cję elek­trycz­ną wybra­nych elek­trod. Aktyw­ność neu­ro­nów w wyzna­czo­nych “regio­nach moto­rycz­nych” ste­ro­wa­ła paletką: więcej aktyw­no­ści w regio­nie A prze­su­wa­ło paletkę w górę, w regio­nie B w dół. Kiedy piłka tra­fia­ła w paletkę, neurony dosta­wa­ły krótki, regu­lar­ny, prze­wi­dy­wal­ny bodziec – odpo­wied­nik nagrody dla psiaka, który popraw­nie wykonał komendę.

Kiedy piłka prze­le­cia­ła obok paletki, komórki bom­bar­do­wa­no czte­ro­se­kun­do­wą salwą nie­sko­or­dy­no­wa­nych impul­sów o różnej czę­sto­tli­wo­ści i napię­ciu. Z per­spek­ty­wy sieci neu­ro­nal­nej był to odpo­wied­nik iry­tu­ją­ce­go klak­so­nu nad uchem.

Zadzia­ła­ło. Neurony nie musiały chcieć wygrać, bo prze­cież nie mają żadnych pra­gnień. Jednak zgodnie z pomy­słem Fri­sto­na sieć komór­ko­wa – jako system samo­or­ga­ni­zu­ją­cy – dążyła do uni­ka­nia stanów gro­żą­cych jej nie­prze­wi­dy­wal­ną sty­mu­la­cją. Odbi­ja­nie piłecz­ki w Pongu, przy­naj­mniej na mini­mal­nym pozio­mie, redu­ko­wa­ło infor­ma­cyj­ne zasko­cze­nie. Kultury zaczęły popra­wiać swoje wyniki w ciągu pięciu minut od roz­po­czę­cia gry. Nie osią­gnę­ły może mistrzo­stwa, ale progres wzglę­dem rezul­ta­tów kon­tro­l­nych był wyraźny i powtarzalny.

Wyniki kon­tro­l­ne są w takich doświad­cze­niach istotne, ponie­waż pozwa­la­ją odróż­nić twarde dane od loso­wo­ści. Z tego powodu badacze z Cor­ti­cal Labs testo­wa­li również warian­ty, w których pudło­wa­nie nie skut­ko­wa­ło salwą szumu, tylko chwi­lo­wą ciszą (taka “cicha kara”); a także wariant bez jakiej­kol­wiek sty­mu­la­cji. We wszyst­kich tych sce­na­riu­szach komórki radziły sobie wyraź­nie gorzej niż te “karane” kako­fo­nią częstotliwości.

Ciągle o Pongu. A co z tym Doomem?

Zasad­ni­cza różnica wobec Ponga polega na tym, że roz­gryw­ka w Doomie toczy się w 3D (no, może 2,5D, ponie­waż w strze­lan­kach tamtej gene­ra­cji nie dało się jeszcze poru­szać głową w górę i dół). Gracz widzi świat z per­spek­ty­wy pierw­szej osoby, a infor­ma­cja wizu­al­na jest nie­po­rów­na­nie bogat­sza niż pozycja piłki na dwu­wy­mia­ro­wej planszy. To napraw­dę kło­po­tli­we, kiedy sobie uświa­do­misz, że prze­cież neurony nie mają oczu. Trzeba więc znaleźć sposób na “tłu­ma­cze­nie” obrazu z gry na wzorce sty­mu­la­cji elek­trycz­nej, które komórki będą w stanie rozróżnić.

Wyzwa­nia podjął się Sean Cole – “zwykły” pro­gra­mi­sta, który wcze­śniej nie miał stycz­no­ści z bio­kom­pu­te­ra­mi. Wyko­rzy­stał moż­li­wo­ści, jakie dawał pytho­no­wy inter­fejs CL1, od począt­ku zapro­jek­to­wa­ny tak, aby każdy koder mógł swo­bod­nie eks­pe­ry­men­to­wać. Cor­ti­cal Labs zale­ża­ło na tym, aby ich wyna­la­zek stał się jak naj­szyb­ciej dostęp­ny dla osób spoza wąskie­go grona spe­cja­li­stów od bio­lo­gii komór­ko­wej czy elek­tro­fi­zjo­lo­gii. Jak twier­dzą, żeby sty­mu­lo­wać neurony impul­sa­mi lub stwo­rzyć pętlę reagu­ją­cą na spike’i wystar­czy kil­ka­na­ście linijek kodu.

I jak? Biokomputer faktycznie radzi sobie w strzelance? 

Odpo­wiedź może być odro­bi­nę roz­cza­ro­wu­ją­ca. Tak zapro­gra­mo­wa­ny układ strzela lepiej niż losowy gene­ra­tor decyzji, ale znacz­nie słabiej od ludz­kie­go gracza. W każdym razie, na pozio­mie koszmar daleko nie zajdzie. Zacho­waj­my jednak wyro­zu­mia­łość: roz­ma­wia­my o zlepku 200 tys. komórek ner­wo­wych, podczas gdy sam nosisz ich między uszami z 90 miliar­dów. Austra­lij­ska firma chwali się przy tym, że ich system tre­no­wał przez niecały tydzień, co wydaje się niezłym wyni­kiem na tym etapie rozwoju.

Należy też pamię­tać, że nikt poważny nie pro­jek­tu­je bio­kom­pu­te­rów po to, żeby grały w FPS‑y i w przy­szło­ści spusz­cza­ły nam łomot w Counter-Stri­ke­’u. Gry służą wyłącz­nie do demon­stra­cji. Udo­wad­nia­ją, że odpo­wied­nio poskro­mio­ne neurony potra­fią pra­co­wać z danymi w sposób, który kiedyś będzie dało się wyko­rzy­stać w praktyce.

Szara gala­re­ta w naszej czaszce, nawet jeżeli czasem na nią narze­ka­my, pozo­sta­je naj­bar­dziej ener­go­osz­częd­nym i efek­tyw­nym sys­te­mem prze­twa­rza­nia infor­ma­cji, jaki znamy. Pomyśl o tym, że mózg czło­wie­ka pozwala na stałe pod­trzy­my­wa­nie per­cep­cji, logicz­ne rozu­mo­wa­nie, kon­tro­lę całego ciała, zapi­sy­wa­nie wspo­mnień i setkę pomniej­szych pro­ce­sów. Oczy­wi­ście nie sposób porów­nać jego moż­li­wo­ści z krze­mo­wym pro­ce­so­rem 1:1, ale fakt, że mózg ogarnia wszyst­kie te procesy wyko­rzy­stu­jąc ledwie ~20 W mocy (przy­naj­mniej pię­cio­krot­nie mniej od współ­cze­snych pro­ce­so­rów, nie licząc pamięci), daje jako takie pojęcie, z jakim poten­cja­łem mamy do czynienia.

Chodzi o oszczędzanie na rachunkach za prąd?

Jest coś waż­niej­sze­go. Tran­zy­sto­ry, na bazie których funk­cjo­nu­je elek­tro­ni­ka, są w zasa­dzie binar­ny­mi prze­łącz­ni­ka­mi, ska­czą­cy­mi między 0 i 1. To roz­wią­za­nie proste i na ogół sku­tecz­ne, ale komórki nerwowe mogą zaofe­ro­wać coś bar­dziej wyrafinowanego.

Den­dry­ty (te roz­ga­łę­zio­ne wypust­ki wyra­sta­ją­ce z neuronu) potra­fią prze­twa­rzać sygnały w sposób stop­nio­wal­ny i czę­ścio­wo rów­no­le­gły. Nie mają tak­to­wa­nia, okre­śla­ją­ce­go ile ope­ra­cji mogą wykonać w danym odcinku czasu. Reagują zda­rze­nio­wo: coś się dzieje, pojawia się impuls i układ odpo­wia­da. Nie muszą też bez przerwy odwo­ły­wać się do osobnej pamięci, co kosz­tu­je czas i energię. 

Na dodatek, w odróż­nie­niu od kawałka krzemu, sieć komórek jest pla­stycz­na. W odpo­wie­dzi na docie­ra­ją­ce bodźce, połą­cze­nia między neu­ro­na­mi ulegają odpo­wied­nio wzmac­nia­niu lub osła­bia­niu, dyna­micz­nie prze­bu­do­wu­jąc cały układ.

Tak? A odpali na tym GTA 6?

Zde­cy­do­wa­nie nie. Przy­szło­ścią bio­kom­pu­te­rów nie jest kon­ku­ro­wa­nie z kon­wen­cjo­nal­ny­mi maszy­na­mi. Nikt nie zakłada, że neu­ro­no­wy układ zastąpi GPU w ren­de­ro­wa­niu grafiki albo wyliczy rekor­do­we roz­wi­nię­cie liczby Pi. Krzem jest w tych sferach sku­tecz­ny właśnie dlatego, że dobrze nadaje się do wyko­ny­wa­nia prze­wi­dy­wal­nych, powta­rzal­nych i jasno zde­fi­nio­wa­nych operacji.

Układ bio­lo­gicz­ny ma sta­no­wić uzu­peł­nie­nie, a nie alter­na­ty­wę. Może pomóc tam, gdzie problem jest zmienny w czasie i wymaga szyb­kiej adap­ta­cji do stale ewo­lu­ują­cych warun­ków – na co armia tran­zy­sto­rów potrze­bo­wa­ła­by mnóstwa czasu i energii.

Dobrym przy­kła­dem ope­ra­cji, z którymi komórki nerwowe na pewno poradzą sobie lepiej niż krzem są… no cóż, symu­la­cje doty­czą­ce dzia­ła­nia układu ner­wo­we­go i mózgu. Cor­ti­cal Labs wspo­mi­na o roz­wi­ja­niu teorii neu­ro­kom­pu­ta­cyj­nych, mode­lo­wa­niu chorób neu­ro­lo­gicz­nych i neu­ro­de­ge­ne­ra­cyj­nych oraz testo­wa­niu leków. Korzy­ści są dość oczy­wi­ste. Badając daną sub­stan­cję na sieci neu­ro­nów wyho­do­wa­nych na chipie, spraw­dzi­my nie tylko jej wpływ na fizjo­lo­gię i prze­ży­wal­ność komórek, ale również na ich zdol­ność prze­twa­rza­nia informacji.

Potem przyj­dzie czas na szu­ka­nie zasto­so­wa­nia poza neu­ro­nau­ką. Z uwagi na swoje wła­ści­wo­ści bio­kom­pu­te­ry mogą okazać się kamie­niem milowym cho­ciaż­by w rozwoju robo­ty­ki (ste­ru­jąc ruchem maszyny) czy sztucz­nej inte­li­gen­cji – ponie­waż komórki uczą się w sposób, którego krzem samo­dziel­nie nie jest w stanie odtwo­rzyć. Do tego oczy­wi­ście jeszcze daleka droga, ale pierw­sza żarówka też nie świe­ci­ła jak reflektor.

Zawsze coś. Tylko dlaczego prace nie posuwają się szybciej?

Obecne pro­to­ty­py mają ogra­ni­czo­ne moż­li­wo­ści przede wszyst­kim dlatego, że komórki na chipie są roz­ło­żo­ne jak arkusz papieru, podczas gdy struk­tu­ra praw­dzi­we­go mózgu przy­po­mi­na bar­dziej trój­wy­mia­ro­we origami. Geo­me­tria ma w tym przy­pad­ku kapi­tal­ne zna­cze­nie, ponie­waż w dwóch wymia­rach rady­kal­nie zmniej­sza się liczba moż­li­wych połą­czeń między neu­ro­na­mi; a tym samym prze­pu­sto­wość i pojem­ność informacyjna.

Badacze pro­wa­dzą już doświad­cze­nia nad prze­strzen­ny­mi ukła­da­mi – czymś w rodzaju neu­ro­nal­nych “klulek” – które ciut lepiej oddają orga­ni­za­cję praw­dzi­we­go mózgu. Napo­tka­li jednak poważne prze­szko­dy techniczne.

Po pierw­sze, zaopa­trze­nie w tlen i poży­wie­nie. Taki orga­no­id, co by nie było, pozo­sta­je żywym obiek­tem i ma swoje potrze­by. W odróż­nie­niu od praw­dzi­we­go organu, nie posiada nato­miast natu­ral­nej insta­la­cji zasi­la­ją­cej, w postaci naczyń krwio­no­śnych. Skutek jest taki, że im większa bryła, tym gorzej zaopa­trzo­ne wnętrze i tym większa szansa na obumar­cie tkanki. To trochę jak z pie­cze­niem ciasta, które na zewnątrz wygląda na gotowe, a w środku okazuje się surowe.

Po drugie, inter­fejs. Kiedy sieć jest roz­sma­ro­wa­na na płasz­czyź­nie, elek­tro­dy mają łatwy dostęp do każdej komórki. Można więc pre­cy­zyj­nie sty­mu­lo­wać wybrany obszar i odbie­rać wszyst­kie sygnały. Przy trój­wy­mia­ro­wych orga­no­idach trzeba korzy­stać z elek­trod pene­tru­ją­cych. To jednak jest kar­ko­łom­ne, bo piesz­cząc jeden neuron łatwo możemy zaha­czyć o inne albo po prostu coś uszkodzić.

Jest jeszcze jedna pro­za­icz­na kwestia: komórki nie żyją wiecz­nie. Kultury pier­wot­ne pobie­ra­ne z mysich embrio­nów wytrzy­my­wa­ły zwykle parę tygodni. Ludzkie komórki iPSC są trwal­sze – śro­do­wi­sko stwo­rzo­ne przez Cor­ti­cal Labs utrzy­mu­je je przez trzy do sześciu mie­się­cy. Jednak w żadnym przy­pad­ku taki bio­kom­pu­ter nie będzie urzą­dze­niem tak trwałym, jak jego krze­mo­wy odpo­wied­nik. Układ wymaga cią­głe­go kar­mie­nia, ściśle kon­tro­lo­wa­nej tem­pe­ra­tu­ry, wil­got­no­ści, odpo­wied­nie­go składu gazów, a każda kon­ta­mi­na­cja (czyt. zapa­sku­dze­nie bak­te­ria­mi), kończy zabawę.

W tym kon­tek­ście aż chce się zadać pytanie, czym wła­ści­wie bio­kom­pu­ter jest. Urzą­dze­niem elek­tro­nicz­nym z bio­lo­gicz­nym kom­po­nen­tem; czy bar­dziej żywym orga­ni­zmem z elek­tro­nicz­nym inter­fej­sem? W ogóle bio­lo­gicz­ny chip ulega awarii czy może… obumiera? 

Na razie to tylko luźne blogowe roz­my­śla­nia. Jednak z czasem hodowle neu­ro­nal­ne będą stawały się coraz bar­dziej złożone, a orga­no­idy zaczną wiernie imi­to­wać struk­tu­rę mózgu. Wtedy podobne dyle­ma­ty szybko przy­bio­rą na wadze.

A TAK W OGÓLE TO… W 2022 roku Brett Kagan wraz z kole­ga­mi z Cor­ti­cal Lab wzbu­dzi­li kon­tro­wer­sję, uży­wa­jąc w kon­tek­ście hodowli neu­ro­nów słowa “sen­tien­ce”. Rzecz w tym, że wyraz ten może ozna­czać zdol­ność reago­wa­nia na bodźce sen­so­rycz­ne, ale też subiek­tyw­ne odczu­wa­nie, czy po prostu świa­do­mość. Nic dziw­ne­go, że koledzy po fachu nie zosta­wi­li na auto­rach suchej nitki, zarzu­ca­jąc im nie­fra­so­bli­we uży­wa­nie ter­mi­nów o poważ­nym cię­ża­rze filo­zo­ficz­nym i nie­ade­kwat­nych do otrzy­ma­nych wyników. A to dopiero początek…