In een opvallende demonstratie van opkomende technologie heeft het Australische biotechbedrijf Cortical Labs met succes een netwerk van 200.000 levende menselijke neuronen, gekweekt op een siliciumchip, getraind om de klassieke first-person shooter Doom te spelen. Het experiment, vastgelegd in een recente video, toont het neurongestuurde personage dat door niveaus navigeert, vijanden tegenkomt en wapens afvuurt – zij het op onhandige wijze. Dit is niet zomaar een nieuwigheid; het vertegenwoordigt een belangrijke stap in de richting van het benutten van biologische systemen voor berekeningen, met implicaties die veel verder gaan dan gamen.
De opkomst van ‘levende’ computers
De kerninnovatie ligt in het vermogen van de neuronen voor ‘adaptief, realtime doelgericht leren’, zoals beschreven door Brett Kagan, hoofd wetenschappelijk directeur van Cortical Labs. Dit betekent dat de cellen niet alleen maar reageren op stimuli; ze passen zich actief aan om doelstellingen te bereiken in een dynamische omgeving. De implicaties zijn aanzienlijk, vooral gezien de escalerende energiebehoefte van traditionele kunstmatige intelligentie (AI). Hoewel neuronen microchips niet volledig zullen vervangen, bieden ze een potentieel veel efficiëntere benadering van bepaalde berekeningen. Bestuderen hoe ze werken zou een revolutie teweeg kunnen brengen in de computermethoden en het testen van neurologische geneesmiddelen kunnen versnellen.
Het oogsten en onderhouden van biologische verwerkers
Cortical Labs extraheert neuronen niet rechtstreeks uit de hersenen. In plaats daarvan gebruiken ze gemakkelijk toegankelijke cellen uit bloed- of huidmonsters, die ze omzetten in stamcellen en vervolgens in een onbeperkte voorraad neurale cellen. Deze cellen zijn gehuisvest in op zichzelf staande levensondersteunende systemen die de levensvatbaarheid tot zes maanden kunnen behouden. De communicatie-interface is direct: elektriciteit. Hersencellen genereren elektrische pulsen wanneer ze actief zijn, en het systeem beweegt heen en weer, waardoor een dialoog tussen biologisch silicium ontstaat.
Het vrije energieprincipe en neuronmotivatie
De sleutel om neuronen taken te laten uitvoeren is niet dwang, maar voorspelling. Cortical Labs maakte gebruik van het ‘vrije energieprincipe’, ontwikkeld door neurowetenschapper Karl Friston, dat stelt dat neurale systemen ernaar streven hun omgeving te voorspellen. Chaos is straf; bestelling is beloning. Het team creëerde een feedbacklus waarbij onvoorspelbare signalen (willekeurige ruis) onjuiste bewegingen bestraften, terwijl gestructureerde, voorspelbare signalen correcte acties versterkten. Dit eenvoudige systeem trainde de neuronen effectief om te leren.
Van Pong tot Doom: complexiteit opschalen
In 2022 demonstreerde Cortical Labs dat neuronen op chips binnen enkele minuten Pong konden leren spelen. Doom vormt echter een veel grotere uitdaging. De complexe omgeving van het spel met gangen, vijanden en driedimensionale navigatie vereist een hoger niveau van cognitieve verwerking. Om dit te ondervangen heeft Cortical Labs samengewerkt met Stanford University in een hackathon, waarbij de neuronen werden gekoppeld aan een standaard leeralgoritme. Het hybride systeem presteerde beter dan het algoritme alleen, wat bewees dat de biologische cellen bijdroegen aan het leerproces.
Medische en computationele toepassingen
Het onderzoek van Cortical Labs richt zich op twee kerntoepassingen. Ten eerste de medische kant: 93-99% van de neuropsychiatrische klinische onderzoeken mislukken, en het testen van medicijnen in hersencellen in een schaaltje repliceert vaak niet de omstandigheden in de echte wereld. Kagan stelt dat neuronen in een game- of wereldomgeving anders reageren op medicijnen en ziekten nauwkeuriger vertonen. Ten tweede computationeel: neuronen vertegenwoordigen ‘het krachtigste informatieverwerkingssysteem’ dat we kennen, met een complexiteit die de op silicium gebaseerde systemen ver overstijgt. Biologische neuronen hebben een complexiteit van ten minste de derde orde, die in staat is drie dynamische toestanden tegelijkertijd vast te houden, terwijl siliciumtransistors beperkt zijn tot binaire toestanden.
Energie-efficiëntie en de toekomst van biocomputing
Onderzoekers, zoals Feng Guo van de Indiana University Bloomington, benadrukken het potentieel voor enorme energiebesparingen. Het menselijk brein werkt op slechts 20 watt, vergeleken met de miljoenen watt die nodig zijn voor gelijkwaardige op silicium gebaseerde AI-systemen. Deze efficiëntie maakt biocomputing tot een veelbelovend ontwikkelingsgebied.
Cortical Labs beweert niet dat het silicium computing volledig zal vervangen. Het biedt “een nieuw hulpmiddel in de intelligentietoolbox.”
Hoewel biologische computers de zakrekenmachines voor elementaire wiskunde niet zullen vervangen, blinken ze uit in taken die aanpassingsvermogen en het oplossen van problemen in de echte wereld vereisen, zoals het navigeren door een huis om thee te zetten, een taak waar de huidige AI-algoritmen moeite mee hebben. Het veld heeft zich snel ontwikkeld van een enkel spelletje Pong naar een commercieel platform met een API, en een demonstratie van neuronen die door Doom strompelen – leren, hoe langzaam ook.
De toekomst van computers is misschien niet volledig silicium; het zou… levend kunnen zijn.
