Hybride künstliche Intelligenz mit lebenden Neuronen für Rechenaufgaben

Wissenschaftler haben einen wichtigen Schritt in der hybriden künstlichen Intelligenz gemacht, indem sie ein System entwickelten, in dem lebende Rattenneuronen Rechenaufgaben übernehmen. Der Versuch basiert auf der Idee, biologische neuronale Netze mit maschinellen Lernverfahren zu kombinieren, um zu testen, ob lebende Zellen als vollwertige Rechenelemente fungieren können.

Dazu nutzten die Forscher kortikale Neuronen, die mit Mikroelektroden und mikrofluidischen Geräten verbunden sind. Das System arbeitet in einem geschlossenen Kreislauf: Neuronale Signale werden ausgelesen, in Ausgabedaten umgewandelt und dann als elektrische Stimulation zurückgespeist. Dieser Zyklus dauert etwa 330 Millisekunden, was dem System ermöglicht, in Echtzeit zu lernen, ohne externe Eingriffe.

Besondere Aufmerksamkeit galt der Netzwerkstruktur. Die Neuronen wurden in 128 Mikroporen platziert, die durch Mikrokanäle verbunden sind. Dieser Ansatz half, übermäßige Synchronisation zu reduzieren – ein häufiges Problem in unorganisierten biologischen Netzen. In der Folge sank die Aktivitätskorrelation um fast das Vierfache, was das Verhalten des Systems komplexer und effektiver machte.

In Experimenten reproduzierte das biologische Netzwerk erfolgreich verschiedene Signale wie Sinus-, Rechteck- und Dreieckwellen und konnte komplexe chaotische Systeme wie den Lorenz-Attraktor annähern. Die Genauigkeit blieb hoch, mit Korrelationswerten über 0,8.

Allerdings ist die Technologie noch weit von der praktischen Anwendung entfernt. Nach Ende des Trainings nimmt die Genauigkeit des Systems ab, und Rückkopplungsverzögerungen schränken seine Fähigkeit ein, sich schnell ändernde Signale zu verarbeiten. Trotzdem gehen die Forscher davon aus, dass weitere Entwicklungen zu neuen Gehirn-Computer-Schnittstellen, Neuroprothesen und biohybriden Rechenplattformen führen könnten.