Rattenneuronen in hybride AI-systeem voeren rekenkundige taken uit

Wetenschappers hebben een belangrijke stap gezet in hybride kunstmatige intelligentie door een systeem te ontwikkelen waarin levende rattenneuronen rekenkundige taken uitvoeren. Het experiment is gebaseerd op het idee om biologische neurale netwerken te combineren met machine learning-methoden, om te testen of levende cellen als volwaardige rekenkundige elementen kunnen functioneren.

Om dit te bereiken, gebruikten onderzoekers corticale neuronen die verbonden waren met micro-elektroden en microfluïdische apparaten. Het systeem werkt in een gesloten lus: neurale signalen worden uitgelezen, omgezet in uitvoergegevens en vervolgens teruggevoerd als elektrische stimulatie. Deze cyclus duurt ongeveer 330 milliseconden, waardoor het systeem in realtime kan leren zonder externe tussenkomst.

Er werd speciale aandacht besteed aan de structuur van het netwerk. Neuronen werden geplaatst in 128 microporiën die verbonden waren door microkanalen, wat hielp om overmatige synchronisatie te verminderen—een veelvoorkomend probleem in ongeorganiseerde biologische netwerken. Als gevolg daarvan daalde de activiteitscorrelatie bijna viervoudig, wat het gedrag van het systeem complexer en effectiever maakte.

Tijdens experimenten reproduceerde het biologische netwerk met succes verschillende signalen, waaronder sinus-, blok- en driehoeksgolven, en kon het complexe chaotische systemen zoals de Lorenz-attractor benaderen. De nauwkeurigheid bleef hoog, met correlatieniveaus boven de 0,8.

De technologie is echter nog ver verwijderd van praktisch gebruik. Na afloop van de training neemt de nauwkeurigheid van het systeem af, en feedbackvertragingen beperken het vermogen om snel veranderende signalen te verwerken. Desondanks geloven onderzoekers dat verdere ontwikkeling kan leiden tot nieuwe hersen-computerinterfaces, neuroprotheses en biohybride computerplatforms.