آموزش سلول های مغز انسان برای بازی دووم در آزمایشگاه

نورون‌ها را تصور کنید، زنده، لرزان و سرسخت، که یاد می‌گیرند چگونه یک اسلحه مجازی را نشانه بگیرند. این دقیقا همان کاری است که گروهی از پژوهشگران در استرالیا از یک سامانه هیبریدی سیلیکون و سلول بیرون کشیدند: سلول‌های مغز انسان که در آزمایشگاه رشد داده شده‌اند و برای اجرای بازی تیراندازی دهه نودی دووم آموزش دیده‌اند.

در کورتیکال لبز، پژوهشگران حدود ۲۰۰ هزار نورون انسانی را که از سلول‌های بنیادی به‌دست‌آمده از خون اهدایی رشد کرده بودند، روی یک آرایه میکروالکترودی اختصاصی به نام CL1 قرار دادند. این شبکه‌های زنده پیش‌تر یک وظیفه آرکید ساده‌تر، یعنی پونگ، را یاد گرفته بودند و سپس وارد محیطی بسیار پیچیده‌تر، سه‌بعدی و آشفته شدند؛ جایی که دشمنان کمین کرده‌اند و تصمیم‌ها باید در لحظه گرفته شوند.

جلسه‌های نخست شبیه تلاش یک تازه‌کار با دسته بازی بود: برخورد با دیوارها، شلیک به مناظر و چرخیدن دور خود. یکی از دانشمندان گفت: «در ابتدا مثل کسی رفتار می‌کردند که هرگز به بازی دست نزده است.» اما کم‌کم الگوها پدیدار شدند. این کشت‌های سلولی دقیق‌تر به هدف‌ها شلیک می‌کردند، بیشتر در راهروها حرکت می‌کردند و کنش‌هایی را ترجیح می‌دادند که به موفقیت می‌رسید.

راز کار جادو نبود، بلکه ترجمه بود. این گروه تصاویر و رویدادهای بازی دووم را به الگوهای تحریک الکتریکی تبدیل کرد که نورون‌ها قادر به درک آن بودند. الکترودهای مشخصی که در سراسر CL1 پراکنده بودند، هنگام ظاهر شدن دشمن یا نیاز به حرکت فعال می‌شدند. پاسخ‌های نورونی، که به شکل هزاران پالس ریز روی نمایشگر ثبت می‌شدند، توسط نرم‌افزار خوانده می‌شدند و نرم‌افزار ورودی‌ها را طوری تنظیم می‌کرد که فعالیت سودمند تقویت شود. در عمل، سلول‌ها به سمت رفتار هدفمند سوق داده می‌شدند.

این روند بی‌نقص نیست. گاهی یک هیولای تنها پیش از سقوط، چندین رگبار آشفته را از سر می‌گذراند. نورون‌ها مثل سیلیکون از کد پیروی نمی‌کنند؛ آن‌ها سازگار می‌شوند، بداهه عمل می‌کنند و گاهی با شکستی تماشایی روبه‌رو می‌شوند. اما همین بداهه‌پردازی نکته اصلی ماجراست. این کشت‌های سلولی انعطاف‌پذیری و رفتارهای یادگیری در زمان واقعی نشان می‌دهند که بیش از پردازش ساده سیگنال، به حل مسئله ابتدایی شباهت دارد.

پژوهشگران CL1 را نه یک شگفتی نمایشی، بلکه یک پلتفرم می‌دانند؛ بستری که می‌تواند بافت عصبی زنده را برای کارهایی از رباتیک تا غربالگری دارو و حتی پزشکی شخصی‌سازی‌شده با ماشین‌ها پیوند دهد.

البته محدودیت‌های عملی هم وجود دارد. این کشت‌ها حدود شش ماه زنده می‌مانند و در حال حاضر خروجی‌هایی ناهماهنگ و دشوار برای برنامه‌ریزی تولید می‌کنند. با این حال، الگوی مصرف انرژی آن‌ها توجه‌برانگیز است. مغز انسان محاسبات گسترده‌ای را با حدود ۲۰ وات توان مدیریت می‌کند؛ چیزی که تراشه‌های مرسوم و سامانه‌های هوش مصنوعی به‌سختی می‌توانند با آن رقابت کنند. یک لایه زیستی که محاسبات را با بهره‌وری بالا انجام دهد، می‌تواند نگاه ما به هوش پایدار و محاسبات کم‌مصرف را دگرگون کند.

آیا این تلاشی برای جایگزین کردن هوش مصنوعی است؟ نه واقعا. توسعه‌دهندگان می‌گویند هدف، تکمیل فناوری‌های موجود است: دادن گونه‌های تازه‌ای از رفتار سازگار به مهندسان و بررسی واکنش‌های زیستی به شیوه‌هایی که سامانه‌های کاملا سیلیکونی قادر به انجام آن نیستند. صداهای فعال در صنعت نیز به ظرفیت این فناوری اشاره می‌کنند، بی‌آنکه آن را به یک انقلاب فوری تبدیل کنند؛ این کار تدریجی، آزمایشی و متکی بر میزهای آزمایشگاه و میکروسکوپ‌هاست.

وسوسه‌انگیز است که این آزمایش را صرفا نمایشی علمی‌تخیلی بدانیم. اما وقتی پژوهشگران می‌بینند شبکه‌های زنده قوانین را یاد می‌گیرند، در نقشه‌ای خصمانه حرکت می‌کنند و با بازخورد بهتر می‌شوند، این نمایش به یک روش علمی تبدیل می‌شود. اگر تراشه‌های زنده بتوانند به سوی وظایف مفید و تکرارپذیر هدایت شوند، ممکن است به ابزارهایی برای کشف دارو، مدل‌سازی بیماری و محاسبات کم‌مصرف تبدیل شوند.

در حال حاضر، دووم یک میدان آزمون است: آشفته، بصری و بی‌گذشت، یعنی محیطی مناسب برای سنجش اینکه آیا بافت زنده، وقتی در یک سامانه مهندسی‌شده قرار می‌گیرد، می‌تواند نگاشت‌های معنادار میان ورودی و خروجی بسازد یا نه. پرسش بزرگ‌تر این نیست که آیا نورون‌ها می‌توانند بازی ویدئویی انجام دهند، بلکه این است که وقتی زیست‌شناسی و مدارها یاد می‌گیرند به یک زبان مشترک سخن بگویند، چه گونه‌هایی از هوش پدیدار می‌شود.