«Воспроизводить механизмы работы мозга»: российские учёные — о создании биологического компьютера

Российские учёные из Нижегородского государственного университет им. Н. И. Лобачевского разрабатывают искусственный гиппокамп на основе мемристоров — особых аналоговых устройств, имитирующих работу нейронов. Как рассказал в интервью RT автор работы, заведующий лабораторией мемристорной наноэлектроники Научно-образовательного центра «Физика твердотельных наноструктур» ННГУ Алексей Михайлов, в будущем такие устройства станут основой множества технических решений, помогут ускорить работу искусственного интеллекта и даже, возможно, смогут служить имплантами участков головного мозга. В свою очередь заведующий кафедрой нейротехнологий Института биологии и биомедицины ННГУ Виктор Казанцев объяснил в интервью RT, в чём заключается фундаментальное отличие работы мозга и компьютеров, а также рассказал об основных направлениях создания биокомпьютеров в России и в мире.

Заведующий кафедрой нейротехнологий Института биологии и биомедицины ННГУ Виктор Казанцев

— Виктор Борисович, недавно учёные из американского университета Джонса Хопкинса предложили создать биологический компьютер, основной которого должны стать органоиды — искусственно выращенные клетки человеческого мозга. Расскажите, пожалуйста, что такое биокомпьютер? Какие основные концепции таких систем сейчас разрабатываются в мире и в России?

— Начнём с терминологии: само слово «биокомпьютер», которое используют СМИ, не вполне корректно. На самом деле, правильный термин для этой области исследований пока не найден. Можно назвать такие конструкции нейротехнологическими устройствами.

Биологические клетки, включая нейроны, имеют абсолютно иную природу, чем компьютер. Они не работают по принципу бинарной логики, нейроны не оперируют битами, они выдают электрические и химические сигналы — аналоговые, а не цифровые.

Мы уже настолько привыкли к цифровой среде, что нам кажется, будто цифры всегда были с человеком, но это не так. Человеческий разум создал математику совсем недавно по меркам эволюции.

Возвращаясь к вопросу, скажу, что исследования с живыми нейронам сейчас ведутся очень активно, и в мире, и в России — в частности, в ННГУ. Мы работаем как с клетками мозга животных, так и с человеческими нейронами. Клетки высаживаются в пробирку, где для них поддерживается оптимальная питательная среда. Важное отличие нейронов от других клеток заключается в том, что они не делятся — это усложняет нашу работу. Однако они могут расти и устанавливать друг с другом новые связи посредством синапсов (участки нейрона, отвечающие за контакты с другими нервными клетками. — RT). В результате, мы получаем в пробирке модель участка мозга, которая может жить несколько месяцев.

На практике такие клеточные культуры сейчас активно используют при разработке фармпрепаратов. Это очень удобно — можно сразу увидеть, как влияет на работу нейронов то или иное химическое вещество.

Что же касается использования таких культур для нейротехнологий, то, хотя нейроны не предназначены для вычислений, попробовать научить их этому можно. Мы проводили такие эксперименты, удалось научить нейроны дистанционно управлять роботом посредством интернета. Это было давно, около 10 лет назад, тогда об это писали в СМИ.

Но, конечно, говорить о серьёзных вычислительных системах в данном случае сложно, потому что в пробирке нейроны растут хаотично, во всех направлениях. В то время как в мозге нейроны организованы в чёткие структуры.

Однако сейчас в мире ведутся работы по формированию заданной клеточной архитектуры в пробирке с помощью вытравленной на подложке сети микроканалов — микрофлюидных каналов. И если получится структурировать клеточную культуру, сформировать входной и выходной слои, то это уже напоминает те формальные, математические алгоритмы, которые применяются в компьютерных нейросетях. Только в данном случае работу будут выполнять не логические элементы — единицы и нули, а живые клетки.

— Вы описали одну из концепций условного биокомпьютера или нейротехнологического устройства. А какие есть ещё направления?

— Сейчас развиваются три основных подхода. О первом я уже сказал — это использование живых нейронов для выполнения каких-то задач в связке с техническими устройствами.

Второй путь — это когда вы разбираетесь в том, как именно работает мозг, и создаёте математическую модель, которая сможет воспроизводить его отдельные функции.

Третий путь — это когда на основе этой модели вы создаёте физическую модель и проектируете технологическое устройство, например чип, который сможет работать, как работает какой-то участок мозга. Но уже без участия живых нейронов.

Этот путь можно сравнить с известным фильмом «Терминатор», где робот получил компьютерный интеллект, подобный человеческому. Пока люди не научились делать такие системы — прежде всего потому, что науке не известно, как именно мозг обрабатывает информацию. Многое известно, но полной картины нет.

Именно поэтому и появился интерес к применению живых нейронов в качестве элементов вычислительной системы — мы точно не знаем, как они работают, но можем попробовать их использовать. В том числе, чтобы понять, как работает наш мозг.

Однако нельзя просто взять и подключить нейроны к обычному компьютеру, потому что нейроны обмениваются аналоговыми, а не цифровыми сигналами, как я говорил ранее. Поэтому нужна ещё и система ввода и вывода информации, интерфейс. Один из вариантов такой системы — это конструкции из мемристоров. Аналогией для таких нейрогибридных систем может служить другой фильм — «Робокоп», где мозг человека был помещён в робота.

Также есть третье направление исследований, тут в качестве аналогии приведу фильм «Аватар», в котором жители планеты Пандора «подключались» к драконам и управляли ими. Примерно такой принцип действия у так называемых человеко-машинных интерфейсов. Они, как правило, применяются в медицинской реабилитации, когда человек с моторной дисфункцией может управлять машинами напрямую — сигналами мозга, которые считываются специальными датчиками. Это уже биометрический мониторинг, который используется в медицине.

— В чём преимущества и недостатки использования биокомпьютеров по сравнению с традиционными компьютерами?

— Как я говорил в начале, перед человеческим мозгом на протяжении всей истории его формирования не стояли задачи вычислительного характера. Для нас нет никакого смысла пытаться соревноваться в этом с машиной.

Однако мозг решает другие задачи несоизмеримо эффективнее, чем самые мощные компьютеры. Я приведу довольно простой пример — моторику движений тела, конечностей. Если мы попробуем создать компьютер, который мог бы управлять движением руки так же точно и синхронно, как это делает мозг, нам потребуются просто колоссальные вычислительные и энергетические ресурсы. Отсюда и такой интерес к нейротехнологиям, и перспективы их коммерческого использования. Если бы удалось создать такой контроллер, который мог бы управлять таким же количеством приводов с такой же точностью, как мозг управляет мышцами, то с ним не могли бы сравниться никакие полупроводниковые процессоры.

— А какие перспективы есть у молекулярных компьютеров, которые производят вычисления, используя последовательность молекул в ДНК?

— Это уже немного другая научная область. Скажу прямо, я скептически отношусь к этому направлению, потому что ДНК — это микроструктура, где все устроено на основе статистики, а не чётких закономерностей. Такие исследования могут быть полезны генетикам и молекулярным биофизикам, биохимикам, а также для решения биоинформационных задач. Однако вряд ли такие вычисления смогут найти применение в реальном мире.

Заведующий лабораторией мемристорной наноэлектроники Научно-образовательного центра «Физика твердотельных наноструктур» ННГУ Алексей Михайлов

— Алексей Николаевич, ранее вы с коллегами реализовали проект по сопряжению электрических схем с нейронной сетью культуры клеток мозга. Расскажите, пожалуйста, об этом подробнее.

— Это была относительно простая система — мы соединяли искусственную нейронную сеть на основе мемристоров с живой системой нервных клеток так, что они работали вместе и обменивались сигналами. Работа была выполнена в рамках проекта Российского научного фонда (РНФ). Использование живых нейронов сопряжено с рядом проблем — живые клеточные культуры постоянно меняются, стареют, по мере биологической деградации меняются и функциональные связи, организованные в упорядоченных культурах. Задача искусственной сети из мемристоров состояла в том, чтобы отследить эти изменения. На этот случай была придумана специальная методика адаптации внешней стимуляции культуры с тем, чтобы минимизировать последствия этих изменений. Гибридная нейротехнологическая система могла не только классифицировать отклик живых клеток на внешние стимулы, но также в ней работала и обратная связь, которая помогала живой клеточной культуре адаптироваться к собственным изменениям.

— Что представляют из себя мемристоры?

— В отличие от традиционных полупроводниковых приборов, например транзисторов, которые являются логическими цифровыми элементами, мемристоры — аналоговые элементы. У них очень простая структура: это слой оксидного диэлектрика нанометровой толщины, помещённый между слоями токопроводящих металлов. Часть оксидного слоя содержит избыток атомов кислорода, другая, напротив, дефицит, а также способна проводить ток. Под определённым электрическим воздействием ионы кислорода переходят в соседний слой, что меняет проводимость участков мемристора — изменения сохраняются до тех пор, пока не будет приложено обратное усилие. Таким образом мемристор хранит информацию — его принцип действия очень похож на принцип запоминания информации живыми нейронами. Ведь синапсы нейрона тоже меняют свою пропускную способность в зависимости от того, какой сигнал проходит через них.

Суть также в том, что информация не только хранится, но и обрабатывается в одном месте — так происходит в нейронах, и этот принцип реализован и в мемристорах. В отличие от классического компьютера, где есть отдельно процессор, отдельно память, а между ними постоянно идёт обмен данными, который требует затрат энергии, мемристоры сами и хранят, и обрабатывают информацию.

Мемристоры на основе структур «металл-оксид-металл» можно совмещать с традиционными интегральными микросхемами. Мы сейчас разрабатываем такие гибридные устройства совместно с НИИИС имени Ю. Е. Седакова (Нижний Новгород) и НИИМЭ (Зеленоград). На базе таких систем можно создать ускорители нейроморфных вычислений — это новое аппаратное обеспечение искусственного интеллекта, которое в данный момент разрабатывается в рамках научной программы Национального центра физики и математики.

Сейчас нейроморфные вычислительные системы очень условно воспроизводят архитектуру нервной системы. Пока что они способны повторять только очень примитивные операции — если сравнивать с возможностями структур мозга. Мемристоры дают гораздо больше возможностей для создания мозгоподобных систем, которые будут уже не по форме, а по существу, воспроизводить механизмы работы мозга.

— Вы сейчас также занимаетесь созданием прототипа искусственного гиппокампа. На каком этапе находится исследование?

— В определённых структурах мозга, например гиппокампе, отвечающем за память и ориентацию в пространстве, сконцентрированы особые нейроны, которые могут селективно реагировать на отдельные образы. Такие когнитивно специализированные нейроны учёные иногда называют «бабушкиными клетками» — то есть клетками, которые позволяют нам узнавать собственную бабушку, например. Эти нейроны быстро и безошибочно реагируют только на образы конкретного объекта и игнорируют остальные.

Особенность этих нейронов в том, что они имеют очень большое число дендритных отростков, то есть «входов» информации — и чем их больше, тем избирательнее нейрон способен определять конкретный образ. Если говорить в математических терминах, то работа отдельного нейрона обычно сводится к операции скалярного умножения вектора входных сигналов на вектор синаптических весов. Если два таких вектора оказываются сонаправленными, то они при перемножении дают максимальную сумму, на которую реагирует нейрон — это и есть момент закрепления информации, узнавания. Те же входные векторы, которые ортогональны вектору весов, отклика не дают вовсе.

В многомерном пространстве, с большим количеством «входов» информации, это узнавание происходит гораздо эффективнее, так как два случайных вектора с очень большой вероятностью оказываются ортогональными. Математикам удалось объяснить уникальную селективность «бабушкиных клеток» в математических формулах. А с помощью мемристоров очень легко можно воспроизвести этот принцип «в железе» и реализовать физическую модель гиппокампа. Эта работа сейчас ведётся нами в рамках текущего проекта РНФ.

— Какое практическое применение найдёт такая система?

— Во-первых, с её помощью мы сможем лучше понять, как работает наш мозг и его определённые структуры. Во-вторых, она сможет быстро распознавать различные образы — и, в отличие от современных нейросетей, не будет требовать долгого обучения. Такая система сможет запоминать нужный для распознавания образ с первого раза.

Я думаю, что в будущем на этих технологиях будет основана масса технических продуктов и решений. Например, можно будет ускорить работу нейросетей и искусственного интеллекта, повысить их эффективность. Плюс, такие устройства на мемристорах будут более компактными и энергоэффективными, чем традиционные кремниевые чипы. Совсем в далёкой перспективе такие системы смогут замещать структуры человеческого мозга при неврологических заболеваниях. Хотя пока об этом рано говорить — пока ведутся фундаментальные и поисковые научные исследования.