دانشمندان با بافت مغزی آزمایشگاهی بهسوی ساخت کامپیوتر زیستی رفتند
پژوهشگران با استفاده از ارگانوئیدهای مغزی، الگوهای بریل را با دقتی تا ۸۳ درصد طبقهبندی کردند. با رایانش زیستهیبریدی و آینده کامپیوترهای زیستی آشنا شوید.

دانشمندان از بافتهای شبیه مغز برای پردازش اطلاعات استفاده کردند؛ گامی بهسوی کامپیوترهای زیستی
فناوری رایانش زیستی در حال نزدیکشدن به ایدهای است که تا همین چند سال پیش بیشتر شبیه داستانهای علمیتخیلی به نظر میرسید: استفاده از بافت زنده برای پردازش اطلاعات. پژوهشگران دانشگاه بریستول در یک مطالعه جدید نشان دادهاند که میتوان از ارگانوئیدهای مغزی، یعنی ساختارهای کوچک آزمایشگاهی شبیه بخشهایی از مغز، برای پردازش سیگنالهای مرتبط با الگوهای بریل استفاده کرد.
در این آزمایش، دانشمندان پاسخهای الکتریکی بافتهای عصبی را ثبت کردند و با کمک الگوریتمهای یادگیری ماشین توانستند الگوهای مختلف را از یکدیگر تشخیص دهند. این پژوهش میتواند گامی اولیه در مسیر توسعه کامپیوترهای زیستی و سامانههای محاسباتی زیستهیبریدی باشد؛ سامانههایی که در آنها سلولهای زنده در کنار تجهیزات الکترونیکی و نرمافزار فعالیت میکنند.
البته این فناوری هنوز یک کامپیوتر زیستی کامل نیست و نتایج آن به معنای یادگیری زبان یا درک بریل توسط یک مغز آزمایشگاهی نیست. اهمیت تحقیق در این است که نشان میدهد بافت عصبی زنده میتواند بخشی از فرایند پردازش و طبقهبندی اطلاعات را بر عهده بگیرد.
ارگانوئید مغزی چیست؟
ارگانوئید مغزی ساختاری کوچک است که در محیط آزمایشگاه و با استفاده از سلولهای بنیادی پرورش داده میشود. این ساختارها میتوانند برخی ویژگیهای سلولها و ارتباطات عصبی مغز انسان را بازسازی کنند، اما مغز کامل نیستند و تواناییها و سازماندهی مغز طبیعی را ندارند.
ارگانوئیدها معمولاً برای بررسی رشد عصبی، مطالعه بیماریهای مغزی، آزمایش داروها و شناخت بهتر نحوه ارتباط نورونها به کار میروند. در سالهای اخیر، دانشمندان در حال بررسی امکان استفاده از آنها در حوزهای تازه نیز بودهاند: رایانش زیستهیبریدی.
در این رویکرد، بافت زنده با حسگرها، الکترودها و الگوریتمهای رایانهای ترکیب میشود تا سیگنالهای زیستی در یک فرایند محاسباتی مورد استفاده قرار بگیرند.

دانشمندان چگونه الگوهای بریل را به بافت عصبی منتقل کردند؟
بریل سامانهای برای خواندن و نوشتن است که در آن حروف با ترکیبهای متفاوتی از نقاط برجسته نمایش داده میشوند. پژوهشگران از این الگوها بهعنوان ورودی استفاده کردند تا بررسی کنند آیا پاسخهای الکتریکی ارگانوئیدها میتوانند اطلاعاتی درباره تفاوت میان الگوها در اختیار یک سامانه تشخیص قرار دهند یا خیر.
فرایند آزمایش را میتوان در چهار مرحله خلاصه کرد:
-
ثبت ورودی لمسی: حسگر، الگوهای نقاط بریل را دریافت و آنها را به سیگنالهای قابل پردازش تبدیل کرد.
-
تحریک الکتریکی: الگوهای مربوط به ورودی از طریق رابط الکترونیکی به شکل تحریکهای الکتریکی به ارگانوئید منتقل شدند.
-
ثبت فعالیت عصبی: الکترودها پاسخهای الکتریکی بافت عصبی را اندازهگیری کردند.
-
طبقهبندی با یادگیری ماشین: الگوریتم یادگیری ماشین، پاسخهای عصبی ثبتشده را تحلیل کرد تا مشخص شود هر پاسخ با کدام الگوی ورودی ارتباط بیشتری دارد.
نکته مهم این است که ارگانوئید بهتنهایی حروف را نمیخواند. سامانه الکترونیکی ورودی را کدگذاری میکند و الگوریتم رایانهای پاسخهای عصبی را طبقهبندی میکند.

دقت تشخیص به حدود ۸۳ درصد رسید
یکی از نتایج قابل توجه پژوهش، تفاوت عملکرد یک ارگانوئید با سامانهای متشکل از چند ارگانوئید بود.
بر اساس گزارش پژوهش، یک ارگانوئید بهتنهایی توانست الگوها را با دقتی در حدود ۶۱ درصد طبقهبندی کند. هنگامی که پاسخهای سه ارگانوئید با یکدیگر ترکیب شدند، دقت طبقهبندی به حدود ۸۳ درصد رسید.
این نتیجه نشان میدهد که ترکیب پاسخهای چند نمونه عصبی ممکن است به تشخیص قابلاعتمادتر الگوها کمک کند. پژوهشگران همچنین عملکرد سامانه را در شرایطی با نویز مصنوعی بررسی کردند و نتایجی به دست آوردند که از ظرفیت بالقوه این رویکرد برای پردازش سیگنالهای پیچیدهتر حمایت میکند.
با این حال، اعداد یادشده مربوط به شرایط آزمایشی همین پژوهش هستند و نباید آنها را معادل عملکرد یک رایانه عمومی یا یک سامانه آماده استفاده در دنیای واقعی دانست.

آیا این ارگانوئیدها یاد میگیرند یا فکر میکنند؟
اصطلاح «کامپیوتر زیستی» ممکن است این تصور را ایجاد کند که دانشمندان یک مغز کوچک ساختهاند که مانند انسان فکر میکند. اما چنین برداشتی با نتایج این تحقیق مطابقت ندارد.
در این آزمایش، فعالیت الکتریکی بافت عصبی بهعنوان بخشی از یک زنجیره پردازش اطلاعات اندازهگیری شد. الگوریتم یادگیری ماشین وظیفه طبقهبندی پاسخها را بر عهده داشت. بنابراین، نتیجه پژوهش نشان نمیدهد که ارگانوئیدها معنای حروف را فهمیدهاند، زبان یاد گرفتهاند یا دارای آگاهی هستند.
این تفاوت مهم است: پردازش یک الگوی الکتریکی با درک معنای آن یکسان نیست.
پژوهش حاضر را بهتر است یک اثبات اولیه برای امکان استفاده از بافت عصبی زنده در سامانههای محاسباتی دانست، نه ساخت یک مغز مصنوعی هوشمند.
کامپیوترهای زیستی چه کاربردهایی میتوانند داشته باشند؟
اگر دانشمندان بتوانند این فناوری را در آینده قابلکنترلتر، پایدارتر و مقیاسپذیرتر کنند، رایانش زیستهیبریدی ممکن است در چند حوزه کاربرد پیدا کند:
-
پژوهشهای علوم اعصاب: بررسی نحوه پاسخ سلولهای عصبی به تحریکها و الگوهای مختلف.
-
آزمایش داروها: مطالعه تأثیر ترکیبات دارویی بر فعالیت عصبی در محیط آزمایشگاه.
-
پردازش سیگنالهای زیستی: بررسی روشهای تازه برای ترکیب فعالیت سلولهای زنده با سیستمهای الکترونیکی.
-
طراحی سختافزارهای محاسباتی جدید: الهامگرفتن از شیوه فعالیت شبکههای عصبی زیستی برای ساخت سامانههای متفاوت از پردازندههای معمولی.
البته این موارد ظرفیتهای احتمالی آینده هستند، نه محصولاتی که همین حالا با این فناوری در دسترس عموم قرار گرفته باشند.
چالشهای بزرگ پیش روی رایانش زیستی
با وجود نتایج امیدوارکننده، استفاده از بافت زنده برای پردازش اطلاعات با موانع مهمی روبهرو است.
نخست، ارگانوئیدها نمونههای زیستی هستند و فعالیت آنها ممکن است از یک نمونه به نمونه دیگر متفاوت باشد. نگهداری طولانیمدت بافت، تأمین شرایط مناسب رشد و ثبت پایدار سیگنالهای عصبی نیز به تجهیزات و نظارت دقیق نیاز دارد.
دوم، پژوهشگران باید روشهایی قابلاعتماد برای کنترل تحریکها، تفسیر پاسخهای عصبی و اتصال این بافتها به سختافزارهای محاسباتی توسعه دهند. همچنین باید هزینه، مصرف انرژی و عملکرد این سامانهها در مقایسه با فناوریهای رایج بهطور دقیق سنجیده شود.
مسائل اخلاقی نیز اهمیت زیادی دارند؛ بهویژه با پیشرفت پژوهش درباره بافتهای عصبی انسانی. دانشمندان باید چارچوبهای روشنی برای تولید، نگهداری و استفاده از این ساختارها داشته باشند.
جمعبندی
پژوهش دانشگاه بریستول نمونهای از تلاشهای تازه برای پیوند دادن زیستشناسی و علوم رایانه است. در این مطالعه، پاسخهای الکتریکی ارگانوئیدهای مغزی برای طبقهبندی الگوهای بریل بررسی شدند و ترکیب پاسخهای سه ارگانوئید به دقتی حدود ۸۳ درصد رسید.
این نتیجه به معنای ساختهشدن یک مغز هوشمند یا جایگزینی رایانههای امروزی نیست؛ اما نشان میدهد که بافت عصبی زنده میتواند در کنار الکترونیک و یادگیری ماشین، بخشی از یک سامانه پردازش اطلاعات را تشکیل دهد.
در سالهای آینده، پژوهشهای بیشتر مشخص خواهند کرد که آیا کامپیوترهای زیستی میتوانند به فناوریای کاربردی تبدیل شوند یا همچنان در محدوده آزمایشگاه باقی خواهند ماند. در هر صورت، این حوزه یکی از مسیرهای غیرمعمول و جذاب در تلاقی زیستشناسی، هوش مصنوعی و فناوری محاسباتی است.