Inżynierowie z Uniwersytetu Northwestern w Illinois, USA osiągnęli kamień milowy w badaniach nad sprzętem sztucznej inteligencji: wydrukowali sztuczne neurony, które mogą bezpośrednio komunikować się z żywymi komórkami mózgowymi. To przełomowe odkrycie, opublikowane 15 kwietnia w czasopiśmie Nature Nanotechnology, otwiera drogę do interfejsów mózg-maszyna, które działają bardziej naturalnie z ludzkim układem nerwowym — oraz do systemów obliczeniowych, które zużywają znacznie mniej energii niż dzisiejsze centra danych.
Problem napędzający te badania
Nowoczesne systemy sztucznej inteligencji są potężne, ale są niezwykle łakome na energię. Szkolenie dużych modeli językowych i przeprowadzanie rozpoznań na szeroką skalę wymaga centrów danych, które pobierają gigawaty energii elektrycznej. Mark Hersam, profesor nauk materiałowych na Uniwersytecie Northwestern, który prowadził badania, wprost opisał skalę wyzwania: obecne trendy wskazują na centra danych nowej generacji, które wymagałyby dedykowanych elektrowni jądrowych do działania. Poza elektrycznością, centra danych polegają na ogromnych ilościach wody do chłodzenia, co wywiera dodatkową presję na już obciążone zasoby wodne.
Nasze mózgi, w przeciwieństwie do tego, pracują na poziomie około 20 watów — tyle energii, co słaba żarówka. Hersam i jego zespół argumentują, że mózg jest pięć rzędów wielkości bardziej energooszczędny niż komputer cyfrowy, co czyni biologiczną architekturę neuronową najbardziej przekonującym modelem dla sprzętu obliczeniowego nowej generacji.
Jak działają wydrukowane neurony
Zespół zbudował swoje sztuczne neurony, wykorzystując proces zwany drukowaniem aerozolowym, który nanosi warstwy elektronowego atramentu na elastyczny polimerowy podkład. Atrament zawiera dwa kluczowe materiały: nanoskalowe płatki dwusiarczku molibdenu, który działa jako półprzewodnik, oraz grafen, który pełni rolę przewodnika elektrycznego. Razem te materiały tworzą urządzenie znane jako sieć nanosheet memristywnych — strukturę, której opór elektryczny zmienia się w zależności od wcześniejszej aktywności, podobnie jak biologiczny synaps wzmacnia się lub osłabia przy wielokrotnym użyciu.
Kluczowy pomysł pochodził z nieoczekiwanego źródła: stabilizującego polimeru, który badacze zazwyczaj spalają po wydrukowaniu. Zespół z Northwestern odkrył, że częściowe rozkładanie polimeru, zamiast całkowitego usuwania, pozwala na wprowadzenie kontrolowanych niedoskonałości do wydrukowanego materiału. Niedoskonałości te tworzą wąski przewodzący kanał, przez który prąd elektryczny staje się skoncentrowany. Gdy prąd przepływa przez ten kanał, urządzenie szybko włącza się i wyłącza, generując ostre skoki napięcia.
Te skoki napięcia przypominają potencjały czynnościowe — impulsy elektryczne — które produkują prawdziwe neurony, gdy się aktywują. Co istotne, urządzenia te nie tylko generują jednolity impuls włącz-wyłącz. Produkują bogaty zestaw wzorców aktywacji, w tym izolowane skoki, utrzymywane wybuchy i rytmiczne oscylacje, odpowiadając różnorodności zachowań, które przejawiają biologiczne neurony i które pozwalają mózgowi na kodowanie informacji z niezwykłą efektywnością.
Komunikacja z żywą tkanką
Aby sprawdzić, czy sztuczne neurony mogą zrobić więcej niż tylko przypominać sygnały biologiczne, badacze współpracowali z profesorem neurobiologii Uniwersytetu Northwestern, Indirą Raman. Zespół podłączył swoje wydrukowane urządzenia do plasterków móżdżku myszy — regionu mózgu, który kontroluje koordynację ruchową — i wysłał sygnały do żywej tkanki.
Biologiczne neurony zareagowały. Sztuczne neurony wygenerowały sygnały o odpowiednim kształcie i czasie, aby aktywować rzeczywiste obwody nerwowe w tkance, co pokazuje poziom biokompatybilności, którego wcześniejsze urządzenia neuromorficzne nie osiągnęły.
„Możesz zobaczyć, jak żywe neurony reagują na nasz sztuczny neuron” — powiedział Hersam. „Pokazaliśmy więc sygnały, które są nie tylko odpowiednie w skali czasowej, ale także mają odpowiedni kształt impulsu, aby bezpośrednio współdziałać z żywymi neuronami.”
Zespół badawczy osiągnął te wyniki, używając zaledwie dwóch wydrukowanych neuronów połączonych z podstawowymi komponentami obwodów, co stanowi radykalną różnicę w porównaniu do konwencjonalnych chipów neuromorficznych, które wymagają milionów jednorodnych sztucznych neuronów, aby osiągnąć nawet skromną funkcjonalność.
Implikacje dla interfejsów mózg-maszyna
Możliwość bezpośredniej komunikacji z żywą tkanką nerwową niesie ze sobą znaczący potencjał dla technologii medycznej. Neuroprotetyka — urządzenia, które przywracają utraconą funkcję sensoryczną lub motoryczną — obecnie boryka się z fundamentalnym ograniczeniem: sztywne elektrody krzemowe stymulują neurony w prymitywny, niedokładny sposób, którego mózg nie toleruje dobrze w dłuższym okresie. Elastyczne, drukowane urządzenie zdolne do generowania biologicznie dokładnych sygnałów mogłoby poprawić wydajność i trwałość implantów zaprojektowanych do przywracania słuchu, wzroku lub ruchu.
Elastyczność wydrukowanego podkładu jest również ważna dla praktycznej implantacji. Sztywna elektronika dotykająca miękkiej, poruszającej się tkanki mózgowej powoduje z czasem mechaniczne napięcia i stany zapalne. Miękkie, elastyczne urządzenia, takie jak te, które opracował zespół Northwestern, poruszają się wraz z tkanką, potencjalnie redukując długoterminowe uszkodzenia.
Jeszcze długa droga do energooszczędnej sztucznej inteligencji
Bardziej odległym — ale potencjalnie przełomowym — zastosowaniem jest energooszczędny sprzęt sztucznej inteligencji. Dzisiejsze krzemowe chipy osiągają złożoność obliczeniową, pakując miliardy identycznych tranzystorów razem. Mózg osiąga znacznie większą efektywność dzięki różnorodności: różne typy neuronów o różnych zachowaniach aktywacji współpracują, pozwalając systemowi na kodowanie i przetwarzanie informacji przy użyciu znacznie mniejszej liczby komponentów.
Zespół Hersama wykazał, że ich podejście do produkcji może wytwarzać sztuczne neurony o zróżnicowanych, złożonych zachowaniach aktywacji z jednego procesu drukowania. Ta technika nie wymaga drogich, wysoko kontrolowanych obiektów do produkcji półprzewodników, które wymagają chipy krzemowe. Dzięki wykorzystaniu miękkich materiałów i metod drukowania badacze wyprodukowali urządzenia, które zbliżają się do bogactwa zachowań biologicznych neuronów przy ułamku złożoności produkcji.
„Krzem osiąga złożoność, mając miliardy identycznych urządzeń” — powiedział Hersam. „Wszystko jest takie samo, sztywne i stałe po wyprodukowaniu. Mózg jest zupełnie odwrotny. Jest heterogeniczny, dynamiczny i trójwymiarowy. Aby posunąć się w tym kierunku, potrzebujemy nowych materiałów i nowych sposobów budowania elektroniki.”
Badacze ostrzegają, że przekształcenie laboratorium w praktyczny sprzęt obliczeniowy zajmie lata dalszego rozwoju. Droga od obiecującego urządzenia do produkowanego chipa, który centra danych mogą przyjąć, jest długa i niepewna. Jednak badanie ustanawia dowód koncepcji: wydrukowane, elastyczne materiały mogą produkować rodzaj różnorodnych, biologicznie realistycznych sygnałów neuronowych, których bardziej wydajny sprzęt AI będzie wymagał.
Kontekst w ramach szerszej zmiany
Przełomowej pracy na Northwesternie towarzyszy moment, w którym branża sztucznej inteligencji poważnie zmaga się z kosztami energetycznymi dalszego skalowania. Konkurencyjne podejścia do bardziej wydajnego sprzętu AI obejmują chipy fotonowe, które używają światła zamiast elektryczności, wyspecjalizowane procesory do rozpoznavania oraz szereg projektów neuromorficznych od firm takich jak Intel i IBM. Podejście wydrukowanych neuronów wyróżnia się wykorzystaniem miękkich, elastycznych materiałów oraz potwierdzoną zdolnością do bezpośredniego interfacingu z tkanką biologiczną — połączeniem, którego żadne z opcji opartych na krzemie obecnie nie mogą dorównać.
To badanie otrzymało wsparcie od Narodowej Fundacji Naukowej USA. Zespół badawczy składał się z naukowców z wydziałów nauk materiałowych, neurobiologii i inżynierii elektrycznej Northwestern, co odzwierciedla z natury interdyscyplinarny charakter prac, które znajdują się na styku sztucznej inteligencji, neuronauki i nanotechnologii.
