Tolle Neuigkeiten! Die Geburt eines maschinell-organoiden Hybrid-„Biologiecomputers“! Oder überwinden Sie den KI-Hardware-Engpass

Das menschliche Gehirn, die „Kommandozentrale“ der Menschheit, verfügt über etwa 200 Milliarden Zellen, die durch Billionen nanometergroßer Synapsen miteinander verbunden sind.

Derzeit benötigen künstliche neuronale Netzwerke, die von Hardware für künstliche Intelligenz (KI) angetrieben werden, etwa 8 Millionen Watt Energie, während das menschliche Gehirn nur etwa 20 Watt benötigt.

Durch Neuroplastizität und Neurogenese ist das Gehirn außerdem in der Lage, verrauschte Daten mit minimalem Trainingaufwand effizient zu verarbeiten und daraus zu lernen, wodurch der hohe Energiebedarf hochpräziser Rechenmethoden vermieden wird.

Inspiriert von der Struktur und Funktion des menschlichen Gehirns haben Forscher der Indiana University Bloomington, der University of Florida, des Cincinnati Children's Hospital Medical Center und der University of Cincinnati ein maschinell-organoides Hybrid-Computersystem erfunden – Brainoware .

Das System, das herkömmliche Computerhardware und Gehirnorganoide umfasst, kann Aufgaben wie Spracherkennung und Vorhersage nichtlinearer Gleichungen ausführen. Darüber hinaus kann sich das System als Reaktion auf elektrische Stimulation flexibel verändern und neu organisieren, wodurch es den Herausforderungen der aktuellen KI-Hardware hinsichtlich Zeit- und Energieverbrauch sowie Wärmeentwicklung gerecht werden soll .

Die zugehörige Forschungsarbeit mit dem Titel „Brain organoid reservoir computing for artificial intelligence“ wurde in Nature Electronics, einer Tochtergesellschaft von Nature, veröffentlicht.

Die Autoren des Artikels erwähnten, dass Gehirn-Organoide nur einen Teil des Systems darstellen und komplexere künstliche neuronale Netzwerke noch nachgewiesen werden müssen .

In einem parallel zur Studie veröffentlichten News & Views-Artikel schrieben Lena Smirnova, außerordentliche Professorin an der Johns Hopkins University, und ihre Kollegen: „Da diese organoiden Systeme immer komplexer werden, gewinnen die neuroethischen Fragen im Zusammenhang mit der Untersuchung von Biocomputing-Systemen mit menschlichem Nervengewebe zunehmend an Bedeutung. Auch wenn die Entwicklung universeller Biocomputing-Systeme noch Jahrzehnte auf sich warten lassen mag, verspricht diese Forschung grundlegende Erkenntnisse über Lernmechanismen, die neurologische Entwicklung und neurodegenerative Erkrankungen. “

Spracherkennung verfügbar

Der jüngste Erfolg der KI ist vor allem auf die Entwicklung künstlicher neuronaler Netzwerke (KNN) zurückzuführen, die mithilfe von Silizium-Computerchips große Datensätze verarbeiten. Allerdings ist das Trainieren künstlicher neuronaler Netze auf aktueller KI-Rechnerhardware energieintensiv und zeitaufwändig, und die Daten- und Datenverarbeitungseinheiten sind physisch getrennt, d. h. es liegt ein Von-Neumann-Engpass vor .

Die Struktur, Funktion und Effizienz des menschlichen Gehirns dienen als Inspiration für die Entwicklung von KI-Hardware – das menschliche Gehirn kombiniert Datenspeicherung und -verarbeitung in biologischen neuronalen Netzwerken (BNNs) und vermeidet so auf natürliche Weise das Von-Neumann-Engpassproblem.

Inspiriert von BNNs haben Wissenschaftler versucht, effiziente und kostengünstige neuromorphe Chips zu entwickeln, beispielsweise unter Verwendung von Memristoren. Allerdings können aktuelle neuromorphe Chips die Gehirnfunktionen nur teilweise nachahmen, und es ist wichtig, ihre Verarbeitungsfähigkeiten zu verbessern .

In diesem Zusammenhang stellt die Studie eine KI-Hardware vor, die die Reservoir-Berechnungs- und unüberwachten Lernfähigkeiten der in die Organoide eingebetteten organoiden neuronalen Netzwerke (ONNs) des menschlichen Gehirns nutzt. Dieser Ansatz ist in der Lage, räumlich-zeitliche Informationen zu verarbeiten und durch die neuronale Plastizität von Organoiden unüberwachtes Lernen zu erreichen.

Abbildung | Brainoware KI-Computing mit unüberwachtem Lernen (Quelle: das Papier)

Im Vergleich zu aktuellen 2D-Neuronenkulturen in vitro und neuromorphen Chips kann Brainoware tiefere Einblicke in die KI-Datenverarbeitung bieten, da Organoide die Komplexität, Konnektivität, Neuroplastizität und Neurogenese von BNNs sowie einen geringen Energieverbrauch und schnelles Lernen bieten können.

Dank der hohen Plastizität und Anpassungsfähigkeit von Organoiden ist Brainoware in der Lage, sich als Reaktion auf elektrische Stimulation flexibel zu verändern und neu zu organisieren, was seine Fähigkeit zur adaptiven Reserveberechnung unterstreicht .

Untersuchungen haben gezeigt, dass diese Methode physikalische Reserveeigenschaften wie nichtlineare Dynamik, nachlassendes Gedächtnis und räumliche Informationsverarbeitung anzeigen und auch Spracherkennung und nichtlineare Gleichungsvorhersage durchführen kann. Darüber hinaus zeigte die Studie, dass diese Methode in der Lage ist, aus Trainingsdaten zu lernen, indem sie die funktionale Konnektivität von ONNs neu gestaltet.

Abbildung ｜ Spracherkennung (Quelle: Dieses Dokument)

Aktuelle Brainoware-Ansätze weisen jedoch mehrere Einschränkungen und Herausforderungen auf.

Eine technische Herausforderung besteht in der Erzeugung und Erhaltung von Organoiden. Obwohl verschiedene Protokolle erfolgreich etabliert wurden, leiden aktuelle Organoide immer noch unter hoher Heterogenität, geringer Generationseffizienz, Nekrose/Hypoxie und variabler Aktivität. Darüber hinaus ist es wichtig, Organoide richtig zu pflegen und zu unterstützen, um ihre Rechenkapazitäten voll auszuschöpfen.

Obwohl die aktuelle Brainoware-Hardware weniger Strom verbraucht, sind zusätzliche Peripheriegeräte erforderlich, die immer noch beträchtlichen Strom verbrauchen. Abhängig von der Entwicklung der Elektronikindustrie und der Systemintegration sollte es in Zukunft möglich sein, mithilfe maßgeschneiderter Systeme zur Erhaltung und Vernetzung von Organoiden eine Integration mit sehr geringem Energieaufwand zu erreichen.

Brainoware verwendet flache, starre MEA-Elektroden zur Schnittstelle mit Organoiden, die nur einige Neuronen auf der Oberfläche des Organs stimulieren/aufzeichnen können. Daher ist es notwendig, Methoden zu entwickeln, um Organoide umfassend mit KI-Hardware und -Software zu verbinden.

Eine weitere technische Herausforderung ist das Datenmanagement und die Datenanalyse. Das Kodieren und Dekodieren räumlich-zeitlicher Informationen von Brainoware muss noch optimiert werden. Dies kann durch eine Verbesserung der Effizienz beim Interpretieren, Extrahieren und Verarbeiten von Daten aus mehreren Quellen und Modalitäten erreicht werden. Darüber hinaus wird diese neue KI-Hardware wahrscheinlich große Datenmengen generieren, was die Entwicklung neuer Algorithmen und Methoden zur Datenanalyse und -visualisierung erfordern könnte.

Breite Anwendungsperspektiven

Bei den oben genannten Forschungen zu Brainoware handelt es sich lediglich um einen Versuch von Wissenschaftlern in Richtung Organoide.

Organoide sind einer der Forschungsschwerpunkte. Dabei handelt es sich um Mikroorganismen mit dreidimensionalen Strukturen, die in einer In-vitro-Umgebung kultiviert werden können. Sie weisen eine komplexe Struktur auf, die echten Organen ähnelt, und können die physiologischen Funktionen echter Organe teilweise simulieren .

Im Jahr 2009 gelang es dem Team um Hans Clevers am Hubrecht-Institut in den Niederlanden, adulte Stammzellen in Krypten- und Zottenstrukturen des Dünndarms zu kultivieren und damit den Beginn der Organoid-Technologie zu markieren.

Organoide sind äußerst vielversprechend für die Organtransplantation und das Arzneimittelscreening. Sie bieten außerdem die Möglichkeit, Zellmodelle menschlicher Krankheiten zu erstellen , die im Labor untersucht werden können, um die Krankheitsursachen besser zu verstehen und mögliche Behandlungen zu identifizieren. Die Leistungsfähigkeit von Organoiden in dieser Hinsicht wurde erstmals bei einer genetischen Form der Mikrozephalie genutzt, bei der Patientenzellen zur Herstellung von Gehirn-Organoiden verwendet wurden, die kleiner waren und Anomalien in den frühen Neuronen aufwiesen.

Im Jahr 2021 gelang es einem Forschungsteam der Österreichischen Akademie der Wissenschaften in Wien, das weltweit erste selbstorganisierende Herz-Organoid-Modell in vitro unter Verwendung menschlicher pluripotenter Stammzellen zu züchten. Dieses Modell kann spontan Hohlräume bilden und autonom schlagen, ohne dass eine Stentunterstützung erforderlich ist. Gleichzeitig kann dieses Herzorganoid Herzfibroblasten autonom mobilisieren, damit diese wandern und Schäden nach einer Verletzung reparieren können.

Abbildung | Schlagende Herz-Organoide (Quelle: The Mendjan Lab)

Anfang dieses Monats zeigte ein in der Zeitschrift Nature Methods veröffentlichter Artikel, dass Wissenschaftler am Institut für Molekulare Biotechnologie der Österreichischen Akademie der Wissenschaften erfolgreich ein Organoidmodell des Dopaminsystems entwickelt haben. Dieses Modell enthüllt im Detail die komplexen Funktionen des Dopaminsystems und seine möglichen Auswirkungen auf die Parkinson-Krankheit. Es ist spannend, dass dieses Organoidmodell zur Verbesserung zellbasierter Therapien für die Parkinson-Krankheit eingesetzt werden könnte.

Fast zeitgleich veröffentlichten Wissenschaftler der Stanford University School of Medicine und anderer Institutionen einen Forschungsbericht im Fachjournal „Cell Reports“. Sie nutzten das dreidimensionale Organgewebemodell von Organoiden, um Gene herauszufiltern, die das Wachstum vieler verschiedener Krebsarten verursachen, und identifizierten vielversprechende potenzielle Angriffspunkte bei Mundkrebs und Plattenepithelkarzinomen der Speiseröhre.

Derzeit erlebt die Organoid-Kulturtechnologie eine Phase rasanter technologischer Entwicklung und zahlreicher wissenschaftlicher Forschungsergebnisse. Es bietet breite Anwendungsmöglichkeiten, steht aber auch vor einer Reihe wichtiger Herausforderungen : Dazu gehört die Frage, wie man menschliche embryonale Stammzellen wirksam nutzen kann, um ein stabiles und dauerhaftes In-vitro-Modell zu etablieren; wie man die menschliche Mikroumgebung realistischer simulieren kann; und wie man eine Massenproduktion von Produkten mit wissenschaftlichen Forschungsattributen erreicht und diese erfolgreich in klinische Produkte umwandelt.

Wir erwarten, dass die kontinuierliche Weiterentwicklung der Organoid-Technologie in Zukunft weitere Chancen und Durchbrüche in Bereichen wie Medizin, Biologie, Arzneimittelentwicklung und KI mit sich bringen wird.

Referenzlinks:

https://www.nature.com/articles/s41928-023-01069-w

https://en.wikipedia.org/wiki/Organoid#Properties

https://pubmed.ncbi.nlm.nih.gov/37922313/

https://www.nature.com/articles/s41592-023-02080-x