Syntetyczna kopia ludzkiego mózgu mogłaby przynieść ogromne korzyści w różnorodnych dziedzinach – stwierdzają naukowcy z Uniwersytetu Warwick, autorzy publikacji, która ukazała się w piśmie „Nature Reviews Electrical Engineering”.
Czytaj więcej
Rekord świata w biegu na 100 metrów Usaina Bolta wynosi 9,58 sekundy. Przez 17 lat nie pobił go żaden człowiek. Teraz zrobił to robot. Maszyna Ligh...
Elektroniczna kopia ludzkiego mózgu. Oto możliwe korzyści z jej stworzenia
W neuronauce takie modele pomogłyby przeprowadzić eksperymenty, których nie da się wykonać na żywym mózgu ze względów etycznych. W medycynie mogłyby pozwolić na tworzenie wirtualnych odpowiedników mózgów żywych pacjentów, pomagając dobrać najlepsze leczenie. Umożliwiłyby też tworzenie lepszych systemów AI, pomagając wzbogacić je w doskonalszą percepcję, zdolności adaptacji i działania, w tym interakcji ze światem.
Czytaj więcej
W Polsce głośno było ostatnio o kontrowersjach wokół raportu „Polaków Portret Własny”, który miał zostać stworzony przy pomocy AI. Teraz o oszustwo...
Przeszkody na drodze do stworzenia elektronicznej kopii ludzkiego mózgu
Naukowcy w swojej pracy wskazują jednak, że to, jak wiernie uda się opracować cyfrowy odpowiednik ludzkiego mózgu, zależy nie tylko od mocy obliczeniowej komputerów. Podstawą jest przede wszystkim możliwość gromadzenia, weryfikowania i aktualizowania informacji o żywym organie. Przy tym nie wystarczy tylko poznanie ogólnego działania mózgu, co już jest ogromnym wyzwaniem. Do wielu zastosowań, np. w medycynie, potrzebne będą dane na temat konkretnego pacjenta.
– Cyfrowy bliźniak mózgu to coś więcej niż wielkoskalowa symulacja. Kluczowa różnica polega na tym, że odwzorowuje on konkretną osobę i pozostaje połączony z jej biologicznym mózgiem za pośrednictwem danych. Perspektywa stworzenia cyfrowego bliźniaka mózgu zmienia więc pytanie z „Ile komórek mózgowych potrafimy zasymulować?” na „Jak dużą część żywego mózgu konkretnej osoby jesteśmy w stanie rzeczywiście obserwować, uwzględniać w modelu i na bieżąco aktualizować, aby stworzyć prawdziwego cyfrowego bliźniaka?”– wskazał Ruohan Zhang z Uniwersytetu Warwick, współautor badania.
Aby zobrazować trudność związaną z tworzeniem kopii mózgu, badacze posłużyli się przykładem prostego układu nerwowego należącego do używanego w badaniach biologicznych robaka C. elegans. Ma on tylko 302 neurony i zdołano już stworzyć mapę wszystkich łączących je synaps. Tymczasem ludzki mózg to prawie 90 miliardów neuronów i obecnie poznanie synaptycznych połączeń między nimi wykracza poza możliwości techniczne.
Czytaj więcej
Dla wielu osób sięgnięcie po smartfon, by sprawdzić godzinę, stało się rutyną. Choć wybór między tradycyjnym zegarkiem a cyfrowym ekranem wydaje si...
Cyfrowy bliźniak mózgu musiałby nadążać za zmianami zachodzącymi u człowieka
Eksperci twierdzą, że stworzenie możliwego do realizacji cyfrowego bliźniaka ludzkiego mózgu będzie wymagało połączenia kilku niedoskonałych jeszcze narzędzi. Proponują to zamiast czekania na jedno, które będzie idealne. Wymieniają m.in. mikroskopię elektronową do obserwacji niewielkich obszarów mózgu, szersze statystyczne mapowanie typów komórek i obwodów nerwowych oraz obrazowanie całego mózgu metodą rezonansu magnetycznego, które ma pozwolić na połączenie tych danych w model konkretnej osoby.
Jak jednak podkreślają, struktura to nie wszystko. Rzecz w tym, że mózg nieustannie zmienia się pod wpływem uczenia się, starzenia, chorób i różnych doświadczeń, więc użyteczny cyfrowy bliźniak musiałby nadążać za tymi zmianami. Badacze nakreślają drogę od dzisiejszych, w dużej mierze statycznych modeli, przez modele aktualizowane wraz z napływem nowych danych, aż po systemy działające w zamkniętej pętli, w których zachowanie cyfrowego bliźniaka byłoby porównywane z rzeczywistym mózgiem i odpowiednio korygowane.
– Ważne jest, aby odróżnić to, co cyfrowe bliźniaki mózgu potrafią już dziś, od długoterminowej wizji ich rozwoju. Obecne modele mogą już odtwarzać wybrane cechy strukturalne i funkcjonalne z wykorzystaniem zindywidualizowanych danych biologicznych. Kolejnym wyzwaniem jest sprawienie, by modele te stawały się coraz bardziej adaptacyjne – potrafiły aktualizować się wraz z napływem nowych pomiarów, a w przyszłości także współdziałać z biologicznym mózgiem w systemach działających w zamkniętej pętli – podkreśla prof. Jianfeng Feng z Uniwersytetu Warwick i Uniwersytetu Fudan.
