في تجربة علمية جديدة تفتح آفاقًا أمام مستقبل الحوسبة الحيوية، كشف باحثون بجامعة بريستول البريطانية أن دمج 3 نماذج مصغرة من أنسجة الدماغ البشري المزروعة معمليًا يمكن أن يحسن القدرة على معالجة المعلومات والتعرف على الحروف بطريقة برايل، حيث وصلت دقة التصنيف إلى 83%، مقارنة بنحو 61% عند استخدام نموذج واحد فقط.
وتقدم النتائج اتجاهًا بحثيًا جديدًا يجمع بين الخلايا العصبية الحية والتكنولوجيا الإلكترونية، في محاولة لتطوير أنظمة حوسبة هجينة تستفيد من الخصائص الفريدة للشبكات العصبية البيولوجية، وفقًا للدراسة المنشورة في دورية Frontiers in Artificial Intelligence.
اقرأ أيضًا: Google تعمل على وضع Gemini Live دون إنترنت يتطلب إعدادا أوليا بالاتصال
كيف استخدم العلماء نماذج الدماغ المصغرة في التجربة؟
اعتمد الباحثون على ما يعرف باسم «عضيات الدماغ» (Brain Organoids)، وهي تجمعات ثلاثية الأبعاد من الخلايا العصبية تُزرع داخل المختبر، وتحاكي بعض الخصائص البيولوجية للدماغ البشري، لكنها لا تمثل دماغًا كاملًا.
ويبلغ حجم كل عضية أقل من مليمتر واحد، وتحتوي على نحو 10 آلاف خلية عصبية، إلى جانب خلايا أخرى داعمة تساعد في تكوين الشبكات العصبية.
ووضع الفريق البحثي هذه العضيات على شرائح إلكترونية متعددة الأقطاب، تسمح بإرسال إشارات كهربائية إليها وتسجيل النشاط العصبي الناتج عنها، مع توفير الظروف اللازمة للحفاظ على حياة الخلايا.
تجربة قراءة برايل.. كيف تعرفت الخلايا العصبية على الحروف؟
استخدم الباحثون مستشعرًا لمسيًا مثبتًا على روبوت لالتقاط الأنماط البارزة التي تمثل الحروف الأبجدية الـ26 بطريقة برايل، ثم حُولت هذه المعلومات إلى أنماط من التحفيز الكهربائي أُرسلت إلى العضيات الدماغية.
وبعد استقبال الإشارات، سجل العلماء الاستجابات الكهربائية الصادرة عن الخلايا العصبية، ثم استخدموا خوارزميات التعلم الآلي لتحليل هذه الاستجابات وتصنيف الحروف والتعرف عليها.
وأظهرت النتائج أن استخدام عضية واحدة حقق دقة بلغت نحو 61% في التعرف على الحروف، بينما ارتفعت النسبة إلى 83% عند دمج الاستجابات الصادرة عن 3 عضيات معًا.
كما أظهرت التجربة أن دمج استجابات العضيات الثلاث ساعد على التعامل بصورة أفضل مع التشويش الاصطناعي في الإشارات، مقارنة باستخدام خوارزمية التعلم الآلي وحدها.
لماذا تفوقت 3 عضيات دماغية على واحدة؟
يرجح الباحثون أن هذا التحسن يرجع إلى الاختلافات الطبيعية بين العضيات، سواء في طريقة اتصال الخلايا العصبية أو نشاطها الكهربائي أو مراحل تطورها.
وقد تسمح هذه الاختلافات لكل عضية بتقديم استجابة عصبية مختلفة للمؤثر نفسه، ما يوفر عند دمجها مجموعة أكبر من المعلومات، ويساعد خوارزميات التعلم الآلي على تحسين دقة التصنيف.
هل تصبح خلايا الدماغ أساسًا لأجهزة الكمبيوتر المستقبلية؟
تدعم هذه النتائج مجال الحوسبة الحيوية الهجينة، الذي يستهدف دمج الأنسجة الحية مع المكونات الإلكترونية لتطوير أنظمة جديدة لمعالجة البيانات، وقد يفتح المجال مستقبلًا أمام تقنيات حوسبة تستفيد من كفاءة الشبكات العصبية البيولوجية.
ومع ذلك، لا تعني التجربة أن العضيات تعلمت قراءة برايل أو أنها تمتلك وعيًا أو قدرات إدراكية بشرية، وإنما أظهرت قدرتها على استقبال أنماط من الإشارات الكهربائية وإنتاج استجابات عصبية يمكن تحليلها وتصنيفها.
ويأمل الباحثون في تطوير هذه التقنية مستقبلًا لاختبار أنواع أخرى من المعلومات الحسية، مثل الملمس والأشكال والحواف، إلى جانب دراسة إمكانية استخدام التغذية الراجعة لتحسين استجابة العضيات للمؤثرات المختلفة.
