Lát cắt não người chết cũng chơi được đàn!
Gần đây, một nhóm nghiên cứu đến từ Pháp đã trực tiếp kết nối mô não từ người đã chết với một cánh tay robot, khiến nó học được cách bắt chước người chơi đàn piano.
Họ lấy mô não vẫn duy trì hoạt tính từ não người sau khi chết, đặt vào đĩa petri, kết nối với điện cực, micro và cánh tay robot sinh học.
Sau khi huấn luyện, khi con người nhấn phím đàn, mô não có thể "nghe thấy" nốt nhạc, sau đó điều khiển tay robot phát ra âm thanh tương tự.
Và còn có video làm bằng chứng.
Phải nói rằng, nghiên cứu này ban đầu thảo luận về một vấn đề AI khá nghiêm túc:
Liệu có thể sử dụng khả năng học tập tự nhiên và hiệu suất năng lượng siêu cao của tế bào thần kinh sinh học để tạo ra một hệ thống AI hỗn hợp mới không?
Nhưng khi đặt các từ khóa "não người chết", "lát cắt não", "chi giả robot", "AI hỗn hợp" cạnh nhau, thật khó để không liên tưởng đến cyberpunk.
Sau khi công bố, nghiên cứu cũng nhanh chóng tạo ra nhiều cuộc thảo luận.
Có blogger chuyên phân tích video thí nghiệm, cho rằng loại công việc này tuy vốn dĩ đi kèm với tranh cãi về đạo đức và cảm giác "ma quái" nào đó, nhưng sự giao thoa giữa khoa học thần kinh và AI cũng có thể thúc đẩy nghiên cứu về khoa học nhận thức, bệnh thần kinh và thậm chí y tế.
Nhiều cư dân mạng cũng theo thí nghiệm này mà tưởng tượng về cá thể siêu hạng trong tương lai, thân thể máy móc, thậm chí những vấn đề triết học như ý thức thực sự phụ thuộc vào cái gì.
Tuy nhiên, trước hết chúng ta đừng vội thảo luận về "não trong bể".
Bởi điều thực sự thú vị của nghiên cứu này có lẽ không phải là việc bộ não người chết đột nhiên bắt đầu đánh đàn.
Mà là lần đầu tiên các nhà nghiên cứu đưa một mẫu mô não thực sự của người trưởng thành vào một hệ thống vòng kín có thể cảm nhận, hành động và học lại.
Vậy thì, họ đã làm điều đó như thế nào?
Bộ não con người vốn dĩ là một hệ thống tính toán hiệu quả hơn
Để hiểu rõ hơn nghiên cứu cụ thể đang làm gì, trước tiên hãy cùng xem xét một chút bối cảnh cần thiết.
Như đã nói ở trên, so với não người, mạng lưới thần kinh nhân tạo hiện nay chạy trên chip AI, theo một nghĩa nào đó vẫn là một hệ thống học tập rất "kém hiệu quả".
Đầu tiên và rõ ràng nhất là tiêu thụ năng lượng. Một bộ não người trưởng thành chỉ tiêu thụ khoảng 20 watt. Trong khi siêu máy tính mạnh nhất thế giới đã đạt mức tiêu thụ hàng chục megawatt.
Có thể nói, để tạo ra cùng một lượng token, não người tiết kiệm hơn nhiều so với AI.
Thứ hai, về hiệu quả học tập, não người còn sở hữu khả năng học từ lượng mẫu nhỏ và tổng quát hóa nhanh chóng mà AI không có.
Ví dụ, AlphaGo để đánh bại Lee Sedol cần được huấn luyện trên hơn 150,000 ván cờ.
Tính theo 8 giờ luyện tập mỗi ngày, điều này tương đương với một người luyện tập liên tục hơn 100 năm, vượt xa lượng huấn luyện mà bất kỳ kỳ thủ người nào thực sự trải qua.
Còn mô hình ngôn ngữ như GPT-3, lượng dữ liệu cần thiết để huấn luyện nó tương đương với việc một người đọc 5 cuốn sách điện tử mỗi ngày và tiếp tục đọc như vậy trong 250 năm.
Vì vậy, AI ngày nay mạnh mẽ là vậy, nhưng nhiều khả năng của nó về bản chất vẫn dựa vào việc "đổ" lượng dữ liệu và sức mạnh tính toán khổng lồ.
Ngược lại, con người thường chỉ cần kinh nghiệm rất hạn chế để học các động tác, khái niệm và mối liên hệ mới.
Vì vậy, trong vài năm qua, một hướng đi ngày càng được quan tâm đã xuất hiện:
Vì mạng thần kinh nhân tạo đang bắt chước bộ não, liệu có thể trực tiếp kết nối tế bào thần kinh thực sự vào hệ thống tính toán không?
Đây chính là cái gọi là hệ thống AI hỗn hợp.
Trước đây, các nhà nghiên cứu chủ yếu thử nghiệm tế bào thần kinh nuôi cấy hai chiều và organoid não, nhưng loại trước rất khó hình thành tính dẻo thần kinh ổn định, còn mạch thần kinh của loại sau tương đối chưa trưởng thành và có sự khác biệt cá nhân lớn.
Vì vậy, nhóm nghiên cứu người Pháp này đã chọn một loại vật liệu khác: Mảnh ghép mô não người lớn sau khi chết, tức OPAB.
Điểm khác biệt lớn nhất của nó là đây không phải là mô hình não được "tái sinh" từ tế bào gốc, mà thực sự đến từ não người trưởng thành, do đó vẫn giữ lại các loại tế bào trưởng thành, cấu trúc mô và một phần kết nối thần kinh.
Nhóm nghiên cứu trước đó đã chứng minh rằng loại lát não này, sau khi được cung cấp oxy và glucose, có thể tiếp tục duy trì hoạt động thần kinh trong ống nghiệm.
Vấn đề thực sự tiếp theo chỉ có một: Sau khi rời khỏi cơ thể, nó có thể tiếp tục học không?
Vì vậy, các nhà nghiên cứu quyết định gắn cho nó một "cánh tay" và một "tai".
Gắn "tay" và "tai" cho lát não
Tổng thể, hệ thống "lát não đánh đàn" này không phức tạp.
Trong thiết lập thí nghiệm, các nhà nghiên cứu đầu tiên đặt OPAB lên một mảng điện cực vi mô. Sau đó chọn ngẫu nhiên ba điện cực từ đó làm "điện cực vận động", lần lượt kết nối với ba ngón tay của cánh tay robot.
Ba ngón tay lần lượt tương ứng với ba nốt trên đàn điện tử: LA, TI và DO.
Một khi điện cực vận động nào đó được kích hoạt, ngón tay tương ứng sẽ cong lại, nhấn phím đàn. Đến đây, tương đương với việc gắn cho lát não một "cánh tay".
Tiếp theo, là gắn cho nó một "tai". Sau khi tay robot nhấn phím đàn, micro bên cạnh sẽ thu âm thanh.
Bộ giải mã âm thanh nhận diện đó là LA, TI hay DO, sau đó kích thích ba "điện cực cảm giác" tương ứng trên lát não.
Như vậy, một vòng kín hoàn chỉnh đã hình thành: Lát não tạo ra tín hiệu vận động → Tay robot nhấn phím đàn → Micro nghe thấy âm thanh → Âm thanh lại biến thành kích thích điện → Truyền ngược lại lát não.
Từ góc nhìn của lát não, điều này thực sự giống như một đứa trẻ lần đầu tiên nhận biết cơ thể mình.
Trẻ sơ sinh khi mới chào đời không biết điều gì sẽ xảy ra sau khi một cơ co lại. Nó sẽ liên tục cử động tay chân một cách ngẫu nhiên, sau đó quan sát kết quả của những hành động này qua thị giác, xúc giác và thính giác.
Quá trình này trong robot học có một cái tên rất hình tượng: Motor Babbling, sự bi bô vận động.
Và việc các nhà nghiên cứu cần làm, là chuyển quá trình này vào đĩa petri.
Tính dẻo thần kinh hai chiều
Cụ thể, trong giai đoạn huấn luyện, hệ thống sẽ ngẫu nhiên kích thích một điện cực vận động nào đó.
Sau khi kích thích xảy ra, một ngón tay của tay robot lập tức cong lại, nhấn một phím đàn. Ngay sau đó, micro nghe thấy nốt nhạc này, rồi chuyển nó thành kích thích, gửi về điện cực cảm giác tương ứng.
Ví dụ, kích thích điện cực A. Ngón trỏ cong, nhấn LA. Micro nghe thấy LA, điện cực cảm giác tương ứng với LA bị kích thích lại.
Một hành động, kế tiếp ngay là một kết quả cảm giác, lặp lại 300 lần mỗi ngày, liên tục ba ngày, để lát não hình thành trí nhớ cơ bắp
Điều đáng nói là, trong toàn bộ quá trình, không có "bạn trả lời đúng", "bạn trả lời sai", cũng không có hàm thưởng.
Các nhà nghiên cứu chỉ lặp đi lặp lại việc để hai sự kiện xảy ra liên tiếp về mặt thời gian. Phần việc còn lại, giao cho tế bào thần kinh tự xử lý.
Và việc này có thể xảy ra, dựa vào một cơ chế học tập cơ bản nhất của não bộ –
Tính dẻo thần kinh.
Nói đơn giản, kết nối giữa các tế bào thần kinh thường xuyên được kích hoạt cùng nhau sẽ dần dần trở nên mạnh hơn. Vì vậy sau khi được huấn luyện lặp đi lặp lại, lát não dần bắt đầu liên kết:
"Ngón tay này" với "âm thanh này" với nhau.
Nhưng quan trọng hơn, kết nối này không phải là một chiều, nghĩa là lát não không chỉ có thể học được: "Tôi cử động ngón tay này, sẽ nghe thấy âm thanh này."
Mà còn có thể ngược lại, "Tôi nghe thấy âm thanh này, thì kích hoạt ngón tay này."
Vì vậy, toàn bộ sự việc đã chuyển từ mối liên hệ đơn giản giữa hành động và cảm giác, thành sự bắt chước chủ động của hệ thống học tập.
Để kiểm chứng giả thuyết này, trong bài kiểm tra chính thức, người thí nghiệm bắt đầu chơi ngẫu nhiên các nốt LA, TI và DO.
Lần này, không kích thích điện cực vận động trước. Mà để micro trực tiếp đưa nốt nhạc do con người chơi vào lát não.
Nếu mối liên hệ phía trước thực sự đã được học, thì lát não sau khi "nghe thấy" LA, sẽ kích hoạt ngược lại khu vực vận động trước đó đã thiết lập liên kết với LA, tay robot sau đó nhấn LA, như vậy là hoàn thành một lần bắt chước.
Kết quả... thực sự đã xảy ra.
Nghiên cứu tổng cộng sử dụng 30 OPAB từ 3 người hiến tặng, trong đó 16 mẫu tham gia vào bài kiểm tra chính.
Ngày huấn luyện đầu tiên, tỷ lệ chính xác bắt chước trung bình của hệ thống này chỉ là 31,22%. Vì chỉ có ba nốt nhạc, tỷ lệ chính xác khi đoán hoàn toàn ngẫu nhiên là 33,3%.
Nói cách khác, lúc đầu lát não chưa học được gì cả.
Nhưng sau ba ngày huấn luyện, tỷ lệ chính xác trung bình của ngày thứ 4 đã tăng lên 58,5%. Trong 16 mẫu, có 3 OPAB có thể bắt chước chính xác 100% cả ba nốt nhạc.
Lại có 7 mẫu khác, có thể ổn định học được ít nhất hai nốt. Cuối cùng, 62,5% OPAB đã thành công học được ít nhất hai nốt nhạc.
Ở đây còn phải nhấn mạnh một chi tiết. Con số 62,5% này, không phải là thành tích tốt nhất mà các nhà nghiên cứu có được sau khi chọn lọc kỹ lưỡng điện cực.
Ngược lại, để chứng minh rằng mối liên hệ này không phải là tận dụng kết nối vốn có bên trong lát não, mà là được huấn luyện hình thành sau này, các nhà nghiên cứu còn cố ý chọn ngẫu nhiên điện cực vận động và điện cực cảm giác.
Ngoài ra, để loại trừ ảnh hưởng của các module phần mềm và phần cứng, nhóm nghiên cứu còn thực hiện một số thí nghiệm đối chứng.
Kết quả cho thấy: Sau khi đổi thành điện cực chưa được huấn luyện, tỷ lệ chính xác lại giảm xuống mức ngẫu nhiên; khi dùng thuốc ngăn chặn truyền dẫn synap, hoặc nhiễm virus Tahyna gây rối loạn hoạt động thần kinh, khả năng bắt chước đã hình thành cũng giảm rõ rệt.
Nghĩa là, thứ thực sự mang mối liên hệ cảm giác - vận động này, là kết nối thần kinh đã thay đổi của chính mô não, không phải là chương trình bên ngoài.
Hơn nữa, "ký ức" này còn có thể duy trì trong thời gian khá dài.
Trong 5 OPAB được theo dõi dài hạn, có 4 mẫu vẫn giữ lại kết quả học tập sau 17 ngày kết thúc huấn luyện, trong đó hai mẫu vẫn có thể bắt chước chính xác 100% cả ba nốt nhạc.
Tất nhiên, điều này còn rất xa so với "máy tính não người".
Toàn bộ thí nghiệm chỉ có ba nhóm liên kết ngón tay - nốt nhạc, đường kính lát não khoảng 5 mm, nhận diện âm thanh và điều khiển tay robot vẫn phụ thuộc vào module AI truyền thống.
Vì vậy, nói chính xác hơn, nó không có nghĩa là một mảnh mô não sau khi chết đột nhiên "học được cách chơi đàn piano", mà là một mảnh mô não người trưởng thành vẫn duy trì hoạt tính, trong một vòng kín cảm giác - vận động do con người xây dựng, đã hình thành mối liên hệ mới không tồn tại trước đây, và sử dụng nhóm liên hệ này để hoàn thành việc bắt chước.
Thực sự - Học không có điểm dừng.
Liên kết tham khảo [1]https://www.researchsquare.com/article/rs-9638576/v1
Bài viết này đến từ tài khoản công chúng WeChat "Qubit", tác giả: Quan tâm Công nghệ Tiên phong
