חוקרים חיברו אלקטרודות למוחות זעירים, והראו שהם מבדילים בין דוברים שונים, פותרים משוואות מורכבות, והכי חשוב – לומדים ומשפרים את ביצועיהם
וירג'יל אולם (Ulam) היה מדען מבריק ופורץ דרך, אך גם פזיז. כל כך פזיז, שהוא הזריק לגופו את מה שהיה גולת הכותרת של מחקרו: תאי דם לבנים שעברו הנדסה גנטית המאפשרת להם לבצע חישובים מורכבים וללמוד בכוחות עצמם. בתחילה הוא נהנה משלל שדרוגים פיזיולוגיים ומנטליים, אך התאים החכמים לא הסתפקו בזה, והעניינים יצאו משליטה.
זוהי תמצית עלילת הסיפור עטור הפרסים "מוזיקת דם" (1983), מאת סופר המדע הבדיוני גרג בר (Bear), שהיה אחד הראשונים שטשטשו את הגבולות שבין הביולוגיה לטכנולוגיה, גם אם רק באופן בדיוני. כעת, ארבעים שנה מאוחר יותר, רעיונותיו של בר הם כבר לא לגמרי בדיה, אלא נושקים לתחום ה"אפשר" של המדע. לאחרונה הצליחו חוקרים לייצר מחוץ לגוף רקמות ביולוגיות שמסוגלות ללמוד ולפתור בעיות חישוביות מסובכות. לפני שנעמיק במערכת המתוחכמת שיצרו, מוטב שנעצור לרגע ונהרהר – למה שנרצה בכלל לבצע חישובים ברקמות חיות. מה רע לנו במחשבים רגילים?
"חומת הזיכרון" גורמת לכך שאפילו מעבדים חזקים ומהירים מוגבלים ביכולתם לממש את הפוטנציאל הגלום בהם. לוח האם במחשב | מעיין קרלינסקי צור באמצעות מידג'רני
אני יורד מן החוטים
טכנולוגיות פורצות דרך שהגיעו לחיינו בסערה לפני קצת יותר משנה, כמו צ'אט-GPT או הפלטפורמה ליצירת תמונות Midjourney מבוססות על רשתות עצבים מלאכותיות. מדובר במודלים מתמטיים ששואבים השראה מהאופן שבו המוח מעבד מידע: בניגוד לתוכנות מסורתיות יותר, שכל הפעולות שהן מבצעות נקבעו מראש בידי המתכנתים, רשתות עצבים מלאכותיות מסוגלות לשנות את האופן שבו הן מעבדות מידע בעקבות משוב. כשהתוכנה לא מצליחה במשימה, היא תשנה את האופן שבו מרכיביה מעבירים מידע זה לזה, ותחזור על המשימה שוב ושוב עד שתקבל משוב חיובי.
הכוח של אותן רשתות מלאכותיות מתוחכמות טמון במבנה שלהן, שמבוסס על רשתות תאי העצב שבמוח. תאי עצב מתקשרים זה עם זה באמצעות אותות חשמליים-כימיים שהם מעבירים זה לזה בנקודות חיבור, או צמתים, שנקראות סינפסות. הסינפסות מאפשרות לתא לקלוט מסרים רבים המגיעים מתאי עצב הנמצאים במרכזי עיבוד מידע שונים במוח, לשקלל את האותות שמתקבלים מהרבה תאים בו זמנית, ולהכריע אם להעביר את המסר הלאה. כשאנחנו לומדים משהו חדש, סינפסות חדשות נוצרות ומאפשרות למוח לעבד את המידע החדש בצורה מדויקת ומהירה יותר.
אף שאנחנו נוטים להתרשם דווקא מהמערכות הממוחשבות, רשת העצבים הביולוגית הפרטית שלנו – המוח – מאפשרת לנו לעבד כמויות בלתי נתפסות של מידע בכל רגע נתון. מספיק להסתכל על החלל שסביבכם כדי להעריך כמה זה מופלא: שלל זוויות וגוונים שמגרים את רשתית העין שלנו מתורגמים לחפצים בעלי משמעות – שאנחנו מסוגלים לזהות ולתפעל כמעט מייד.
אחת הסיבות לכך שמחשב אינו יכול לעבד במהירות דומה כמות גדולה כל כך של מידע היא ההפרדה האדריכלית בין הזיכרון למעבד של המחשב. בכל פעולה שמבצע המחשב, מידע צריך לעבור שוב ושוב בין המרכיבים הללו, דבר שמאט אותו מאוד. הבעיה הזו מכונה צוואר בקבוק פון-נוימן, או "חומת הזיכרון", והיא גורמת לכך שאפילו מעבדים חזקים ומהירים מאוד מוגבלים ביכולתם לממש את הפוטנציאל הגלום בהם.
במחקר חדש חוקרים מאוניברסיטת אינדיאנה בלומינגטון ניסו דרך יצירתית לעקוף את המגבלות של המחשב: הם יצרו מערכת חישובית חדשה בשם Brainoware, או מוחומרה (מוח + חומרה) בתרגום לעברית. גם במערכת המוחומרה נתונים מעובדים באמצעות רשתות עצביות; אבל במקום ליצור רשתות מלאכותיות הם השתמשו בדבר האמיתי – רשתות עצביות ביולוגיות.
החוקרים גידלו אורגנואידים של מוח אנושי, כלומר איברים תלת-ממדיים זעירים שמגודלים במעבדה ומייצגים את האיבר השלם. לשם כך הם גידלו תאי גזע אנושיים – תאים שטרם התקבעו על תפקודם הסופי ויכולים להפוך לכל סוגי התאים שיש לאדם – ויצרו עבורם את התנאים הביולוגיים שיגרמו להם להפוך לתאי מוח. תוך זמן קצר הופיעו באורגנואידים תאי עצב בוגרים שמסוגלים לשלוח אותות חשמליים, ותאים התומכים בפעילותם.
האורגנואידים הונחו על מצע של אלקטרודות זעירות וצפופות שהקליטו את הפעילות החשמלית שלהם. את האותות המוקלטים תרגמו החוקרים למעין מפות פעילות שמאפשרות להמחיש מתי ובאיזה אלקטרודה נרשמה הפעילות.
המוח, רשת העצבים הביולוגית שלנו, מאפשר לנו לעבד כמויות בלתי נתפסות של מידע בכל רגע נתון. רשת עצבית במוח | Romanova Natali, Shutterstock
בית ספר למוחות זעירים
מצע האלקטרודות לא רק הקליט את הפעילות החשמלית של האורגנואידים, אלא גם אפשר לחוקרים העביר להם מסרים חשמליים. כך יכלו לבחון אם האורגנואידים מגיבים לגירויים, ואם הם מסוגלים לפתור בעיות קשות ולשפר את ביצועיהם בדומה למערכות עצבים מלאכותיות. ובינינו, מה יכול להיות קשה יותר מלזהות הברות ביפנית?
החוקרים לקחו מאגר של 240 הקלטות קצרות של תנועות פונטיות ביפנית, מפי שמונה דוברים שונים. את הצלילים הם תרגמו לסדרה של אותות חשמליים שהמוחות הזעירים יוכלו להבין, ממש כפי שהאוזן מתרגמת גלי קול לאותות חשמל ומאפשרת למוח לעבד מידע שמיעתי.
החוקרים אימנו את האורגנואידים במשך יומיים, שבמהלכם חשפו אותם להקלטות פעמיים ביום. כמו כן הם בחנו את האותות החשמליים שהפיקו האורגנואידים בתגובה לכל דובר. ככל שהאותות היו ייחודיים יותר לכל דובר, הביצועים שלהם נחשבו טובים ומדויקים יותר. לפני שהחלו לאמן את האורגנואידים, החוקרים הראו שיש להם יכולת טבעית להבדיל בין דוברים, אבל רמת הדיוק שלהם הייתה נמוכה – רק קצת יותר טובה מניחוש מוחלט. אחרי ארבעת השיעורים שעברו, האורגנואידים כבר הצליחו להבדיל בין הדוברים ברמת דיוק של כ-80 אחוז.
בגרות חמש יחידות במתמטיקה
כעת החליטו החוקרים שזיהוי הברות ביפנית זאת עדיין משימה קלה, ורצו לדעת אם האורגנואידים שלהם גם מתוחכמים מספיק כדי לעבד מידע שנראה לכאורה כאוטי ואקראי, אך למעשה מבוסס על סדרות מתמטיות מורכבות. למערכות המתמטיות הללו קוראים מפת הנון (Hénon map), וכעת האורגנואידים התבקשו לזהות ולצפות אותן.
כדי להבין את המורכבות של מפת הנון, דמיינו שאתם מסתכלים בקלידוסקופ. בכל פעם שאתם מסובבים אותו, מקטעי הצבעים והצורות משתנים מעט ויוצרים תבנית גיאומטרית חדשה, מגוונת וצבעונית. התבניות אומנם נראות אקראיות, אבל הן לא: הן תוצר של סדר ברור וקבוע של הפיסות הצבעוניות בקלידוסקופ. כדי לחזות מפות הנון, האורגנואידים צריכים להראות שהם מסוגלים לצפות איך תיראה התמונה הכאוטית, למראית עין, כאשר נמשיך ונסובב את הקלידוסקופ.
החוקרים תרגמו מפות הנון כאלה לסדרות של אותות חשמליים, וחשפו את האורגנואידים לסדרה של אותות דמויי קוד מורס, שאפשרו לאורגנואידים ללמוד איך מתנהגת הסדרה המתמטית. אם נחזור לדוגמה של הקלידוסקופ, אפשר לדמיין שהם נתנו לאורגנואידים להתבונן בצורות הגיאומטריות במהלך סיבוב הציר. לאחר כמה סבבי אימונים חשפו את האורגנואידים לסדרה של אותות המייצגים מקטע ממפת ההנון, ובדקו את יכולתם לצפות את המשך הסדרה ולייצר אותות חשמליים תואמים. גם הפעם הביצועים של האורגנואידים היו בינוניים בהתחלה, וצפו את הסדרות המתמטיות בדיוק של כ-35 אחוז, אך אחרי כמה אימונים כבר הצליחו לבצע את המשימה בדיוק של כ-80 אחוז.
החוקרים חשפו את האורגנואידים לסדרה של אותות דמויי קוד מורס, שאפשרו להם ללמוד איך מתנהגת סדרה מתמטית. אורגנואיד מוח בשלבים מוקדמים. גרעיני התא באדום, גופי התא בירוק | צילום: מעיין קרלינסקי צור
האם האורגנואידים באמת "למדו"?
קשה להבין מה בדיוק גרם לרקמות הזעירות הללו לשפר את ביצועיהן בעקבות האימונים. האם מדובר בלמידה של ממש?
כשבני אדם חוזרים על משימה שוב ושוב, תאי העצב משתנים, וסינפסות חדשות מחברות בין תאי עצב שקודם לכן לא תקשרו זה עם זה ישירות. הגמישות של המוח מאפשרת לנו להשתנות ולהשתפר במהירות. באמצעות צילומים ברזולוציה (כושר הפרדה) גבוהה זיהו החוקרים עלייה רבה יותר בכמות החיבורים בין תאי העצב באורגנואידים שעברו את האימונים, לעומת כמות החיבורים האלה באורנגואידים שלא אומנו.
כדי לוודא שיש קשר בין הקישוריות המשופרת ללמידה של המוחומרה, החוקרים הזריקו לחלק מהאורגנואידים חומר שמונע את פעילות סינפסות, ולא מאפשר להן ליצור קשרים חדשים בין תאי עצב. ההנחה הייתה שאם האורגנואידים ישתפרו בחיזוי מפות הנון למרות נטרול הסינפסות, יוכלו להסיק שהשיפור בביצועי האורגנואידים אינו קשור לקישוריות הגוברת בין תאי העצב שלהם. אך בפועל, חסימת הסינפסות מנעה את הלמידה, והאורגנואידים שנחשפו לחומר המשיכו לבצע את המשימה ברמת דיוק נמוכה מאוד גם אחרי סדרת האימונים.
ממצאי המחקר לא מבטלים את מגבלותיו. בדומה למחקרים נוספים שמשתמשים באורגנואידים, גם כאן זוהה שיעור גבוה של תאים מתים במרכז הרקמה, זאת בעקבות מחסור בחומרי מזון ובחמצן בעומק רקמת האורגנואיד בהיעדר מערכת דם פעילה שתזין אותו. כאשר תאים רבים מתים בעומק הרקמה, אפשר לצפות שתהליך הלמידה של רשתות העצבים יינזק ויהיה מוגבל בהיקפו.
גם הדיוק של המוחומרה היה נמוך מזה שאפשר להשיג ברשתות עצבים מלאכותיות. אומנם האורגנואידים נזקקו לפחות מפגשי למידה מהרשתות המלאכותיות כדי לשפר את ביצועיהן, אבל משך כל אימון היה ארוך פי כמה מזה שדרוש למחשב להשלמת של עשרות אימונים.
ולבסוף, החוקרים קיוו שהטכנולוגיה החדשה תהיה ידידותית יותר לסביבה. המוחומרה אמור לכאורה לחסוך הרבה מאד אנרגיה, שכן המוח מוציא מעט מאוד אנרגיה כדי לעבד כמויות מידע אדירות. אך בפועל כל חיסכון שאולי הושג היה כאין וכאפס לעומת האנרגיה שנדרשה לגדל את האורגנואידים, באמצעות אינקובטורים משוכללים, חומרים כימיים רבים, מערכת אלקטרונית וחיבור למערכות ממוחשבות לתרגום פעילותם.
לעת עתה, עלינו לחכות למחקרים נוספים כדי לראות איך הטכנולוגיה הזאת תוכל לשמש אותנו כדי לעקוף את חומת הזיכרון, או להפחית את האנרגיה הדרושה למחשבים עתידיים. עד אז, מוטב שאף מדען לא יחליט להזריק לעצמו את המוחומרה, ולו רק בגלל הסיכוי הקלוש שצעד כזה יסכן את המין האנושי כולו, כפי שחזה גרג בר בספרו.
