合成Minibraces在研究人員將其連接到計算機控制的電極陣列之後，由人和老鼠神經元製成的人成功地學會了玩視頻遊戲“乒乓球”。這是第一次從生物體中孤立的腦細胞完成了這樣的任務，這表明這種學習能力不僅限於完全完整的大腦鎖定在動物的頭骨內。
在新的研究中，研究人員在一個小容器內的一排電極上建立了一個合成神經元網絡，他們稱之為Chistbrain。一個計算機程序發送了激活神經元特定區域的電信號。這些信號告訴神經元在2D中“玩”復古視頻遊戲“ Pong”，其中涉及擊中移動的點或“球”，帶有小線或“槳”。然後，研究人員的計算機程序通過電信號將性能數據引導回神經元，這告訴細胞是擊中還是錯過球。
研究人員發現，在短短五分鐘內，神經元已經開始改變他們移動槳的方式，以增加擊球的頻率。研究人員在10月12日發表的一篇新論文中寫道，這是人為生物神經網絡第一次被教導獨立完成以目標為導向的任務。神經元。
有關的：大腦如何存儲回憶？
這項新的研究是第一個“明確尋求，創建，測試和利用合成生物智能”的研究。研究人員希望他們的工作可以成為全新研究領域的跳板。
Minibrains
由皮質實驗室開發的Dishbrain硬件由一個寬約2英寸（5厘米）的小圓形容器組成，該容器寬了約2英寸（5厘米），其中襯有一個陣列，其中包含1,024個活動電極，這些電極既可以發送和接收電信號。研究人員在這些電極上引入了人類和小鼠神經元的混合物。研究人員哄騙神經元發展了新的聯繫和途徑，直到它們轉變為複雜的網絡腦完全覆蓋電極的細胞。
從發育中的胚胎中提取的微小神經元中，在培養中生長小鼠細胞。人類神經元是使用多能幹細胞- 能夠轉變為任何其他細胞類型的空白細胞，這些細胞源自志願者捐贈的血液和皮膚細胞。
Kagan說，神經網絡總共包含約80萬神經元。他補充說，對於上下文，這與蜜蜂大腦中的神經元數量相同。 Kagan說，儘管合成神經網絡的大小與小無脊椎動物的大腦相似，但其簡單的2D結構比活著的大腦更基礎，因此與活大腦相比，計算能力略有降低。
玩遊戲
Kagan說，在實驗中，研究人員使用了一種新穎的計算機程序，稱為Disherver，並結合了Dishbrain內部的電極，以創建一個“虛擬遊戲世界”，神經元可以在內部發揮“ Pong”。這聽起來可能是高科技的，但實際上，這與在電視上玩電子遊戲並沒有太大不同。
使用此類比，可以像電視屏幕一樣考慮電極陣列，每個電極代表屏幕上的像素。可以將計算機程序視為提供遊戲代碼的遊戲磁盤；可以將Dishbrain中的神經元電極接口視為促進遊戲的遊戲機和控制器。可以將神經元視為玩遊戲的人。
當計算機程序激活特定電極時，該電極會產生神經元可以解釋的電信號，類似於屏幕上的像素在屏幕上亮起，並且對玩遊戲的人變得可見。通過激活圖案中的多個電極，該程序可以創建一個形狀，在這種情況下，可以在陣列或“電視屏幕”上移動。
陣列的一個單獨的部分監視神經元響應“球”信號的電信號。然後可以通過計算機程序來解釋這些神經元信號，並用於操縱虛擬遊戲世界中的槳。神經元電極接口的這個區域可以被認為是遊戲控制器。
如果神經元信號反映了那些移動球的人，則槳將擊中球。但是，如果信號不匹配，它將錯過。計算機程序向控制神經元發出第二個反饋信號，以告訴他們他們是否擊球。
教神經元
可以將次要反饋信號視為計算機程序用來教神經元的獎勵系統，以更好地擊球。
沒有獎勵系統，就很難加強理想的行為，例如擊球並阻止不利的行為，例如失去球。保留在自己的設備上，Dishbrain中的神經元將隨機移動槳葉，而無需考慮球的位置，因為它是否擊球對神經元沒有任何影響。
為了解決這個問題，研究人員轉向了一種稱為自由能原理的理論，“這提出了這個層面的細胞試圖最大程度地減少其環境中的不可預測性，”研究合著者卡爾·弗里斯頓（Karl Friston陳述。弗里斯頓（Friston）是2009年發表的《雜誌》上發表的論文中第一個提出了自由能源原則的想法的研究者認知科學的趨勢。
從某種意義上說，“神經元正試圖創建一個可預測的世界模型，” Kagan告訴Live Science。這是輔助反饋信號告訴神經元是否擊中還是錯過球的地方發揮作用。
當神經元成功擊球時，反饋信號的電壓和位置與計算機用於移動球的信號的位置相似。但是，當神經元錯過球時，反饋信號在隨機電壓和多個位置觸時。根據自由能原理，神經元希望最大程度地減少他們收到的隨機信號的數量，因此他們開始改變與“球”相對於“槳”移動“槳”的方式。
在收到此反饋的五分鐘內，神經元增加了一次擊球的頻率。 20分鐘後，神經元能夠將短片串在一起，在比賽中彈起“牆壁”時，它們不斷地擊球。您可以看到神經元在此進展的速度在線模擬。
