‘Brainoware’: cientistas criam computador híbrido com neurônios humanos
![Brainoware: Revolução da Computação Híbrida com Neurônios Humanos](https://noticias.oportaln10.com.br/wp-content/uploads/2023/12/cerebro-humano-scaled-1.jpeg)
Em uma impressionante demonstração de inovação na interseção entre biologia e tecnologia, cientistas apresentaram recentemente o ‘Brainoware‘, um computador híbrido que mescla tecido cerebral humano com hardware eletrônico. Este avanço representa um marco notável na crescente área da computação biológica, abrindo novos caminhos na maneira como entendemos e utilizamos a tecnologia de computação.
O Brainoware é composto por um organoide cerebral, criado a partir de células-tronco humanas, que é colocado sobre um circuito eletrônico. Este circuito tem a função de fornecer informações ao organoide e interpretar suas respostas. A combinação de tecido cerebral humano com componentes eletrônicos oferece uma nova perspectiva sobre como os computadores podem ser estruturados e operados, aproximando-os mais da eficiência e complexidade do cérebro humano.
Este computador biológico-eletrônico híbrido demonstrou capacidades notáveis em experimentos, como identificar vozes humanas e fazer previsões sobre problemas matemáticos complexos. O que torna o Brainoware particularmente interessante é sua capacidade de apoiar a inteligência artificial, possibilitando que os computadores imitem mais de perto o funcionamento do cérebro humano.
![](https://noticias.oportaln10.com.br/wp-content/uploads/2023/12/brain-organoids.jpg)
Experimento
Os cientistas por trás do Brainoware, provenientes da Universidade de Indiana Bloomington, da Universidade da Flórida e do Cincinnati Children’s Hospital Medical Center, utilizaram células-tronco pluripotentes para crescer organoides corticais humanos. Após cerca de um mês de crescimento, os organoides continham vários tipos de células cerebrais humanas, incluindo neurônios, células progenitoras neurais e células imunes conhecidas como astrócitos.
Esses organoides imitam aspectos muito básicos do córtex cerebral humano, a superfície do cérebro responsável por funções essenciais como aprendizado, raciocínio e resolução de problemas. Nos experimentos realizados, os cientistas buscaram explorar a capacidade do Brainoware de processar e responder a estímulos complexos, usando dois testes específicos para avaliar sua eficácia.
Reconhecimento de voz
No experimento de reconhecimento de voz, o objetivo era identificar vozes individuais de um conjunto de falantes. O Brainoware foi exposto a 240 clipes de áudio contendo sons de vogais proferidos por oito homens japoneses diferentes. Inicialmente, o sistema mostrou uma precisão de apenas 51% na identificação correta das vozes. Contudo, após um treinamento de apenas alguns dias, a precisão aumentou para impressionantes 78%. Este rápido avanço demonstrou a capacidade do Brainoware de se adaptar e aprender de forma autônoma, melhorando significativamente seu desempenho em uma tarefa relativamente complexa.
Previsão do mapa de Hénon
O segundo teste envolveu a previsão de um mapa de Hénon, que é um exemplo de sistema dinâmico que exibe comportamento caótico. Este teste foi especialmente desafiador, pois exigiu que o Brainoware aprendesse padrões em dados que são, por natureza, imprevisíveis e complexos. Durante o treinamento, que durou vários dias, o Brainoware foi capaz de aumentar sua precisão na previsão desses padrões. Este resultado é particularmente notável, demonstrando que o Brainoware pode processar e aprender a partir de dados que seriam desafiadores até mesmo para sistemas de inteligência artificial avançados.
![](https://noticias.oportaln10.com.br/wp-content/uploads/2023/12/organoid-atividade.jpg)
Potencial futuro do Brainoware na computação e Inteligência Artificial
O desenvolvimento do Brainoware não apenas demonstra um feito impressionante na engenharia e na neurociência, mas também abre portas para uma série de aplicações futuras, tanto em computação quanto em inteligência artificial. Este sistema híbrido, que combina hardware tecnológico com tecido cerebral humano, ilustra uma nova abordagem na resolução de problemas complexos, que pode ser significativamente mais eficiente em termos de energia do que os sistemas de inteligência artificial convencionais.
A pesquisa, divulgada na revista Nature, revela uma capacidade notável do cérebro humano para a reorganização e formação de novas conexões, um processo conhecido como plasticidade neural. Esta característica é fundamental para a aprendizagem e a memória, e sua aplicação em sistemas de computação oferece um modelo mais adaptável e eficiente para processamento de dados e resolução de problemas. A habilidade do Brainoware de aprender e melhorar sua precisão em tarefas como reconhecimento de voz e previsão de padrões matemáticos complexos é uma prova do potencial inexplorado dessa abordagem.
Além disso, o Brainoware representa um passo significativo na busca por computadores que possam mimetizar mais fielmente a eficiência e a complexidade do cérebro humano. Atualmente, a inteligência artificial requer grandes quantidades de energia para operar, enquanto o cérebro humano é extremamente eficiente em termos energéticos. A equipe por trás do Brainoware destaca que um cérebro humano típico consome cerca de 20 watts de energia, em contraste com os 8 milhões de watts necessários para alimentar uma rede neural artificial comparável.
As implicações desse desenvolvimento vão além da computação e tocam questões fundamentais sobre a neurociência. O Brainoware pode servir como uma ferramenta valiosa para a compreensão dos mecanismos de aprendizado, desenvolvimento neural e as implicações cognitivas das doenças neurodegenerativas. Além disso, pode ajudar a desenvolver modelos pré-clínicos de deficiências cognitivas para testar novas terapêuticas.
Contudo, a realização de sistemas biocomputacionais gerais ainda está a décadas de distância. Os próximos passos na demonstração de que os organoides cerebrais podem servir como um modelo in vitro de aprendizagem incluirão demonstrar aspectos da memória de longo prazo, a capacidade de aprender múltiplas tarefas e diferenciar a contribuição única do organoide sobre os sistemas computacionais conectados. Este será um passo crítico para investigar os mecanismos biológicos que possibilitam a aprendizagem contínua e ao longo da vida.