Menselijk hersenweefsel uit het lab leert met een AI-coach een virtuele stok te balanceren

Probeer maar eens een liniaal rechtop te houden op je handpalm. Je moet steeds kleine correcties maken, anders valt hij om. Ingenieurs kennen dit als het 'cart-pole'-probleem: een stok staat met een scharnier op een karretje en blijft alleen overeind als het karretje op tijd heen en weer rijdt. Het is een bekende test voor robots, regeltechniek en AI.

Op een bijeenkomst in Menlo Park, in Silicon Valley, liet de onderzoeksgroep Braingeneers van de University of California in Santa Cruz zien dat gekweekt menselijk hersenweefsel deze taak kan leren. De bezoekers keken live mee met een stukje weefsel in het lab in Santa Cruz dat ongeveer een half uur aan een virtueel karretje was gekoppeld en steeds beter werd in het balanceren. Onderzoeker Ash Robbins gaf daarna een toetsenbord aan een vrijwilliger uit het publiek om hetzelfde spel te spelen. Die kon het weefsel nauwelijks bijhouden, tot vermaak van de zaal. Volgens Robbins laat dat zien hoe lastig de taak is: het weefsel doet het niet per ongeluk goed.

Een computerspel voor hersenweefsel

Het weefsel is een hersenorganoïde: een klein stukje hersenweefsel dat in het lab uit stamcellen is gekweekt. Zo'n organoïde is kleiner dan een peperkorrel, maar kan toch miljoenen zenuwcellen bevatten. Het ligt op een chip vol elektroden. Daarmee zien de onderzoekers welke zenuwcellen vuren, en kunnen ze zelf cellen prikkelen.

De stok en het karretje bestaan alleen in de computer. Met sterkere of zwakkere stroomstootjes laat de computer het weefsel weten hoe schuin de stok staat en naar welke kant. De elektrische reactie van het weefsel wordt vertaald in een duw naar links of rechts. Zo speelt de organoïde als het ware een computerspel: houd de stok zo lang mogelijk overeind. Valt hij om, dan begint een nieuwe poging.

Een AI-coach die bijstuurt

Tijdens het balanceren krijgt het weefsel geen hulp. Na elke vijf pogingen kijkt de computer of de organoïde het beter doet dan in de twintig pogingen daarvoor. Gaat het beter, dan gebeurt er niets. Gaat het niet beter, dan krijgt het weefsel een trainingssignaal: een kort patroon van stroomstootjes op een paar uitgekozen zenuwcellen. Welke cellen dat zijn, bepaalt een AI-algoritme dat leert door uitproberen, een techniek die versterkend leren heet. Robbins vergelijkt het met een kunstmatige coach die zegt dat het anders moet, en hoe.

Dat die aanpak werkt, liet het team eerder dit jaar zien met hersenweefsel van muizen. De resultaten verschenen in februari in het vakblad Cell Reports. De onderzoekers legden vooraf een strenge maat vast: de organoïde moest de stok een minimale tijd overeind houden om te 'winnen'. Kregen de organoïden trainingssignalen op willekeurige plekken, dan lukte dat in 4,5 procent van de trainingsrondes. Met de slimme AI-coach steeg dat naar 46 procent. Toen de onderzoekers de communicatie tussen de zenuwcellen met medicijnen blokkeerden, verdween het leereffect. Het weefsel past dus echt zijn eigen verbindingen aan. Volgens de onderzoekers was het de eerste grondige wetenschappelijke demonstratie dat hersenorganoïden doelgericht kunnen leren. Met menselijk weefsel zet het team nu de volgende stap.

Keith Hengen, bioloog aan Washington University in St. Louis en niet bij het muizenonderzoek betrokken, noemde die resultaten veelzeggend. Het gaat om heel eenvoudige netwerkjes van zenuwcellen, zonder lichaam, zintuigen of het beloningsstofje dopamine. Toch laat dit weefsel zich met gerichte prikkels sturen naar de oplossing van een echt besturingsprobleem. Volgens hem zit het vermogen om zich aan te passen dus in het hersenweefsel zelf.

Van kort geheugen naar langer leren

Het geleerde blijft nog niet lang hangen. Bij de muizenorganoïden begon het weefsel na drie kwartier rust weer op het oude niveau. David Haussler, wetenschappelijk directeur van het Genomics Institute van UC Santa Cruz, verwacht dat ingewikkeldere organoïden nodig zijn voor blijvend leren, bijvoorbeeld weefsel met meerdere hersengebieden die bij dieren samen zorgen voor leren. Daar werkt het team aan.

Robbins schreef daarnaast gratis, open software, BrainDance. Daarmee kunnen andere labs zulke leerexperimenten in korte tijd opzetten, zonder zelf een spel, de aansturing van de apparatuur of een trainingsomgeving te programmeren.

AI en hersenweefsel samen

De demonstratie was onderdeel van een bijeenkomst waar onderzoekers, financiers en ethici spraken over de volgende stap. De Braingeneers willen een platform bouwen waarop duizenden organoïden tegelijk groeien en maandenlang worden bestudeerd. Ze werken daarvoor samen met Stanford-onderzoeker Jure Leskovec, die AI-basismodellen bouwt die de 'taal' van cellen leren, zoals taalmodellen menselijke taal leren. Samen moet dat laten zien hoe hersencircuits ontstaan, reageren op medicijnen en ontsporen bij ziekte.

Het doel is volgens de onderzoekers niet om computers of robotbesturing te vervangen door hersenweefsel. Ze willen begrijpen hoe zenuwcellen leren, zodat ze kunnen onderzoeken hoe aandoeningen als alzheimer, parkinson, autisme of schizofrenie dat vermogen aantasten. Werken met lerend menselijk hersenweefsel roept ook ethische vragen op. Haussler liet de aanwezigen daarom in een kring met elkaar praten over wat er gebeurt als dit onderzoek slaagt, met een bijdrage van de Stanford-ethicus Hank Greely. De aanwezigen waren het erover eens dat ethische spelregels gelijk op moeten gaan met de wetenschap.

Wat betekent dit voor de weg naar de singulariteit?

In dit onderzoek werken twee vormen van leren samen: een AI-algoritme dat leert hoe het levend weefsel het beste kan coachen, en menselijk hersenweefsel dat zich daardoor aanpast. Dat levert een nieuw soort gereedschap op om leren in de hersenen te bestuderen, op het niveau van losse zenuwcellen en terwijl het gebeurt. Die kennis kan op haar beurt inspiratie geven voor zuinigere en slimmere AI. Lukt het om dit op te schalen naar duizenden organoïden tegelijk, dan komt een gedetailleerd beeld binnen bereik van hoe hersencircuits ontstaan, leren en ontsporen: een stap naar betere behandelingen voor hersenziekten en naar een dieper begrip van wat intelligentie eigenlijk is.