Net wanneer je dacht dat de AI-hype niet bizarder kon worden, besluit een Australisch biotechbedrijf de GPU’s links te laten liggen en een AI simpelweg in te pluggen op een levend, biologisch brein. Nou ja, min of meer dan. Cortical Labs, de biotech-pionier die eerder al een kweekschaaltje met 800.000 menselijke neuronen leerde om het klassieke computerspelletje Pong te spelen, is inmiddels toe aan het grotere werk. Nadat ze een nieuwe lichting van 200.000 neuronen succesvol door de door demonen geteisterde gangen van DOOM loodsten, hebben ze hun “DishBrain” nu gekoppeld aan een Large Language Model (LLM).
Je leest het goed. Echte, levende menselijke hersencellen die elektrische impulsen afvuren op een siliciumchip, bepalen nu de woorden die een AI uitspreekt. Dit is niet zomaar de volgende kleine stap in machine learning; het is een bizarre, fascinerende en ergens ook onheilspellende sprong in de wereld van “wetware” en biologische computers. Eerlijk is eerlijk: vergeleken hiermee lijkt je gemiddelde chatbot ineens niet veel geavanceerder dan een simpele zakrekenmachine.
Van gepixelde batjes naar helse landschappen
Om te begrijpen hoe we op het punt zijn beland waar hersencellen teksten meehelpen schrijven, moeten we even terugkijken naar de grootste successen van Cortical Labs. In 2022 haalde het team uit Melbourne wereldwijd de koppen met hun “DishBrain”-experiment. Ze kweekten neuronen op een raster van micro-elektroden die de cellen niet alleen konden stimuleren, maar ook hun activiteit konden uitlezen. Door elektrische signalen te sturen die de positie van het balletje in Pong aangaven, leerden de neuronen binnen vijf minuten signalen terug te vuren die het batje bestuurden. Het was een verbluffend bewijs dat synthetische biologische intelligentie daadwerkelijk werkt.
Maar Pong is natuurlijk kinderspel. In de techwereld bestaat er een ongeschreven wet om nieuwe hardware te testen: “Can it run DOOM?” Dus dat is precies wat Cortical Labs vervolgens deed. De sprong van de simpele 2D-wereld van Pong naar de complexe 3D-omgeving van DOOM is gigantisch; het vereist ruimtelijk inzicht, het detecteren van dreigingen en razendsnelle besluitvorming. Toch kregen de neuronen het onder de knie. De videofeed van het spel werd vertaald naar patronen van elektrische stimulatie, en de reacties van de neuronen werden gedecodeerd naar acties in het spel, zoals bewegen en schieten. Hoewel de prestaties meer weg hadden van een stuntelende beginner dan van een e-sports-kampioen, bewees het dat het systeem veel complexere, dynamische taken aankan.
Een biologische ‘ghost in the machine’ voor LLM’s
Nu de klassieke games zijn getemd, was de volgende logische stap blijkbaar om de neuronen een stem te geven. Het nieuwste experiment, onlangs gedeeld door tech-evangelist Robert Scoble, laat zien hoe de hersencellen gekoppeld zijn aan een LLM. In plaats van een batje of een space marine te besturen, worden de elektrische impulsen van de neuronen nu gebruikt om elk ’token’ te selecteren — of dat nu een letter of een woord is — dat de AI genereert.
In een korte sneak-peek video is het proces in actie te zien: een raster toont de kanalen die worden gestimuleerd en de bijbehorende feedback van de neuronen terwijl ze collectief “beslissen” over het volgende tekstfragment. Het is een rauwe, ongefilterde blik op biologische materie die een cognitieve taak uitvoert die tot nu toe het exclusieve domein was van complexe algoritmen op stroomvretende chips.
“We hebben aangetoond dat we op zo’n manier met levende biologische neuronen kunnen communiceren dat we ze dwingen hun activiteit aan te passen, wat leidt tot iets wat lijkt op intelligentie,” aldus Dr. Brett Kagan, Chief Scientific Officer van Cortical Labs, over hun eerdere werk.
Deze nieuwe ontwikkeling tilt die interactie naar een heel ander niveau. Het is één ding om te reageren op een stuiterend balletje; het is iets totaal anders om deel te nemen aan de constructie van taal.
Waarom zouden we ons druk maken om breinen?
Op dit punt vraag je je misschien af: waarom al die moeite doen om 200.000 neuronen in een schaaltje in leven te houden als een high-end GPU een LLM prima kan draaien? Het antwoord ligt in efficiëntie en de fundamentele grenzen van silicium. Het menselijk brein voert duizelingwekkende berekeningen uit op een vermogen van ongeveer 20 watt — vergelijkbaar met een zwak gloeilampje. Een supercomputer die dezelfde activiteit probeert te simuleren, heeft miljoenen keren meer energie nodig.
Cortical Labs en andere pioniers in het veld gokken erop dat deze ongekende energie-efficiëntie kan worden benut. Biologische systemen zijn meesters in parallelle verwerking en adaptief leren op manieren die traditionele computers, die deterministisch en binair zijn, nauwelijks kunnen nabootsen. Door levende neuronen te versmelten met silicium, creëren ze een hybride computerarchitectuur die op een dag systemen zou kunnen aandrijven die sneller leren en slechts een fractie van de energie verbruiken.
Dit gaat niet alleen over het bouwen van een betere chatbot. Het team van Cortical Labs, onder leiding van CEO Dr. Hon Weng Chong, ziet een toekomst waarin deze technologie de robotica, gepersonaliseerde geneeskunde en medicijnontwikkeling op zijn kop zet. Stel je een robot voor die niet alleen voorgeprogrammeerde commando’s uitvoert, maar leert en zich aanpast aan een nieuwe omgeving met de vloeiende intelligentie van een biologisch systeem. Of denk aan het gebruik van de eigen neuronen van een patiënt op een chip om de effectiviteit van verschillende medicijnen tegen neurologische aandoeningen zoals epilepsie te testen.
De weg is nog lang. Biologische systemen zijn complex en kunnen onvoorspelbaar zijn, een schril contrast met de betrouwbare consistentie van silicium. Maar zoals Cortical Labs heeft laten zien, is een klompje cellen in een schaaltje in korte tijd geëvolueerd van het spelen van spelletjes naar praten. Het vooruitzicht dat deze zelfde neuronen op een dag een robot besturen is geen sciencefiction meer — het is het volgende punt op de roadmap. En dat is een gedachte die tegelijkertijd huiveringwekkend en opwindend is.
