I gangene til NTNU Gløshaugen i Trondheim ruller en robot. Den ligner en delvis demontert R2D2 – den lille pipende, skvatrende boksen som er kjent fra Star Wars-filmene.
Men ulikt snarrådige R2D2 har denne roboten hue sitt et annet sted – i alle fall delvis.
Viktige deler av hjernen til roboten flyter nemlig i en oppløsning av salt og sukker i et laboratorium noen hundre meter unna – en samling nerveceller – nevroner – fra rotte.
Rottenevroner styrer hjul
Roboten kan snakke til rottenevronene – over nettet. Roboten sier omtrent: Hei, nevroner! Hør hva avstandsmålerne mine sier! Så langt unna er veggene her i korridoren hvor jeg ruller av sted.
Så skjer det magiske, det som både professor og dataforsker Gunnar Tufte og kollegene hans på NTNU vil vite mer om: Rottenevronene begynner å rotte seg sammen.
Nevronene kobler forbindelser. De reagerer på avstandsimpulsene. Strømmer skyter ut fra rottenevronene og inn i elektroder. Så sendes signalene tilbake til Gunnar Tufte og kollegene hans.
Der går de gjennom et dataprogram som tolker nervesignalene. De blir til styringssignaler for hjulene til roboten.
Styringen har ett mål: Ikke kom borti veggene! Hva er den enkleste måten å unngå det på? Å gå rundt og rundt på samme sted – i en sirkel. Det gjør roboten.
– Det må ha vært et ganske triumferende øyeblikk, Gunnar Tufte?
– Ja. Det viser at prinsippet virker.
– Dere har kontakt med rottecellene?
– Ja.
NTNU Kyborg
Roboten har blitt en medieyndling. NTNU Kyborg – som den heter – har sjarmert seg inn i både NRK P1 og Adresseavisen.
Video: Stein Roar Leite, NTNU
Ja, for dette er ikke en robot, men en kyborg – en kybernetisk organisme – en sammenkobling av død maskin og levende celler – roboten og rottenevronene.
Nevroner sparer strøm
Det er rundt 100 000 nevroner i laboratorieskålen. Det er alt for lite til å kunne kalles en hjerne.
– Så – hva kan 100 000 rottenevroner stille opp mot hundrer av millioner lynraske transistorer i en datachip, Tufte?
– De er jo veldig gode på mønstergjenkjenning og mønstersammenligning og sortering.
– Slike som i nevrale nettverk, i kunstig intelligens, altså? Er rottenevronene bedre til dette enn tradisjonelle silisiumdatamaskiner?
– Hvis du først har trent nevrale nettverkprogrammer i vanlige datamaskiner, så er de kjempegode. Men grunnen til at Google og disse andre fantastiske nevrale nettverkene virker, er jo at vi har superdatamaskiner som kan stå i ukevis og trene.
– Og en sånn superdatamaskin – den superdatamaskinen vi har på NTNU, den bruker så mye energi at kjølvannet kan varme opp hele NTNU på Gløshaugen.
– Vi skal kjøpe en ny nå, og det går bra. Men hvis trenden fortsetter – ifølge noen beregninger finnes ikke nok strøm i Midt-Norge til å drive den maskinen.
– Og disse rottenevronene er kanskje treigere enn klokka på en Gigahertz-mikroprosessor, men de bruker egentlig ganske lite energi.
Kan gi lamme førlighet
– Så neste Google-orakel blir en rottehjerne?
– Nei, men en del av det vi driver med, sånn som kyborg-roboten som kjører rundt, det er tolkning av nervesignaler. Du kan for eksempel ta ut signaler fra hjernen for å gi lamme førlighet.
– Hvis du klarer å tolke nervesignalene, så kan du sende dem forbi det skadede nervevevet. Og da kan du faktisk klare å få folk med for eksempel en ryggmargsskade til å bevege beina igjen.
– Så dette er kanskje den første anvendelsen, ikke personlige intelligente assistenter?
– Nei, akkurat den biten med å gi lamme førlighet er veldig nær. Det er faktisk noe som kommer rett ut av dette eksperimentet. Kan jeg vise deg noe som er veldig, veldig kult?
– Ja, gjerne!
Nervemønstre under elektrodene
– Jeg har egentlig akkurat begynt med det her … Jeg prøver å finne ut hvordan nevronene danner strukturer hvis de får lov til å være i fred. Og her ser vi elektroder under mikroskop.
– Og over elektrodene – de svarte prikkene – har vi lagt 50 000 stamceller fra rotte som kan utvikle seg til nevroner. Disse cellene her har ennå ikke begynt å utvikle seg til nevroner med nervebaner – aksoner og dendritter.
– Men her er de samme cellene etter åtte dager. Her ser du at nevronene har formet klaser – forbindelser. De sender signaler seg imellom.
– Ville de gjort det uten elektrodene?
– Ja, dette gjør de automatisk. Men så kan vi finne ut hvordan vi skal stimulere dem for å få ut et signal som vi kan bruke til beregninger.
Trenger ikke å vite alt
– En hjerneforsker fortalte meg at å lage en datamodell av hva som skjer inne i en eneste hjernecelle, det er nesten umulig, selv på et stort datasystem. Er det ikke mye kompleksitet der nede som dere aldri får tak i med disse få elektrodene?
– Jo, det er det.
– Ikke ta det fornærmelig at jeg sier få elektroder …
– Nei, det er få elektroder. Det er veldig få. Men vi trenger egentlig ikke å vite hva hvert enkelt nevron gjør.
– For å oppnå det dere vil oppnå, så tar dere egentlig i bruk en vanvittig komplisert biologi og henter ut det dere trenger?
– Ja.
Snakker med nevronene
– Men hvis dere ikke trenger all kompleksiteten – kunne dere ikke bare brukt en digital modell av nevronet – et nevralt nettverk i en vanlig datamaskin? Det kunne fylt samme oppgaven?
– Altså – det vet vi ikke.
– Nei?
– Jeg tror jo det. Jeg tror at det kan fylle samme oppgaven. Men da må vi vite hvordan disse nevronene kobler seg sammen og gjør noe fornuftig. Det har vi ingen idé om.
– Så dere må rett og slett lære av nevronene?
– Det er det vi gjør nå. Vi stimulerer nevronene elektrisk.
– På sett og vis snakker dere med nevronene?
– Vi prøver å finne en måte å snakke til nevronene sånn at de former de strukturene som vi vil ha.
Mister stålkontrollen
– Det er litt som å dunke på et kne, og så spretter det opp av en nerverefleks, men dere aner ikke åssen refleksen virker inni kneet?
– Ja, det er litt av det samme. En slags første tilnærming er å prøve å utnytte dette uten å prøve å lage en detaljert modell.
– Dere vet ikke nøyaktig hva som skjer. Det betyr vel at denne teknologien slipper opp stålkontrollen som du har når du lager vanlig teknologi?
– Ja. Det gjør den.
– Jo mer avansert det blir, desto mer mister dere kontrollen?
– Ja, på en måte.
– For en hardcore teknolog må vel det være en sorg?
– For mange er det nok det. For meg er det det ikke.
Livet øker sin egen beregningskraft
– For meg er biologien utrolig fascinerende. Den kan gjøre det som ingen maskin kan gjøre – den kan transformere seg selv. Når en celle gror, så tar den energi fra sollyset og stoffer fra omgivelsene lager en kopi av seg selv.
– Dette blir jo litt teoretisk, men hva er egentlig en beregning? Informasjonsteoretisk sett, så er beregningskraften til hele Universet gitt av massen til Universet.
– Og da er jo biologien spesiell. Den kan øke sin egen masse, sin egen beregningskraft, over tid. Det er ingen maskin vi har bygget som kan det.
Inspirert av biologi
– Dette blir en slags blanding av liv og teknologi, da?
– Ja, det kan du si. Men vi prøver også å gjenskape oppførselen til nevronene på andre måter. Biologien er inspirasjonen, og så prøver vi å lage tilsvarende i fysiske systemer.
– Vi har nylig startet et prosjekt med nanomagneter – bitte små magneter. Og fordelen er at hvis du setter magneten i en posisjon, så holder den seg der. Du får et langtidsminne.
– Vi har også eksperimentert med karbon nanorør og gullkorn i nanostørrelse.
Mange muligheter i nanomassen
– Hvordan kan magneter, nanorør og gullkorn erstatte levende celler?
– Når du har veldig mange nanorør, så har du et materiale – en klump eller en masse, da – som har en stor mengde variasjon. Det finnes en stor kompleksitet inni der.
– Det blir litt sånn som hypotesen om Boltzmann-hjerner som fra tid til annen oppstår tilfeldig og spontant ute i verdensrommet fordi det er så enormt komplekse muligheter for hva som kan skje der ute?
– Ja, det finnes veldig mange muligheter i nanomassen.
Kompleksiteten eksploderer
– Men denne uregjerlige massen av nanorør – kunne du ikke laget en datamodell av den i en vanlig maskin også? Eller ville det bli vanvittig …
– Da snakker du om simuleringer som tar lengre tid enn vår levealder.
– Så det er for komplekst?
– Ja. I det samme prosjektet som nanorør brukte vi jo også nanopartikler av gull. Og de er lettere å simulere.
– Men – i datamodellene kunne vi ikke ha mer enn et titalls gullpartikler. Du kan ikke simulere flere, for da eksploderer beregningstiden, selv på en superdatamaskin.
Ikke modell – virkeligheten selv
– Et titalls partikler, bare? I den virkelige blandingen er det vel milliarder av gullpartikler. De er ikke en stilisert simulering, en modell av kompleksiteten. De er kompleksiteten selv.
– Ja. Det er en sammenheng mellom de signalene som flyter gjennom og den strukturen som oppstår.
– Det samme skjer i nevroner. Hjerneskann av drosjesjåfører i London før og etter kurset der de lærer alle gatene viser tydelig at det er andre nervekoblinger etterpå.
– Slike nye sammenkoblinger er grunnleggende for å få til læring. Altså – evnen til selv å påføre deg endringer i din egen struktur.
Evolusjon i nanorørene
– Som også kunne vært sagt om evolusjon? Evolusjonen er vel en måte som livet bruker for å lære å tilpasse seg omgivelsene?
– Ja – det spørs hva du mener med å lære, da.
– Ja, ikke sant. Det blir jo ikke bevisst læring, men at genene forandrer seg ut fra hva som overlever. Det som kopieres, er det som overlever. Er det noe tilsvarende her?
– Det tilsvarer begrepet survival of the fittest. Dette prinsippet bruker vi jo også i nanorørene. De egenskapene som er best tilpasset til å løse den oppgaven vi vil, får lov til å fortsette til neste generasjon av mønstre i nanorørene, og så bygger vi videre på dem.
Styrer evolusjonen
– Men det er en forskjell. Evolusjonen har ikke noe bestemt mål. Det eneste målet en flodhest har, er å flodheste, for å si det sånn. Men oppgaven til nanorørene deres er jo ikke bare å nanorøre omkring. De skal gjøre noe for dere.
– Ja, og da prøver jo vi å definere en slags fitnessfunksjon. Hvor godt er livet tilpasset omgivelsene sine? For oss betyr det: Hvor langt er vi unna å gjøre de beregningene eller den informasjonsprosesseringen som vi vil?
– Og så styrer dere det ut fra det?
– Ut fra det.
– Det blir omtrent som gartneren som begynner å luke ut de stygge plantene? Dere tar gartnerens rolle i evolusjonen?
– Ja. Det er akkurat det samme egentlig.
– Og da blir det jo en annen evolusjon?
– Ja.
Ikke interessert i detaljene
– Men i bunnen hele tiden ligger et klart mål. Dere har et mål om å samvirke med det som skjer der nede, men dere har ikke full kontroll over det som skjer.
– Nei, vi har ikke full kontroll. Men vi har god nok kontroll til å få de beregningene vi trenger.
– Jeg skjønner. Du henter det ut av systemet som du trenger, og resten bryr du deg rett og slett ikke om.
– Du bryr deg ikke om det. En av de store forskjellene på oss som sitter oppe i dette bygget her på NTNU Gløshaugen og de som jobber med rottenevronene i det nevrologiske laboratoriet, det er kanskje at – vi er egentlig ikke så gruelig interessert i hvordan nevronene fungerer i detalj.
Ulike interesser – samme prosjekt
– Men det er nevroforskerne?
– Ja. Idéen med kyborgen er at hvis forskere fra forskjellige fag samler seg rundt den, så har alle sine egne gode grunner til å delta.
– Det jeg har sittet og snakket om nå, er jo de forskningsspørsmålene som jeg er interessert i. Men hvis du er litt kynisk – svarene på mine spørsmål gir ikke nevroforskerne noe.
– På den andre siden – hvis vi kan lete etter en felles forståelse av hvordan nettverkene til nevronene endrer seg, så er det er noe som alle er interessert i.
– Da er det en helt annen energi i samarbeidet. Og det har vi fått til på NTNU. Det er en mulighet som eksisterer få steder i verden.
Leave a Reply