Op naar de eerste Brain-on-Chip AI-computer

De muren van het kantoor van TU/e-onderzoekers Regina Luttge (Mechanical Engineering) en Bert de Vries (Electrical Engineering) zijn versierd met kunst. Boven het bureau van Luttge hangt een kleurrijk werk dat ze zelf schilderde, terwijl in het kantoor van De Vries linksboven een schilderij hangt van een man met een wiskundige formule.

Naast het grote contrast tussen hun kantoorkunst, werken de twee ook op verschillende gebieden. Luttge's richt zich op het kweken van hersencellen in zogenaamde Brain-on-Chip apparaten, terwijl De Vries zich bezighoudt met computationele neurowetenschappen, signaalverwerking en machine learning.

Toch heeft het tweetal de handen ineengeslagen voor een TU/e-project dat veel risico's met zich meebrengt en het ambitieuze doel heeft 's werelds eerste Brain-on-Chip AI-computer te bouwen, die problemen in real-time en op een energiezuinige manier kan oplossen.

Met andere woorden: de onderzoekers willen een apparaat bouwen waarin hersencellen samenwerken met een op silicium gebaseerde computer, om in de toekomst bij te dragen aan bijvoorbeeld zeer zuinige draagbare devices, Internet of Things-apparaten, en geavanceerde controlesystemen met AI-technologie. De naam van het project: BayesBrain.

BayesBrain?

"Het Bayes-gedeelte van de projectnaam komt van de Engelse achttiende-eeuwse statisticus Thomas Bayes", legt De Vries uit. "En het toeval wil dat de man op het schilderij in mijn kantoor Thomas Bayes is, met boven hem de vergelijking die bekend staat als de stelling van Bayes."

"De onontkoombare waarheid is dat onze moderne computers te veel stroom verbruiken."

Bayes' stelling berekent de waarschijnlijkheid dat een gebeurtenis plaatsvindt op basis van de waarschijnlijkheden die aan een andere gebeurtenis verbonden zijn. Bayes werk en naam zijn vervolgens gebruikt in Bayesian machine learning, een vakgebied waar De Vries zich al een aantal jaren mee bezighoudt.

Het ‘Brain’-gedeelte van de projectnaam komt van het menselijk brein. Maar waarom willen de onderzoekers een AI-computer maken met hersencellen die samenwerken met microprocessoren op basis van silicium?

"De onontkoombare waarheid is dat onze moderne computers te veel stroom verbruiken. Hersencellen verbruiken vele malen minder stroom", legt Luttge uit. "En nu onze computerbehoeften toenemen, hebben we behoefte aan duurzamere computers. Het bestuderen van hersencellen in deze context biedt een potentiële oplossing."

Energieverbruik

Het combineren van een computer op siliciumbasis met hersencellen in BayesBrain is zeker geen publiciteitsstunt. Als deze aanpak kan worden opgeschaald, kan dat verstrekkende gevolgen hebben voor machine learning in de toekomst.

"Op dit moment brengt de training van sommige kunstmatige neurale netwerken door DeepMind en Google enorme kosten met zich mee, in geld en energie. De hersenen verbruiken vele malen minder energie om te functioneren, dit lage energieverbruik is niet te bereiken met de huidige computers. Om dit te realiseren, hebben we een paradigmawisseling nodig. Hybride computergebruik met hersencellen zou het antwoord kunnen zijn", zegt De Vries.

"Op dit moment brengt de training van sommige kunstmatige neurale netwerken door DeepMind en Google enorme kosten met zich mee, in geld en energie."

In een reactief systeem zoals de hersenen besteden cellen nooit energie aan het doorgeven van berichten aan andere hersencellen, tenzij dit de nauwkeurigheid van de rekentaak verbetert. In een conventionele algoritmische aanpak van het rekenwerk daarentegen worden boodschappen hoe dan ook doorgegeven, zelfs wanneer zij de nauwkeurigheid van het resultaat niet verbeteren. Dit beïnvloedt de energie-efficiëntie dramatisch. 

Balancerende slingers

BayesBrain wil iets doen wat klinkt als science fiction. Naast Luttge en De Vries bestaat het BayesBrain-team uit TU/e-onderzoekers Burcu Cumuscu-Sefunc (Biomedical Engineering) en Wouter Kouw (Electrical Engineering), en Robert Peharz (Graz University of Technology, voorheen TU/e). Wat is het team van plan te gaan doen?

Aan de hersenkant van het microfluïdische Brain-on-Chip-apparaat zullen ongeveer 1.000 hersencellen worden geplaatst. Daar zullen de cellen kleine neurale circuits vormen dankzij een gecompartimenteerd microfluïdisch systeem. Om de cellen in leven te houden, zullen ze worden voorzien van water, voedingsstoffen en een incubatie-omgeving (temperatuur, atmosfeer, enz.) die ze nodig hebben om langere tijd gezond te blijven.

"De cellen zouden na ongeveer drie weken voldoende uitgerijpte neurale netwerken moeten vormen. Zodra de kleine neurale netwerken zich vormen en hervormen (een fenomeen dat neurale plasticiteit wordt genoemd), zullen de hersencellen klaar zijn om te 'praten' met de silicium-computer", zegt Luttge.

Voor het Bayesiaanse gedeelte zal het team gebruik maken van een computer op siliciumbasis die problemen op basis van Bayesiaanse gevolgtrekkingen oplost. De onderzoekers zullen het project starten met dit zuiver op silicium gebaseerde apparaat.

"We beginnen met een 100% silicium-gebaseerde Bayesiaanse computer en gebruiken die om een eenvoudige real-time regeltaak op te lossen, zoals het omgekeerde slingerprobleem", zegt De Vries.

Het omgekeerde slingerprobleem zal dienen als het validatieprobleem voor de apparaten die die onderdeel uitmaken van BayesBrain. Het komt overeen met het balanceren van een stok op een bewegend platform, en is een klassiek probleem dat wordt gebruikt bij reinforcement learning, een trainingsmethode voor machine learning waarbij gunstige uitkomsten worden beloond en ongunstige worden bestraft.

"Dit probleem is niet nieuw, en we weten dat het kan worden opgelost met een computer op siliciumbasis", merkt Luttge op. "Maar als we dit probleem kunnen oplossen met een systeem dat bestaat uit een op silicium gebaseerde microchip en een Brain-on-Chip-apparaat dat echte hersencellen bevat, dan zal dat buitengewoon zijn! Dat komt omdat dit probleem nog nooit is opgelost met een computer die bestaat uit hersencellen en microchips!"

Het probleem van de interface

De onderzoekers hebben een duidelijk plan om het validatieprobleem - het eerder genoemde omgekeerde slingerprobleem - op te lossen met behulp van het hybride computerapparaat.

"Zodra de siliciumkant van het apparaat de omgekeerde slinger in evenwicht houdt, beginnen we met het overbrengen van een deel van de rekenbelasting van de siliciumkant naar de hersencellenkant van het apparaat", zegt De Vries. "We beginnen eerst met een klein deel van de belasting te vervangen, en vervangen langzaam steeds meer van het siliciumgedeelte door hersencellen."

"De communicatie-interface is misschien wel het grootste probleem dat in dit project moet worden opgelost."

Deze benadering is afhankelijk van de ontwikkeling van een interface die de hersencellen in staat stelt met de siliciumcomputer te praten, en vice versa.

"De communicatie-interface is misschien wel het grootste probleem dat in dit project moet worden opgelost. Zonder deze interface kunnen de hersencellen de rekenlast niet verdelen", voegt Luttge toe.

In feite moet het onderzoeksteam een apparaat maken waarmee de ene kant de andere kant kan "hacken". Bert de Vries: "Het is een samenwerking tussen twee actoren die elkaar hacken. En wij zijn de facilitators voor dit hacken."

Een eerste stap

Hoewel het team de hybride computer alleen zal gebruiken om een omgekeerde slinger in het project te besturen, zijn er tal van praktijksituaties waarin dit hybride apparaat zou kunnen worden gebruikt.

Denk aan de luchtverkeersleiding op een luchthaven waar tientallen vliegtuigen tegelijk kunnen naderen en vertrekken. Of het leiden van meerdere schepen als ze een drukke haven naderen.

"Het belangrijkste is dat dit een nieuwe start is met potentieel voor revolutionaire veranderingen. We zijn van plan om het meest intelligente systeem ooit - de hersenen - te gebruiken als component in wat 's werelds meest energie-efficiënte computerapparaat zou kunnen zijn", zegt De Vries.

"Ik moet toegeven dat ik opgewonden ben om te beginnen, door de mogelijkheden ervan", voegt Luttge eraan toe.

Dezelfde taal spreken

Bij elke interdisciplinaire samenwerking is het belangrijk dat de onderzoekers dezelfde taal spreken, en dit project is daar een goed voorbeeld van. De Vries en Luttge geven allebei toe dat het tijd kost om aan elkaars vocabulaire te wennen.

"Het is moeilijk voor ons, aangezien we onze hele carrière op een bepaalde manier hebben gesproken", aldus De Vries.

Luttge is het daarmee eens: "Het is geweldig om aan zo'n innovatief project te werken, maar we moeten ervoor zorgen dat we elkaars taal begrijpen en ook de technische aspecten van wat we doen."

Beiden wijzen erop dat de twee gepromoveerde onderzoekers die zich bij het team zullen voegen het iets gemakkelijker zullen hebben. "Zij zullen tijdens hun opleiding de taal van beide werelden leren, zodat het voor hen iets gemakkelijker zal zijn om zich aan te passen aan de verschillende concepten en definities van onze vakgebieden", zegt Luttge.  

"Het is geweldig om aan zo'n innovatief project te werken, maar we moeten ervoor zorgen dat we elkaars taal begrijpen en ook de technische aspecten van wat we doen."

Belangrijk is dat er begrip is tussen de onderzoekers. "We zijn 100% vergevingsgezind als het gaat om hoe we over dit onderzoek praten", zegt De Vries met een glimlach.

En wie weet - als Luttge, De Vries en hun medewerkers succes hebben in hun streven naar 's werelds eerste Brain-on-Chip AI-computer - hebben toekomstige onderzoekers van hersenen en machine learning misschien wel artistieke weergaven van het BayesBrain-onderzoeksteam aan de muren van hun kantoren hangen.

Informatie over de financiering van BayesBrain

BayesBrain wordt gefinancierd door het EAISI (Eindhoven Artificial Intelligence Systems Institute)-fonds voor Exploratory Multidisciplinary AI Research (EMDAIR). De financiering dekt de werving van twee PhD-onderzoekers om aan het project te werken.