Trong tương lai, những hệ thống như vậy sẽ giúp chúng ta hiểu rõ hơn cơ chế học tập của não bộ, đồng thời cung cấp một nền tảng mới để nghiên cứu các chứng rối loạn thần kinh như Alzheimer, Parkinson, tự kỷ, tâm thần phân liệt...
Có chức năng của não bộ giai đoạn đầu
Các mô não nhân tạo thu nhỏ, hay "organoid não", là những cấu trúc mô ba chiều phát triển từ tế bào gốc, có khả năng mô phỏng quá trình phát triển, đặc điểm cũng như chức năng của não bộ giai đoạn đầu.
Các organoid não thường nhỏ hơn một hạt tiêu, nhưng có thể chứa cả mạng lưới gồm vài triệu neuron, tức các tế bào thần kinh phát tín hiệu điện để truyền thông tin khắp cơ thể.
Trong nghiên cứu được công bố trên tạp chí Cell Reports vào tháng trước, các nhà khoa học tại Đại học California, Santa Cruz, Mỹ, cho biết đã nuôi cấy các organoid não từ tế bào gốc của chuột, sau đó đặt chúng lên một con chip chuyên dụng, đóng vai trò như cầu nối giữa mô não sống và máy tính. Bằng cách này, họ vừa có thể quan sát hoạt động phát xung điện của các neuron, vừa có thể kích thích những neuron nhất định để xem cách chúng phản ứng.
Bằng cách đặt mô não nhân tạo lên chip chuyên dụng, các nhà nghiên cứu có thể quan sát hoạt động của các tế bào thần kinh bên trong mô và và kích thích các tế bào có định hướng. Ảnh: UC Santa Cruz.
"Điều làm nên sức mạnh của công nghệ này là chúng tôi có thể vừa ghi lại, vừa kích thích, vừa điều chỉnh ngay trong cùng một hệ thống," theo Mircea Teodorescu, một thành viên của nhóm nghiên cứu. "Đây không đơn thuần là việc ghi lại hoạt động thần kinh. Nó là một giao diện điện-sinh học vòng lặp kín giữa organoid não và con chip, nơi phản ứng của mô sinh học trực tiếp định hình tín hiệu đầu vào tiếp theo của nó. Điều đó cho phép chúng tôi nghiên cứu quá trình học tập như một quá trình vật lý, điều mà trước đây rất khó thực hiện trực tiếp trên não bộ nguyên vẹn."
Bài toán con lắc ngược
Để kiểm tra khả năng học hỏi của mô não nhân tạo, nhóm nghiên cứu đã chọn một bài toán kinh điển trong lĩnh vực điều khiển và robot, gọi là bài toán "con lắc ngược".
Trong bài toán này, một chiếc cột thẳng đứng được gắn bằng khớp quay trên một xe trượt có thể di chuyển sang trái hoặc sang phải trên thanh ray thẳng trong môi trường mô phỏng máy tính. Hệ thống điều khiển phải liên tục điều chỉnh chuyển động của xe trượt để giữ cho chiếc cột không bị đổ.
Bài toán trên thường được so sánh với việc giữ một cây thước đứng trên lòng bàn tay. Người giữ phải liên tục quan sát góc nghiêng của thước và điều chỉnh vị trí bàn tay để giữ cho nó cân bằng.
Trong khoa học kỹ thuật, bài toán con lắc ngược là một bài kiểm tra phổ biến nhằm đánh giá khả năng xử lý thông tin và thích nghi của các hệ thống điều khiển thông minh.
Khả năng học tập theo định hướng của mô não nhân tạo
Bằng cách sử dụng các tín hiệu điện mạnh hoặc yếu khác nhau, các nhà nghiên cứu truyền cho mô não thông tin về góc nghiêng của chiếc cột khi góc này thay đổi. Đồng thời, họ quan sát các tín hiệu mà mô não gửi lại và dùng tín hiệu đó để tính toán lực cần tác động lên chiếc xe.
Mỗi lần mô não cố gắng giữ chiếc cột đứng thẳng được gọi là một "phiên thử nghiệm". Khi cột đổ, các nhà nghiên cứu sẽ đưa hệ thống về trạng thái ban đầu để bắt đầu một phiên mới. Họ theo dõi hiệu suất của mô não nhân tạo theo từng nhóm năm phiên liên tiếp để đánh giá xem khả năng điều khiển có cải thiện theo thời gian hay không.
Nếu thời gian giữ cột đứng thẳng trung bình trong năm phiên gần nhất lâu hơn so với hai mươi phiên trước, thì đó được coi đó là dấu hiệu cho thấy mô não đang cải thiện và không cần thêm tín hiệu huấn luyện. Ngược lại, nếu thời gian trung bình giữ cột thẳng không tăng lên, họ sẽ gửi tín hiệu huấn luyện đến một số neuron nhất định. Việc lựa chọn neuron nào nhận tín hiệu được quyết định bởi một thuật toán học tăng cường.
Nghiên cứu về khả năng học hỏi của các mô não nhân tạo mở ra một hướng tiếp cận mới trong lĩnh vực khoa học thần kinh. Ảnh minh họa: Shutterstock.
"Bạn có thể hình dung thuật toán học tăng cường giống như một huấn luyện viên nhân tạo đang nói: 'Bạn làm chưa đúng, hãy điều chỉnh lại một chút theo hướng này'," Ash Robbins, một thành viên khác của nhóm nghiên cứu, cho biết. "Chúng tôi đang tìm cách cung cấp cho mô não những tín hiệu huấn luyện hiệu quả nhất."
Kết quả thí nghiệm cho thấy các mô não nhân tạo có thể cải thiện hiệu suất trong nhiệm vụ con lắc ngược. Khi các tín hiệu kích thích được đưa vào một cách ngẫu nhiên, tỷ lệ thành công của mô não chỉ đạt 4,5%. Tuy nhiên, khi sử dụng thuật toán học tăng cường để lựa chọn tín hiệu huấn luyện phù hợp, tỷ lệ thành công tăng lên khoảng 46%.
Đây là bằng chứng đầu tiên cho thấy các mô não nhân tạo có khả năng học tập theo mục tiêu. Nói cách khác, ngay cả những mạng lưới neuron được nuôi cấy ngoài cơ thể cũng có thể xử lý thông tin và điều chỉnh hoạt động của mình dựa trên phản hồi từ môi trường.
"Đây là những mạch thần kinh cực kỳ nhỏ, không có trải nghiệm giác quan, không có cơ thể để duy trì, cũng không có mục tiêu nào để theo đuổi. Nhưng khi được cung cấp phản hồi điện có định hướng, mô não vẫn đủ linh hoạt và đủ cấu trúc để giải quyết một bài toán điều khiển theo thời gian thực," Keith Hengen - phó giáo sư sinh học tại Đại học Washington, St. Louis, người không tham gia vào nghiên cứu - nhận định.
Nền tảng mới để nghiên cứu nhiều bệnh lý thần kinh
Tuy nhiên, khả năng học hỏi của các mô não nhân tạo hiện nay vẫn còn nhiều hạn chế. Sau khi thực hiện nhiệm vụ trong khoảng 15 phút, các mô não được cho nghỉ khoảng 45 phút. Khi nhóm nghiên cứu tiếp tục thí nghiệm sau khoảng nghỉ, hiệu suất của chúng giảm xuống mức ban đầu. Các tế bào thần kinh dường như đã quên mất quá trình huấn luyện trước đó.
Theo David Haussler, có thể cải thiện khả năng ghi nhớ của mô não bằng cách sử dụng các organoid phức tạp hơn.
"Chúng ta sẽ cần tạo ra những organoid tinh vi hơn, gồm nhiều vùng não liên quan đến khả năng học tập ở động vật để có thể tái hiện được kiểu học bền vững và cải thiện lâu dài mà chúng ta quan sát thấy ở động vật," David Haussler, đồng tác giả nghiên cứu, nhận định.
Một phần quan trọng khác của nghiên cứu là phát triển công cụ phần mềm để điều khiển và phân tích thí nghiệm. Nhóm nghiên cứu đã xây dựng một nền tảng mã nguồn mở mang tên BrainDance, cho phép các phòng thí nghiệm khác dễ dàng thực hiện những thí nghiệm tương tự. "Thông thường, các phòng thí nghiệm phải mất nhiều năm để tự xây dựng những hệ thống phần mềm như vậy. Giờ đây bất kỳ nhà sinh học nào cũng có thể dễ dàng tải phần mềm của chúng tôi và thực hiện các thí nghiệm chỉ trong vài phút," Robbins nói.
Nghiên cứu về khả năng học hỏi của các mô não nhân tạo mở ra một hướng tiếp cận mới trong lĩnh vực khoa học thần kinh. Thay vì chỉ quan sát não trong cơ thể sống hoặc mô phỏng bằng mô hình máy tính, giờ đây các nhà khoa học có thể trực tiếp tìm hiểu cách mạng neuron thần kinh học hỏi và thích ứng trong môi trường thí nghiệm có kiểm soát.
Trong tương lai, những hệ thống như vậy sẽ giúp chúng ta hiểu rõ hơn cơ chế học tập của não bộ, đồng thời cung cấp một nền tảng mới để nghiên cứu các chứng rối loạn thần kinh như Alzheimer, Parkinson, tự kỷ, tâm thần phân liệt và nhiều bệnh lý thần kinh khác.
Nhóm nghiên cứu nhấn mạnh rằng mục tiêu chính của họ là thúc đẩy nghiên cứu về não bộ và điều trị các bệnh thần kinh, chứ không nhằm tìm cách thay thế các bộ điều khiển robot hay các hệ thống máy tính khác bằng mô não động vật được nuôi cấy trong phòng thí nghiệm.
"Ý tưởng sử dụng mô não nhân tạo cho mục đích tính toán thích ứng khá thú vị, nhưng nó thường đi kèm với những vấn đề đạo đức nghiêm trọng, đặc biệt nếu organoid não người được sử dụng," David Haussler nói thêm.
Quốc Hùng tổng hợp
---
Tài liệu tham khảo:
[1] Brain organoids can be trained to solve a goal-directed task. UC Santa Cruz News. https://news.ucsc.edu/2026/02/brain-organoids-goal-directed-learning/
[2] For the First Time, Lab-Grown Brain Organoids Display Ability to Learn. Discover Magazine. https://www.discovermagazine.com/for-the-first-time-lab-grown-brain-organoids-display-ability-to-learn-48782
[3] Lab-Grown Brains Growing More Powerful. Futurism. https://futurism.com/health-medicine/lab-grown-brain-organoid
[4] The Brain-in-a-Dish Just Learned How to Solve Challenging Engineering Problems. ZME Science. https://www.zmescience.com/science/news-science/mouse-organoids-learn-virtual-pole-balancing/