גוגל מייצרת נוירונים מלאכותיים: קיצור דרך למיפוי המוח

גוגל מעמיקה את פעילותה באחד מתחומי המחקר המורכבים ביותר במדעי החיים: מיפוי המוח. צוות מחקר של גוגל פיתח מודל בשם MoGen, שמייצר צורות תלת-ממדיות סינתטיות של נוירונים. המטרה אינה “לבנות מוח” מלאכותי, אלא לספק למערכות בינה מלאכותית דוגמאות אימון טובות יותר, כדי שיוכלו לשחזר בצורה מדויקת יותר את מבנה התאים במוח. 

לפי גוגל, כאשר הדוגמאות הסינתטיות שולבו באימון של מערכת מיפוי קיימת, שיעור השגיאות ירד ב-4.4%. במספרים רגילים זה נשמע כמו תיקון קטן; בקנה מידה של מיפוי מוחי, מדובר בחיסכון גדול מאוד בזמן עבודה אנושי. התחום שבו פועל המחקר נקרא קונקטומיקה. הוא עוסק בבניית מפות של החיבורים במוח: איזה נוירון מחובר לאיזה נוירון, היכן עוברים האותות, ואיך המבנה הפיזי של מערכת העצבים קשור לפעולות כמו תנועה, זיכרון, למידה, תגובה לגירויים וקבלת החלטות. 

בניגוד לסריקות מוח רגילות, שמתבוננות באזורים רחבים יחסית, קונקטומיקה מנסה לרדת לרמת התא והחיבור הבודד. גוגל מתארת את התחום כמאמץ לבנות מפות מפורטות של האופן שבו תאי המוח מחוברים זה לזה.

למה כל כך קשה למפות את המוח

המוח אינו רשת מסודרת של קווים ונקודות. נוירונים הם תאים בעלי מבנה מסועף, דק ומפותל. לכל תא יש שלוחות שמקבלות אותות מתאים אחרים ושלוחות שמעבירות אותות הלאה. בין התאים נמצאות סינפסות, נקודות המגע שבהן עובר המידע מתא לתא. כדי למפות את המבנה הזה, חוקרים מצלמים פרוסות דקיקות מאוד של רקמת מוח, מחברים את התמונות למבנה תלת-ממדי, ואז מנסים לשחזר את הצורה של כל תא ואת החיבורים שלו. כאן מתחיל הקושי הגדול. גם כאשר הבינה המלאכותית מזהה חלקים של נוירונים מתוך התמונות, היא עדיין עלולה לטעות. לפעמים היא מפרידה בין שני חלקים ששייכים לאותו תא. לפעמים היא מחברת בטעות שני חלקים ששייכים לתאים שונים. 

שתי הטעויות האלה מסוכנות למחקר, משום שהן יכולות לשנות את מפת החיבורים ולייצר תמונה לא נכונה של המערכת העצבית. גוגל כבר פיתחה בשנים האחרונות כלים לניתוח דאטה עצבי, בין היתר בפרויקטים של מיפוי רקמות מוח בשיתוף חוקרים מהארוורד ומוסדות נוספים. 

בפרויקט שפורסם ב-2024, חוקרי גוגל והארוורד יצרו שחזור תלת־ממדי של מקטע קטן מרקמת מוח אנושית, שכלל כמעט את כל התאים והחיבורים באותו נפח זעיר. הפרויקט דרש טיפול בכמות עצומה של מידע - כ-1.4 פטה-בייט - וממחיש עד כמה מיפוי מוחי הוא לא רק בעיה ביולוגית, אלא גם בעיית מחשוב, אחסון וניתוח דאטה.

 הבעיה אינה מסתיימת באלגוריתם. אחרי שמערכת הבינה המלאכותית מסיימת לשחזר את הנוירונים, בני אדם צריכים לבדוק את התוצאה. חוקרים, טכנאים וסטודנטים עוברים על המפות, מתקנים חיבורים שגויים ומוודאים שהמבנה אמין. זהו צוואר הבקבוק של התחום. ככל שמנסים למפות רקמות גדולות יותר, כמות התיקונים הידניים גדלה במהירות.

הפתרון של גוגל: דוגמאות אימון שלא הגיעו ממוח אמיתי

 MoGen נועד להתמודד בדיוק עם המחסור הזה בדאטה איכותי. במקום להסתמך רק על נוירונים אמיתיים שכבר מופו ואומתו ידנית, המודל מייצר צורות סינתטיות שנראות כמו מקטעים עצביים אמיתיים. 

לפי גוגל, MoGen מבוסס על PointInfinity, מודל של ענני נקודות תלת-ממדיים. הוא מתחיל מענן אקראי של נקודות, ובתהליך הדרגתי מעצב אותו לצורה שנראית כמו מקטע של נוירון. כדי לאמן את MoGen, החוקרים השתמשו ב-1,795 אקסונים ממוח עכבר שעברו אימות אנושי. לאחר מכן הם יצרו מיליוני דוגמאות סינתטיות ושילבו אותן באימון של מערכת PATHFINDER, מערכת שמשמשת לשחזור מבנים עצביים מתוך נתוני דימות. 

• מידע פנים: מהנדס גוגל הרוויח 1.2 מיליון דולר בפולימרקט - ונתפס
• אנלייט חתמה עם גוגל בארה"ב על הסכם חשמל ירוק ל-15 שנה

כאשר 10% מנתוני האימון היו סינתטיים, שיעור השגיאות ירד ב-4.4%, בעיקר בזכות הפחתת טעויות שבהן המודל מחבר בטעות מקטעים שלא שייכים לאותו תא. הנתון הזה חשוב בגלל קנה המידה. גוגל מעריכה כי ירידה של 4.4% בשגיאות יכולה לחסוך, במיפוי מוח עכבר שלם, עבודה ידנית בהיקף של 157 שנות מומחה. 

במילים אחרות, החידוש אינו בכך שהמערכת פועלת בלי בני אדם, אלא בכך שהיא יכולה לצמצם את כמות התיקונים שבני אדם צריכים לבצע. בתחום שבו כל אחוז שיפור מתורגם לאלפי שעות עבודה, גם שינוי קטן הופך לכלי משמעותי. גוגל בדקה גם אם הצורות שמייצר MoGen אכן דומות למציאות. 

לפי החברה, מומחים אנושיים לא הצליחו להבחין בצורה אמינה בין מקטעים אמיתיים לבין מקטעים שנוצרו על ידי המודל. זו בדיקה חשובה, משום שנתונים סינתטיים יכולים לעזור רק אם הם לא מכניסים למערכת דפוסים מלאכותיים מדי. אם המודל היה מייצר נוירונים “נקיים” או מסודרים מדי, הוא היה עלול לשפר את הביצועים במבחן אחד ולפגוע באמינות המחקר בהמשך.

מה זה יכול לשנות בחקר המוח

 המשמעות של MoGen רחבה יותר ממיפוי מוח של עכבר. הוא מצטרף למגמה שבה בינה מלאכותית לא רק מנתחת נתונים קיימים, אלא מייצרת נתוני אימון חדשים כדי לשפר את עצמה. בתחום הרפואה והמדע, זה חשוב במיוחד משום שדאטה איכותי הוא לעיתים נדיר, יקר ומוגבל.

אי אפשר לייצר בקלות עוד רקמות מוח שעברו צילום, עיבוד ואימות ידני. אם ניתן להוסיף למערכות האימון דוגמאות סינתטיות אמינות, אפשר להאיץ מחקר בלי להמתין שנים ליצירת מאגרי נתונים חדשים. גוגל כבר מעורבת בכמה פרויקטים של מיפוי עצבי. לצד פרויקטים ברקמת מוח אנושית, החברה דיווחה בשנים האחרונות על שיתופי פעולה במיפוי רקמות מוח של בעלי חיים, ובהם דג זברה וציפורי שיר.

• מודל של OpenAI הפריך השערה מתמטית בת 80 שנה
• זה לא הכמות, זה הפיזור: האסטרטגיה שתשפר את המוניטין החברתי של התורם

ב-2025 דיווחה גוגל גם על שיטה בשם LICONN, שפותחה עם חוקרים מ-ISTA, ומאפשרת להשתמש במיקרוסקופיית אור כדי לשחזר חיבורים עצביים ברקמת מוח של יונק, ברמת דיוק שהושוותה לשיטות המבוססות על מיקרוסקופיית אלקטרונים. היעד הגדול הבא של התחום הוא מיפוי מוח של עכבר בקנה מידה רחב בהרבה. 

עכבר הוא מודל מחקר מרכזי במדעי המוח, בין היתר לחקר למידה, זיכרון, תנועה, מחלות נוירולוגיות והפרעות התפתחותיות. אם ניתן יהיה למפות אזורים גדולים במוח עכבר ברזולוציה גבוהה ובפחות עבודה ידנית, חוקרים יוכלו לבדוק קשרים שלא ניתן היה לראות בעבר: איך רשתות עצביות משתנות במחלה, איך אזורים שונים במוח מתקשרים ביניהם, ומה משתבש במחלות כמו אלצהיימר, פרקינסון, אפילפסיה, אוטיזם והפרעות נוספות.

הדרך למיפוי מוח אנושי שלם עדיין רחוקה מאוד. מוח אדם גדול ומורכב בהרבה ממוח עכבר, והיקף המידע הדרוש למיפוי מלא הוא עצום. יש גם מגבלות אתיות, טכניות וכלכליות: שימוש ברקמות מוח אנושיות, אחסון כמויות אדירות של מידע, כוח מחשוב, אימות אנושי ושאלות על פרטיות ושימוש עתידי במידע. לכן חשוב לא להציג את MoGen כפריצת דרך שפותרת את חידת המוח, אלא ככלי שמטפל באחת הבעיות המעשיות של התחום: המחסור בדוגמאות אימון איכותיות והצורך בתיקון ידני כמעט אינסופי.

המחקר של גוגל מצביע על כך שככל שמפות המוח יהפכו גדולות יותר, לא ניתן יהיה להסתמך רק על עבודה אנושית ידנית. מערכות בינה מלאכותית יצטרכו לבצע יותר מהעבודה, אך כדי לסמוך עליהן הן יידרשו לאימון טוב יותר ולבדיקות אמינות יותר. MoGen מראה שנוירונים סינתטיים יכולים להיות חלק מהפתרון: לא תחליף למחקר ביולוגי, אלא דרך להאיץ אותו, לצמצם טעויות ולקרב את הקונקטומיקה לקנה מידה שבעבר נראה כמעט בלתי אפשרי.