Trí tuệ Sinh học Tổng hợp (Synthetic Biological Intelligence – SBI) là một lĩnh vực mới nổi, kết hợp giữa sinh học tổng hợp và trí tuệ nhân tạo (AI), nhằm tạo ra các hệ thống thông minh dựa trên vật liệu sinh học như tế bào thần kinh. SBI tìm cách mô phỏng và tái tạo các chức năng của não bộ con người thông qua việc sử dụng các thành phần sinh học, mở ra khả năng phát triển các hệ thống tính toán neuromorphic dựa trên tế bào sống.
Vào tháng 3 năm 2025, công ty Australian Cortical Labs vừa ra mắt CL1, máy tính sinh học đầu tiên trên thế giới kết hợp tế bào não người với phần cứng silicon để tạo thành mạng thần kinh nhân tạo chất lưu, mở ra kỷ nguyên mới của công nghệ AI. Theo Cortical Labs, CL1 cung cấp một loại trí thông minh điện toán hoàn toàn mới – năng động hơn, bền vững hơn và tiết kiệm năng lượng hơn bất kỳ AI nào hiện có.
Vậy SBI cụ thể là gì & nó hoạt động ra sao, hãy cùng AM Việt Nam tìm hiểu sâu hơn qua bài viết dưới đây!
1. Cấu trúc của Trí tuệ sinh học tổng hợp SBI
SBI hoạt động dựa trên nguyên tắc sử dụng tế bào thần kinh sống (thường từ não động vật hoặc nuôi cấy từ tế bào gốc) để tạo ra một hệ thống tính toán có khả năng xử lý thông tin, học hỏi và ra quyết định. Một số thành phần quan trọng của SBI bao gồm:
- Neuro-Organoids (Cấu trúc thần kinh nhân tạo): Đây là các cụm tế bào thần kinh được nuôi cấy trong môi trường phòng thí nghiệm, có khả năng hình thành kết nối synapse như một bộ não thu nhỏ.
- Interfaces (Giao diện kết nối): Để tương tác với các hệ thống điện tử, SBI sử dụng các giao diện thần kinh nhân tạo, thường là bioelectronic interfaces (giao diện sinh học-điện tử) giúp chuyển đổi tín hiệu điện của tế bào thần kinh thành dạng dữ liệu số có thể xử lý.
- Feedback Loops (Vòng phản hồi học tập): Hệ thống SBI có khả năng thích ứng nhờ vào vòng phản hồi, giúp nó cải thiện hiệu suất theo thời gian bằng cách điều chỉnh kết nối thần kinh và xử lý dữ liệu theo mô hình học sâu sinh học.
- Gene Editing (Chỉnh sửa gen và kỹ thuật sinh học tổng hợp): Công nghệ CRISPR và các kỹ thuật chỉnh sửa gen khác có thể được sử dụng để thiết kế tế bào thần kinh tối ưu hơn cho việc xử lý thông tin.
- Bio-Molecular Memory (Bộ nhớ sinh học): Một số nghiên cứu đang khám phá cách lưu trữ thông tin trong SBI bằng cách sử dụng DNA computing (tính toán bằng DNA) hoặc các cấu trúc protein.
2. Cơ chế hoạt động của SBI
SBI hoạt động theo cơ chế mô phỏng mạng lưới thần kinh sinh học nhưng với khả năng tính toán mở rộng, dựa trên các nguyên tắc sau:
a) Tín hiệu điện sinh học và xử lý dữ liệu
Tương tự như cách tế bào thần kinh trong não hoạt động, SBI sử dụng các neurons nhân tạo để truyền tải tín hiệu điện và xử lý dữ liệu. Các tế bào thần kinh này tạo ra xung điện sinh học (spikes), có thể được đọc bằng mạng điện cực đa điểm (multi-electrode arrays – MEA) để chuyển đổi thành dữ liệu số.
b) Mạng thần kinh tự tổ chức
SBI có khả năng tự tổ chức và tự học nhờ vào tính dẻo của hệ thần kinh (neuroplasticity). Khi được kích thích liên tục, các nơ-ron trong SBI có thể hình thành kết nối mạnh hơn hoặc yếu hơn tùy theo quá trình học tập.
Ví dụ:
- Nếu một hệ thống SBI được huấn luyện để nhận dạng mẫu (pattern recognition), các kết nối thần kinh sẽ được tăng cường ở các khu vực chịu trách nhiệm phân tích dữ liệu đầu vào, tương tự như cách trí não con người học tập.
c) Cơ chế học tập và thích nghi
SBI có thể sử dụng các phương pháp reinforcement learning (học tăng cường) dựa trên cách các tế bào thần kinh phản ứng với tín hiệu phần thưởng hoặc tín hiệu phạt (thông qua điện kích thích hoặc hóa học). Điều này giúp hệ thống có thể học hỏi từ trải nghiệm giống như cách não bộ con người làm.
Ví dụ:
- Nếu một hệ thống SBI được sử dụng để điều khiển robot, nó có thể học cách di chuyển bằng cách thử nghiệm nhiều phương án và phản hồi từ môi trường, từ đó tối ưu hóa chuyển động theo thời gian.
d) Bộ nhớ sinh học & lưu trữ dữ liệu
Một trong những thách thức lớn nhất của SBI là làm thế nào để lưu trữ dữ liệu lâu dài. Các nghiên cứu hiện nay đang tập trung vào:
- DNA Computing (Tính toán bằng DNA): Sử dụng DNA làm môi trường lưu trữ thông tin vì DNA có thể lưu trữ dữ liệu với mật độ cao hơn nhiều lần so với ổ cứng điện tử.
- Epigenetic Memory (Bộ nhớ biểu sinh): Một số tế bào thần kinh có thể thay đổi hành vi của chúng dựa trên sự thay đổi trong biểu hiện gen, mở ra khả năng lưu trữ thông tin trong chính tế bào thần kinh.
e) Tích hợp với hệ thống máy tính truyền thống
SBI không chỉ hoạt động độc lập mà còn có thể kết nối với AI và các hệ thống máy tính truyền thống. Điều này giúp mở rộng khả năng tính toán và tận dụng các thuật toán AI hiện có để tối ưu hóa hiệu suất của SBI.
3. SBI có phải là trí tuệ nhân tạo hữu cơ không?
SBI được xem là một bước tiến xa hơn của neuromorphic computing (tính toán mô phỏng thần kinh) nhưng mang tính hữu cơ và sinh học hơn. Không giống như AI chạy trên các mạch bán dẫn, SBI có thể hoạt động giống như một bộ não thực thụ với khả năng học tập, thích ứng và xử lý thông tin phi tuyến tính mạnh mẽ.
Một trong những thách thức lớn nhất khi phát triển SBI là duy trì sự sống của tế bào thần kinh trong môi trường nhân tạo. Để giải quyết vấn đề này, các nhà khoa học đã áp dụng những công nghệ sau:
a) Nuôi cấy tế bào thần kinh trong môi trường nhân tạo
- Các tế bào thần kinh được đặt trong dung dịch nuôi cấy đặc biệt giàu dinh dưỡng, mô phỏng môi trường não bộ tự nhiên.
- Môi trường này bao gồm các yếu tố tăng trưởng thần kinh (Neurotrophic factors) giúp tế bào thần kinh phát triển và duy trì kết nối synapse.
- Nhiệt độ và độ pH của môi trường nuôi cấy cũng được kiểm soát nghiêm ngặt để đảm bảo sự sống sót lâu dài.
b) Cung cấp oxy và chất dinh dưỡng liên tục
- Do não bộ tiêu thụ rất nhiều oxy và glucose, SBI cũng cần được cung cấp nguồn dưỡng chất ổn định.
- Các hệ thống vi tuần hoàn nhân tạo đang được phát triển để đưa oxy và chất dinh dưỡng trực tiếp vào mô tế bào thần kinh.
c) Sử dụng công nghệ Bioelectronic Interfaces (Giao diện điện tử – sinh học)
- Các nhà khoa học đã phát triển mạng điện cực đa điểm (Multi-Electrode Arrays – MEA) để theo dõi và kích thích tế bào thần kinh.
- Công nghệ này giúp tế bào thần kinh giữ được sự kết nối, ngăn chặn tình trạng thoái hóa do không hoạt động.
d) Ngăn chặn sự thoái hóa thần kinh bằng công nghệ Gene Editing
- CRISPR và các công nghệ chỉnh sửa gen đang được nghiên cứu để giúp tế bào thần kinh trong SBI chống lại quá trình thoái hóa.
- Một số phương pháp giúp tăng cường khả năng sửa chữa DNA của tế bào thần kinh, kéo dài tuổi thọ của chúng.
4. Ứng dụng tiềm năng của SBI
Mặc dù SBI vẫn đang trong giai đoạn phát triển ban đầu, một số ứng dụng tiềm năng bao gồm:
- Điện toán thần kinh (Neuromorphic Computing): SBI có thể được sử dụng để phát triển máy tính mô phỏng trí thông minh sinh học.
- Robot sinh học (Biohybrid Robots): Kết hợp SBI với robot hình người để tạo ra những robot có khả năng suy nghĩ và phản ứng gần giống con người hơn.
- Y tế và chữa bệnh thần kinh: SBI có thể giúp phát triển các giao diện não-máy (brain-machine interfaces) tiên tiến hơn để hỗ trợ người bị chấn thương não hoặc bệnh thoái hóa thần kinh như Alzheimer.
- Tính toán tiết kiệm năng lượng: SBI có thể giúp tạo ra các hệ thống tính toán mạnh mẽ với mức tiêu thụ năng lượng cực thấp.
5. So sánh giữa AI và SBI
Xét về cơ bản, SBI không phải là một dạng AI mà là một sự phát triển song song với AI truyền thống. Trong tương lai, SBI có tiềm năng kết hợp với AI để phát triển thành trí tuệ nhân tạo sinh học, giúp AI tiến gần hơn tới AGI (Trí tuệ Nhân tạo tổng quát), một hệ thống AI có khả năng suy nghĩ, học tập và thích nghi giống con người thật sự.
Về nền tảng:
- AI dựa trên thuật toán máy tính, xử lý trên phần cứng silicon (CPU, GPU, TPU).
- SBI dựa trên mạng thần kinh sinh học sống, hoạt động nhờ tế bào thần kinh.
Về cấu trúc tính toán:
- AI áp dụng cơ chế Học sâu (Deep Learning) trên mạng nơ-ron nhân tạo (ANN).
- SBI học tập thông qua synapse sinh học, mô phỏng cách bộ não con người hoạt động.
Về năng lượng tiêu thụ:
- AI tiêu tốn năng lượng lớn, nhất là khi đào tạo mô hình AI quy mô lớn.
- SBI tiết kiệm năng lượng, vì tế bào thần kinh sinh học tiêu thụ ít năng lượng hơn nhiều so với chip silicon.
Về khả năng thích ứng:
- AI phụ thuộc vào dữ liệu huấn luyện và thuật toán do con người lập trình.
- SBI có khả năng tự tổ chức, tái tạo và thích nghi tự nhiên, giống như bộ não con người.
Về ứng dụng:
- AI hiện đang được ứng dụng mạnh mẽ trong các lĩnh vực thị giác máy tính, xử lý ngôn ngữ, chatbot, dự báo tài chính, tự động hóa, v.v.
- SBI hiện đang được chủ yếu nghiên cứu ở lĩnh vực tính toán thần kinh, giao diện não – máy và y học thần kinh.
SBI là một hướng phát triển mới mẻ và đầy hứa hẹn, mang tiềm năng mô phỏng trí thông minh sinh học thực sự thay vì chỉ dựa trên thuật toán nhân tạo như AI truyền thống. Tuy nhiên, vẫn còn nhiều rào cản kỹ thuật và đạo đức cần vượt qua trước khi SBI có thể trở thành một công nghệ phổ biến. Trong tương lai, sự kết hợp giữa SBI, AI và robot có thể mang lại những bước nhảy vọt trong công nghệ tính toán, khoa học thần kinh và tự động hóa.