ricding

Rèn luyện văn hoá đọc

Học tập mà không cần não – cách vi khuẩn lưu trữ ký ức và ghi nhớ quá khứ giống như các mạng nơ-ron nhân tạo

Learning without a brain – how bacteria store memories and remember the past like artificial neural networks

Học tập mà không cần não – cách vi khuẩn lưu trữ ký ức và ghi nhớ quá khứ giống như các mạng nơ-ron nhân tạo
Shiladitya Banerjee, Associate Professor of Physics, Georgia Institute of Technology
Show
Hide
EN – VI
VI – EN
3000-5000 ▼
0-3000
3000-5000
5000-7000
7000-10000

Learning is often thought to require a brain. But learning is a broad concept that does not necessarily depend on neurons.

Học tập thường được cho là cần phải có bộ não. Nhưng học tập là một khái niệm rộng và không nhất thiết phụ thuộc vào các tế bào thần kinh.

If an organism uses information from past experiences to shape its future decisions, it is also learning.

Nếu một sinh vật sử dụng thông tin từ những trải nghiệm trong quá khứ để định hình các quyết định trong tương lai của mình, thì nó cũng đang học hỏi.

Research from my lab, published in the journal PRX Life, shows that even a single bacterium can learn from experience, store memories of the past and use those memories to prepare for the future.

Nghiên cứu từ phòng thí nghiệm của tôi, được công bố trên tạp chí PRX Life, cho thấy ngay cả một vi khuẩn đơn bào cũng có thể học hỏi từ kinh nghiệm, lưu trữ ký ức về quá khứ và sử dụng những ký ức đó để chuẩn bị cho tương lai.

Keeping track of nutrients

Theo dõi các chất dinh dưỡng

Bacteria live in environments that change constantly and on many different timescales. In the human gut, for example, nutrient levels go up and down, temperatures shift and antibiotic threats come and go.

Vi khuẩn sống trong những môi trường thay đổi liên tục và theo nhiều khoảng thời gian khác nhau. Ví dụ, trong ruột người, mức độ chất dinh dưỡng tăng và giảm, nhiệt độ thay đổi và các mối đe dọa từ kháng sinh xuất hiện rồi biến mất.

To survive, a bacterium has to respond quickly to what is happening right now while still preserving useful information about what it recently experienced. Adapting too quickly leaves the bacterium vulnerable to changing conditions, while forgetting too readily makes it unable to anticipate a recurring threat.

Để sinh tồn, một vi khuẩn phải phản ứng nhanh chóng với những gì đang diễn ra ngay lúc này đồng thời vẫn lưu giữ các thông tin hữu ích về những gì nó vừa trải qua. Thích ứng quá nhanh sẽ khiến vi khuẩn dễ bị tổn thương trước các điều kiện thay đổi, trong khi quên quá nhanh sẽ khiến nó không thể lường trước một mối đe dọa lặp đi lặp lại.

How does a bacterium manage this balancing act? This question interested me as a computational biophysicist who studies how living systems process information and adapt to changing environments.

Làm thế nào vi khuẩn quản lý được sự cân bằng này? Câu hỏi này đã thu hút sự chú ý của tôi với tư cách là một nhà sinh lý học sinh học tính toán, người nghiên cứu cách các hệ thống sống xử lý thông tin và thích ứng với môi trường thay đổi.

To investigate whether single-celled organisms such as bacteria can learn from past experience, my colleagues and I used what’s called a microfluidic device to track the behavior of tens of thousands of individual E. coli cells as we switched their nutrient supply on and off at different rates.

Để tìm hiểu xem các sinh vật đơn bào như vi khuẩn có thể học hỏi từ kinh nghiệm quá khứ hay không, các đồng nghiệp của tôi và tôi đã sử dụng cái gọi là thiết bị vi lỏng để theo dõi hành vi của hàng chục nghìn tế bào E. coli đơn lẻ khi chúng tôi bật và tắt nguồn cung cấp chất dinh dưỡng của chúng ở các tốc độ khác nhau.

Figure
E. coli can grow at remarkable rates. Eric Erbe, Christopher Pooley/USDA
E. coli có thể phát triển với tốc độ đáng kinh ngạc. Eric Erbe, Christopher Pooley/USDA

We found that bacteria not only react to current nutrient levels in their environment, they also keep track of their nutrient history to cope with changing conditions.

Chúng tôi phát hiện ra rằng vi khuẩn không chỉ phản ứng với mức độ dinh dưỡng hiện tại trong môi trường của chúng, mà chúng còn theo dõi lịch sử dinh dưỡng của mình để đối phó với các điều kiện thay đổi.

If the bacteria were simply reacting to their present environment, they would respond to a sudden pulse of food in exactly the same way, regardless of whether their previous environment was stable or rapidly fluctuating. Instead, when exposed to the same influx of nutrients, bacteria that had just experienced a feast–and–famine environment adapted much faster than bacteria coming from a stable environment.

Nếu vi khuẩn chỉ đơn giản phản ứng với môi trường hiện tại của chúng, chúng sẽ phản ứng với một lượng thức ăn xuất hiện đột ngột theo cùng một cách chính xác, bất kể môi trường trước đó của chúng ổn định hay biến động nhanh chóng. Thay vào đó, khi tiếp xúc với cùng một lượng chất dinh dưỡng tràn vào, những vi khuẩn vừa trải qua môi trường lúc thừa thãi lúc khan hiếm đã thích nghi nhanh hơn nhiều so với những vi khuẩn đến từ môi trường ổn định.

Because the immediate conditions were identical for both bacteria, we reasoned that the difference in their behavior must originate from a stored internal record of their past rather than a simple reaction to their present.

Do các điều kiện tức thời là giống hệt nhau đối với cả hai loại vi khuẩn, chúng tôi suy luận rằng sự khác biệt trong hành vi của chúng phải bắt nguồn từ một bản ghi lưu trữ bên trong về quá khứ thay vì chỉ là một phản ứng đơn giản đối với hiện tại.

In other words, the bacteria’s past experiences were shaping their present behavior – they were learning.

Nói cách khác, những trải nghiệm trong quá khứ của vi khuẩn đang định hình hành vi hiện tại của chúng – chúng đang học hỏi.

Where bacteria store memory

Nơi vi khuẩn lưu trữ ký ức

But where were these cells storing this information?

Nhưng các tế bào này lưu trữ thông tin này ở đâu?

To better understand how bacteria were responding to changes in their nutrient environment, my team and I constructed a mathematical model of the internal molecular network that controls bacterial growth. Our model not only reproduced how bacteria behaved under different nutrient environments, but also revealed where their memory likely resides.

Để hiểu rõ hơn cách vi khuẩn phản ứng với những thay đổi trong môi trường dinh dưỡng của chúng, nhóm của tôi và tôi đã xây dựng một mô hình toán học về mạng lưới phân tử bên trong kiểm soát sự phát triển của vi khuẩn. Mô hình của chúng tôi không chỉ tái tạo cách vi khuẩn hành xử trong các môi trường dinh dưỡng khác nhau, mà còn tiết lộ nơi ký ức của chúng có khả năng trú ngụ.

Our model pointed to a component of cells called ribosomes as a potential memory storage site. Ribosomes are the molecular factories of cells, building proteins and setting how fast a cell grows. Because bacterial memory revealed itself to us as changes in growth rate, our model located the source of this memory within the factories that determine growth. No other component we tested in the model reproduced this behavior.

Mô hình của chúng tôi chỉ ra một thành phần của tế bào gọi là ribosome như một vị trí lưu trữ ký ức tiềm năng. Ribosome là các nhà máy phân tử của tế bào, xây dựng các protein và ấn định tốc độ phát triển của tế bào. Vì trí nhớ của vi khuẩn bộc lộ qua những thay đổi về tốc độ phát triển, mô hình của chúng tôi đã định vị nguồn gốc của trí nhớ này nằm trong các nhà máy quyết định sự phát triển đó. Không có thành phần nào khác mà chúng tôi kiểm tra trong mô hình tái tạo được hành vi này.

Some ribosomes responded quickly to nutrient changes, while others changed more slowly. We reasoned that the fast responders track what’s happening in the present, while the slow responders retain traces of the past. Together, they give the cell a memory that spans many timescales, from minutes to hours.

Một số ribosome phản ứng nhanh chóng với những thay đổi về chất dinh dưỡng, trong khi những ribosome khác thay đổi chậm hơn. Chúng tôi suy luận rằng các ribosome phản ứng nhanh theo dõi những gì đang diễn ra trong hiện tại, trong khi các ribosome phản ứng chậm giữ lại dấu vết của quá khứ. Cùng nhau, chúng mang lại cho tế bào một trí nhớ kéo dài qua nhiều khoảng thời gian, từ vài phút đến vài giờ.

Bacteria and AI systems

Vi khuẩn và hệ thống AI

Using our mathematical model, we found that this molecular system follows the same basic computational logic as a gated recurrent neural network: a type of artificial intelligence used to process sequences such as speech and sensor data.

Sử dụng mô hình toán học của mình, chúng tôi phát hiện ra rằng hệ thống phân tử này tuân theo cùng một logic tính toán cơ bản như mạng nơ-ron hồi tiếp có cổng (gated recurrent neural network): một loại trí tuệ nhân tạo được sử dụng để xử lý các chuỗi dữ liệu như giọng nói và dữ liệu cảm biến.

Key to this process is what computer scientists call a gate – that is, a molecular switch that decides how much of an existing memory to keep and how much to overwrite when new information arrives. Cells hold onto memory at a cost, because maintaining readiness to adapt comes at the expense of growth. If a bacteria is spending its energy adapting to its current environment, it has less resources to spend on growth. Bacteria use molecular gates to actively tune how much to retain and how much to discard.

Chìa khóa của quá trình này là thứ mà các nhà khoa học máy tính gọi là cổng (gate) – tức là một công tắc phân tử quyết định giữ lại bao nhiêu phần của ký ức hiện có và ghi đè bao nhiêu khi có thông tin mới đến. Các tế bào giữ lại ký ức phải trả giá, bởi vì việc duy trì sự sẵn sàng thích ứng sẽ làm giảm tốc độ phát triển. Nếu vi khuẩn đang tiêu tốn năng lượng để thích ứng với môi trường hiện tại của nó, nó sẽ có ít tài nguyên hơn dành cho sự phát triển. Vi khuẩn sử dụng các cổng phân tử để chủ động điều chỉnh lượng giữ lại và lượng loại bỏ.

What is a neural network, and how does it “learn”?
Mạng nơ-ron là gì và nó “học” như thế nào?

Modern AI systems rely on gates to remember important details while staying flexible enough to learn something new. In the bacterium, the gate is not built from software but from the chemistry within the cell.

Các hệ thống AI hiện đại dựa vào các cổng để ghi nhớ các chi tiết quan trọng trong khi vẫn đủ linh hoạt để học hỏi điều gì đó mới. Ở vi khuẩn, cổng không được xây dựng từ phần mềm mà từ các phản ứng hóa học bên trong tế bào.

This strategy also helps solve a problem familiar to AI researchers: how to learn something new without erasing what was learned before. Bacterial cells balance memory and flexibility by storing information across many timescales. This kind of history–dependent computation does not require neurons. Instead, our study showed that a network of ribosome populations is sufficient.

Chiến lược này cũng giúp giải quyết một vấn đề quen thuộc đối với các nhà nghiên cứu AI: làm thế nào để học điều gì đó mới mà không xóa đi những gì đã học trước đó. Các tế bào vi khuẩn cân bằng giữa trí nhớ và sự linh hoạt bằng cách lưu trữ thông tin trên nhiều khoảng thời gian. Loại tính toán phụ thuộc vào lịch sử này không cần đến các tế bào thần kinh. Thay vào đó, nghiên cứu của chúng tôi cho là một mạng lưới các quần thể ribosome là đủ.

Long before people built artificial intelligence, bacteria had already evolved a remarkably similar strategy for using the past to prepare for the future.

Từ lâu trước khi con người chế tạo ra trí tuệ nhân tạo, vi khuẩn đã tiến hóa một chiến lược cực kỳ giống nhau để sử dụng quá khứ nhằm chuẩn bị cho tương lai.

Using bacterial memory

Sử dụng trí nhớ của vi khuẩn

Using the broadest definition of learning, our findings show that memory and learning can emerge from chemical networks in a cell, with no brain or neurons of any kind.

Sử dụng định nghĩa rộng nhất về học tập, các phát hiện của chúng tôi cho thấy trí nhớ và việc học tập có thể xuất hiện từ các mạng lưới hóa học trong một tế bào, mà không cần bất kỳ bộ não hay tế bào thần kinh nào.

Our work also reveals an unexpected connection between biology and artificial intelligence. For biology, our mathematical model provides a precise, quantitative language for describing how cells process information and make decisions. For artificial intelligence, it offers a biological blueprint for building systems that can learn continuously under tight energy constraints.

Công trình của chúng tôi cũng tiết lộ một mối liên hệ bất ngờ giữa sinh học và trí tuệ nhân tạo. Đối với sinh học, mô hình toán học của chúng tôi cung cấp một ngôn ngữ định lượng chính xác để mô tả cách các tế bào xử lý thông tin và đưa ra quyết định. Đối với trí tuệ nhân tạo, nó cung cấp một bản thiết kế sinh học để xây dựng các hệ thống có thể học hỏi liên tục trong các điều kiện ràng buộc ngặt nghèo về năng lượng.

These findings could also have implications for medicine. Many pathogenic bacteria survive by adapting to changing conditions inside the body. If this adaptability depends on cellular memory, then future drugs to treat infection could disrupt the molecular components that allow cells to store and use information about their environment.

Những phát hiện này cũng có thể mang lại ý nghĩa đối với y học. Nhiều vi khuẩn gây bệnh tồn tại bằng cách thích nghi với các điều kiện thay đổi bên trong cơ thể. Nếu khả năng thích ứng này phụ thuộc vào trí nhớ tế bào, thì các loại thuốc trong tương lai để điều trị nhiễm trùng có thể làm gián đoạn các thành phần phân tử cho phép tế bào lưu trữ và sử dụng thông tin về môi trường của chúng.

Shiladitya Banerjee receives funding from the National Institutes of Health.

Shiladitya Banerjee nhận tài trợ từ Viện Y tế Quốc gia.

có thể bạn cũng quan tâm