Nordisk startup IntuiCell afslører verdens første digitale nervesystem til AI

En nordisk deep-tech startup har annonceret en gennembrud i kunstig intelligens med oprettelsen af det første funktionelle “digitale nervesystem” i stand til autonom læring. IntuiCell, en spin-out fra Lund Universitet, afslørede den 19. marts 2025, at de har succesfuldt udviklet AI, der lærer og tilpasser sig som biologiske organismer, og som potentielt kan gøre nuværende AI-paradigmer forældede i mange anvendelser.

Innovationen repræsenterer en betydelig afvigelse fra traditionelle statiske maskinlæringsmodeller ved at replikere de grundlæggende principper for, hvordan læring foregår i biologiske nervesystemer. I modsætning til konventionel AI, der afhænger af enorme datasæt og backpropagation-algoritmer, gør IntuiCells teknologi det muligt for maskiner at lære gennem direkte interaktion med deres omgivelser.

“IntuiCell har afkodet, hvordan læring foregår i biologi, og udviklet det som software for første gang,” sagde virksomheden i sin meddelelse, hvor de beskrev gennembruddet som “at gå beyond statiske maskinlæringsmodeller (hovedsageligt traditionel AI) ved at skabe et fuldt fungerende ‘digitale nervesystem’ i stand til at skala til menneske-lignende intelligens.”

Virksomheden demonstrerede deres innovation med “Luna”, en robot-hund, der lærer at kontrollere sin krop og stå gennem prøver og fejl, ligesom en nyfødt hund. Videooptagelser udgivet af virksomheden viser Luna, der lærer sig selv at stå uden nogen forudprogrammeret intelligens eller instruktioner, men kun afhænger af det digitale nervesystem til at lære fra erfaring.

“I modsætning til traditionelle AI-modeller, der er bundet af statiske træningsdata, opfatter, behandler og forbedrer robot-hunden – kaldet Luna – sig selv gennem direkte interaktion med sin verden,” ifølge virksomhedens pressemeddelelse.

Hvordan teknologien fungerer

I hjertet af IntuiCells innovation ligger en grundlæggende ændring i, hvordan maskiner lærer. I modsætning til konventionelle AI-systemer, der behandler enorme datasæt gennem statiske algoritmer, ligner IntuiCells tilgang de biologiske mekanismer, der tillader mennesker og dyr at lære naturligt.

Viktor Luthman, administrerende direktør og medstifter af IntuiCell, fremhævede denne forskel under annonceringen. Ifølge Luthman er traditionel AI blevet dygtig til data-behandling, men mangler sand intelligens, mens deres bio-inspirerede system gør det muligt for maskiner at udvikle sig og interagere med deres omgivelser på nye måder.

Systemets arkitektur repræsenterer en betydelig afvigelse fra standard neurale netværk. IntuiCell har udviklet teknologi, der fungerer lignende en biologisk rygmarv, og skaber den grundlæggende infrastruktur for autonom læring. Dette er en del af et større system designet til at replikere de proceskapaciteter, som thalamokortex, hjernens område ansvarlig for sansning og verden-modellering.

I stedet for at afhænge af backpropagation-algoritmer og massive træningsdatasæt, anvender IntuiCells digitale nervesystem rekurrerende netværk med en decentraliseret læralgoritme, der ligner hjerneprocesser. Denne arkitektur giver AI-agenter mulighed for at erhverve viden gennem direkte erfaring og tilpasse sig til nye situationer i realtid – kapaciteter, der har været svært at opnå i traditionel maskinlæring.

Den praktiske anvendelse af denne teknologi afspejler dens biologiske inspiration. I stedet for at programmere adfærd eller føde data gennem konventionelle algoritmer, planlægger IntuiCell at anvende hundetrænere til at lære deres AI-agenter nye færdigheder. Denne tilgang repræsenterer en radikal ændring fra typisk AI-udviklingspraksis, der fremhæver realverdens interaktion over beregnings-skala. Som Dr. Udaya Rongala, forsker og medstifter, forklarede, stammer deres arbejde fra tre årtiers neurovidenskabelig forskning fokuseret på at forstå intelligens, som den opstår fra nervesystemets struktur og dynamik.

“Obsessionen med brutto-skala, milliarder af parametre, mere beregning og mere data er et artifact af en fundamentalt forkert tilgang til at opnå intelligens,” sagde Rongala. “IntuiCell jagter ikke en større-er-bedre-paradigme. Intelligens er ikke vores slutmål, men vores startpunkt.”

IntuiCells teknologi har til formål at skabe “de første virkelige verden-lærings-systemer; maskiner, der lærer af os, på samme måde som vi ville lære en ny færdighed til et dyr.” Virksomheden forestiller sig, at deres digitale nervesystem bliver “infrastrukturen for alle ikke-biologiske intelligenser – og giver andre mulighed for at løse virkelige problemer, vi ikke kan forudse i dag, uden afhængighed af massive træningsdatasæt.”

(Kilde: IntuiCell)

Forskningsgrundlag og teamets ekspertise

Virksomhedens grundlag er bygget på tre årtiers neurovidenskabelig forskning på Lund Universitet. Professor Henrik Jörntell, medstifter af IntuiCell og neurofysiolog på universitetet, har ledet, hvad virksomheden beskriver som “det eneste laboratorium i verden, der kan optage intracellulær enkelt-neuron-aktivitet på tværs af hele nervesystemet,” og giver en unik videnskabelig grundlag for IntuiCells teknologi.

Ledelsesholdet består af erfarne iværksættere og forskere med ekspertise inden for neurovidenskab, AI, robotteknik og forretning. Ud over Luthman, Jörntell og Rongala består grundlæggerholdet af Dr. Jonas Enander, en læge med neurovidenskabelig ekspertise; Linus Mårtensson, leder af udvikling ansvarlig for at oversætte forskning til software; og Robin Mellstrand, COO med baggrund i AI-drevne teknologivirksomheder.

IntuiCell har sikret 3,5 millioner euro i finansiering fra investorer, herunder Navigare Ventures og SNÖ Ventures. Virksomheden forventer at fuldføre udviklingen af det fulde digitale nervesystem inden for de næste to år, med det endelige mål at aktivere enhver agent, fysisk eller digital, med “livslang læring og tilpasning til det ukendte – kapaciteter, der tidligere var unikke for biologiske væsener.”

Selv om den fulde realisering af IntuiCells vision er år væk, giver deres demonstration med Luna overbevisende tidlige bevis for deres teknologis potentiale til at transformere AI-udvikling ved at skabe systemer i stand til sand autonom læring og tilpasning gennem realverdens interaktion.