Naukowcy z Cortical Labs w Australii poczynili znaczne postępy w dziedzinie bioinformatyki: komputer działający na wyhodowanych w laboratorium ludzkich komórkach mózgowych może teraz grać w klasyczną grę wideo Doom. Choć nie jest jeszcze zawodowym graczem, jest to ważny krok naprzód w rozwoju hybrydowych technologii organicznych łączących układy biologiczne i krzemowe.
Od Ponga po strzelanki pierwszoosobowe
Osiągnięcie to opiera się na wcześniejszych pracach z DishBrain, wcześniejszym biokomputerem wykorzystującym około 800 000 ludzkich neuronów. DishBrain zademonstrował potencjał tych obwodów biologicznych, pomyślnie ucząc się gry w Ponga w 2021 r. Jednak Doom ze swoją dynamiczną grafiką i wymaganiami dotyczącymi obliczeń w czasie rzeczywistym stanowił znacznie większe wyzwanie.
Kluczową innowacją jest nowe rozwiązanie firmy Cortical Labs o nazwie „CL1”, które nazywają pierwszym na świecie możliwym do wdrożenia komputerem biologicznym. Otwarty interfejs CL1, programowalny w języku Python, umożliwił niezależnemu programiście Seanowi Cole’owi przystosowanie biokomputera do interpretowania danych wizualnych z Doom jako wzorców stymulacji elektrycznej neuronów.
Dlaczego to ważne: nie tylko gry
Możliwość uruchomienia Dooma to nie tylko chwyt technologiczny. Pokazuje zdolność biokomputera do adaptacyjnego, zorientowanego na cel uczenia się w czasie rzeczywistym, co jest podstawowym wymogiem w przypadku bardziej złożonych aplikacji. Tradycyjne uczenie maszynowe często wymaga ogromnych zbiorów danych i mocy obliczeniowej; to podejście biologiczne sugeruje alternatywę, która może być bardziej skuteczna w niektórych zadaniach.
Długoterminowe konsekwencje wykraczają daleko poza gry. Cortical Labs planuje biokomputery sterujące kończynami robotów, wykonujące programy cyfrowe, a nawet obsługujące specjalistyczne zadania obliczeniowe, które przeciążają konwencjonalne systemy krzemowe.
Droga naprzód
Obecny biokomputer nadal często przegrywa w Doom, ale radzi sobie lepiej niż gra losowa. Naukowcy spodziewają się szybkich ulepszeń w miarę ewolucji algorytmów. Szybkość osiągnięcia tego poziomu CL1 również przewyższa typowe krzemowe systemy uczenia maszynowego.
„To był ważny kamień milowy, ponieważ zademonstrował adaptacyjne, ukierunkowane na cel uczenie się w czasie rzeczywistym” – powiedział Brett Kagan, dyrektor naukowy i dyrektor operacyjny Cortical Labs.
To osiągnięcie podkreśla rosnący trend w informatyce biohybrydowej, w której żywe komórki integruje się ze sztucznymi systemami. Przyszłość tej dziedziny zależy od dalszej optymalizacji interfejsu między neuronami a wejściami cyfrowymi, a także skalowania sieci neuronowych w celu zwiększenia mocy obliczeniowej.
