Исследователи из Cortical Labs в Австралии достигли значительного прогресса в биовычислениях: компьютер, работающий на выращенных в лаборатории клетках человеческого мозга, теперь умеет играть в классическую видеоигру Doom. Хотя он пока не профессиональный геймер, это является важным шагом вперед в разработке гибридных органических технологий, сочетающих биологические и кремниевые системы.
От Pong до шутеров от первого лица
Это достижение основывается на предыдущей работе с «DishBrain» — более ранним биокомпьютером, использующим около 800 000 человеческих нейронов. DishBrain продемонстрировал потенциал этих биологических схем, успешно научившись играть в Pong в 2021 году. Однако Doom, с его динамичной графикой и требованиями к вычислениям в реальном времени, представлял собой гораздо более серьезную задачу.
Ключевая инновация заключается в новой разработке Cortical Labs под названием «CL1», которую они называют первым в мире развертываемым биологическим компьютером. Открытый интерфейс CL1, программируемый на Python, позволил независимому разработчику Шону Коулу адаптировать биокомпьютер для интерпретации визуальных данных из Doom в виде паттернов электрической стимуляции для нейронов.
Почему это важно: не только игры
Возможность запуска Doom — это не просто технологический трюк. Она демонстрирует способность биокомпьютера к адаптивному, целеустремленному обучению в реальном времени, что является фундаментальным требованием для более сложных приложений. Традиционное машинное обучение часто требует огромных наборов данных и вычислительной мощности; этот биологический подход предполагает альтернативу, которая может быть более эффективной в определенных задачах.
Долгосрочные последствия выходят далеко за рамки игр. Cortical Labs представляет себе биокомпьютеры, управляющие роботизированными конечностями, выполняющие цифровые программы или даже справляющиеся со специализированными вычислительными задачами, которые перегружают обычные кремниевые системы.
Путь вперед
Текущий биокомпьютер все еще часто проигрывает в Doom, но показывает результаты лучше, чем случайная игра. Исследователи ожидают быстрого улучшения по мере развития алгоритмов. Скорость достижения этого уровня CL1 также превзошла типичные кремниевые системы машинного обучения.
«Это был важный этап, потому что он продемонстрировал адаптивное, целеустремленное обучение в реальном времени», — заявил Бретт Каган, главный научный сотрудник и операционный директор Cortical Labs.
Это достижение подчеркивает растущую тенденцию в биогибридных вычислениях, когда живые клетки интегрируются с искусственными системами. Будущее этой области зависит от дальнейшей оптимизации интерфейса между нейронами и цифровыми входами, а также от масштабирования нейронных сетей для увеличения вычислительной мощности.
