Hodowali ludzkie neurony w laboratorium. W pięć dni nauczyły się grać w Doom
To nie żart ani scenariusz filmu science fiction, lecz realny eksperyment dwóch firm badawczych. Zamiast klasycznych procesorów z krzemu działają tu miniaturowe „mokre układy scalone” z neuronów, które same uczą się sterować postacią w grze.
Dlaczego akurat Doom stał się testem dla mózgu w probówce
Doom z 1993 roku od lat służy jako nieformalny test mocy najdziwniejszych systemów komputerowych. Uruchamiano go już na kalkulatorach, bankomatach, ciągnikach rolniczych, a nawet sprzęcie laboratoryjnym. Jeśli dany sprzęt jest w stanie obsłużyć tę grę, oznacza to, że potrafi wykonywać złożone obliczenia, przetwarzać dane w czasie rzeczywistym i generować spójny obraz.
Australijska firma Cortical Labs i szwajcarska spółka FinalSpark zrobiły krok dalej. Postanowiły sprawdzić, czy zadanie poradzi sobie nie tylko elektronika, lecz także żywe neurony hodowane na specjalnych płytkach. Doom stał się więc dla nich czymś w rodzaju wirtualnego labiryntu, w którym biologiczny układ uczy się poruszania, reagowania i przetrwania.
Gra świetnie się do tego nadaje. Gracz musi kontrolować ruch, rozpoznawać zagrożenia, namierzać przeciwników i szybko odpowiadać na zmiany otoczenia. Dokładnie takich umiejętności naturalnie nabierają sieci neuronów w prawdziwym mózgu. Wersja komputerowa staje się więc wygodnym poligonem do badania elastyczności i szybkości uczenia się żywych komórek.
Biologiczny „mózg na chipie” nie otrzymuje żadnego kodu gry ani gotowych instrukcji – uczy się zupełnie od zera, tylko na podstawie bodźców i nagród.
Dwustu tysięcy neuronów wystarczy, żeby przeżyć w korytarzach piekła
Kluczowy system Cortical Labs nosi nazwę CL1. To hybryda, w której około 200 tysięcy ludzkich neuronów wyhodowanych z komórek macierzystych spoczywa na płytce z 22 tysiącami mikroelektrod. Te miniaturowe styki działają jak interfejs w obie strony: odczytują impulsy elektryczne z komórek i jednocześnie przekazują im informacje z gry.
Położenie wrogów, ścian i przeszkód w Doomie zamienia się na wzorce impulsów wysyłanych do różnych fragmentów sieci komórkowej. Neurony reagują na te bodźce swoim naturalnym sposobem – tworząc wyładowania elektryczne i wzmacniając lub osłabiając połączenia między sobą. Elektrody przekładają z kolei tę aktywność na konkretne polecenia dla wirtualnego żołnierza: ruch w lewo, w prawo, strzał.
Nagroda za przetrwanie, kara za głupie decyzje
Całe uczenie opiera się na jednej, bardzo prostej zasadzie. Jeśli akcja wykonana przez kulturę komórkową wydłuża życie postaci w grze – na przykład uniknięcie pocisku albo skuteczny strzał – układ wysyła do neuronów „przyjemny” wzorzec impulsów. Gdy decyzja kończy się porażką, pojawia się mniej korzystny sygnał.
To biologiczny odpowiednik systemu nagród z mózgu, w którym dopamina wzmacnia połączenia odpowiedzialne za udane strategie. Po kilku dniach takiej stymulacji CL1 zaczyna coraz lepiej radzić sobie z rozpoznawaniem zagrożeń, kojarzeniem wzorców i wybieraniem manewrów dających większe szanse przeżycia.
W ciągu zaledwie pięciu dni neurony nauczyły się chodzić po korytarzach gry, omijać przeszkody i celnie strzelać do demonów, bez ani jednej linijki klasycznego kodu.
Miniaturowe „mózgi” FinalSpark tworzą własne strategie
FinalSpark podeszło do zadania trochę inaczej. Zamiast płaskiej kultury komórkowej wykorzystuje trójwymiarowe organoidy mózgowe – małe, kuliste struktury z około 10 tysiącami komórek każda, które przypominają fragmenty prawdziwego mózgu. Te „mini-mózgi” również podłącza się do elektroniki i wystawia na bodźce ze świata gry.
Według relacji badaczy, po mniej więcej tygodniu organoidy wykazują wyraźnie inne reakcje w sytuacjach groźnych i bezpiecznych. To znaczy, że uczą się rozróżniać, kiedy w wirtualnym otoczeniu lepiej przyspieszyć i walczyć, a kiedy wycofać się i unikać kontaktu. Ich zachowanie przypomina proste strategie, jakie obserwuje się u zwierząt podczas nauki nowych zadań.
Biologiczna AI kontra krzem: przepaść w zużyciu energii
Zespół Cortical Labs zwraca szczególną uwagę na efektywność energetyczną. Duże centra danych, w których trenuje się współczesne modele AI, pożerają całe megawaty mocy, wraz z energią na chłodzenie serwerów. Tymczasem CL1 potrzebuje mniej niż jednego mikrowata na jeden neuron.
To oznacza nawet milion razy mniejsze zużycie energii niż w porównywalnych procesorach graficznych używanych do trenowania sieci neuronowych. Różnica wynika z tego, jak działają komórki nerwowe: komunikują się za pomocą jonów i sygnałów chemicznych, aktywując się tylko wtedy, gdy pojawia się ważny bodziec. Tranzystory w krzemie muszą zaś bez przerwy „trzymać” stan logiczny, co kosztuje sporo energii i generuje ciepło.
Najprostsze czynności, które dla żywych neuronów są naturalne, w klasycznym AI wymagają milionów przykładów i potężnych farm serwerów pracujących bez przerwy.
Po co nam takie bioprocesory w praktyce
Pierwsze zastosowania tego typu układów pojawiają się w medycynie. FinalSpark już oferuje swoją technologię laboratoriom farmaceutycznym, aby testowały nowe leki bezpośrednio na ludzkich neuronach, a nie na zwierzętach. Taki model pozwala sprawdzić, jak konkretne substancje wpływają na aktywność komórek nerwowych, ich łączenie się w sieci i podatność na uszkodzenia.
To szczególnie cenne w badaniach chorób neurodegeneracyjnych, takich jak Alzheimer czy Parkinson. Z organoidów wyhodowanych z komórek konkretnego pacjenta można stworzyć spersonalizowany model jego układu nerwowego i porównać kilka terapii jeszcze przed podaniem leku człowiekowi.
- Badanie toksyczności leków na ludzkich neuronach zamiast na zwierzętach
- Tworzenie modeli chorób mózgu z komórek pacjenta
- Testowanie skuteczności różnych terapii na tym samym organoidzie
- Śledzenie zmian aktywności sieci neuronowej w czasie leczenia
Drugi kierunek to zupełnie nowy typ komputerów. Bioprocesory mogą lepiej radzić sobie z zadaniami bliskimi naturalnym zmysłom – analizą zapachów, dotyku, dźwięków z zakłóceniami czy bardzo nieuporządkowanych danych sensorycznych. Dzisiejsze systemy AI wciąż mają z tym spore trudności albo wymagają do tego ogromnych zasobów.
Granica między maszyną a życiem coraz mocniej się zaciera
Naukowcy snują też bardziej śmiałe scenariusze. Połączenie organoidów z tradycyjną elektroniką mogłoby stworzyć rodzaj „wspomagacza” dla ludzkiego mózgu. Taki biologiczny moduł przetwarzałby część zadań, na przykład analizę zmysłową, a człowiek korzystałby z gotowych, upraszczających informacje sygnałów. Te wizje błyskawicznie rodzą pytania etyczne: gdzie kończy się narzędzie, a zaczyna istota, której należy się jakiś rodzaj ochrony?
Organoidy nie dorównują jeszcze złożonością prawdziwemu mózgowi i żyją w laboratorium najwyżej kilka miesięcy. Trzeba je stale karmić, utrzymywać w ściśle kontrolowanej temperaturze i chronić przed mikroorganizmami. Z technicznego punktu widzenia to wciąż bardzo kruche i kapryśne systemy, dalekie od praktycznych zastosowań masowych.
Mimo ograniczeń już teraz widać, że żywe neurony wykazują elastyczność i zdolność adaptacji, której klasyczna elektronika wciąż nie potrafi naśladować bez gigantycznych nakładów energii.
Gdzie kończy się eksperyment, a zaczyna odpowiedzialność
Kiedy mówimy o grających w Doom komórkach mózgowych, łatwo o przesadzone skojarzenia z „czującą” sztuczną inteligencją. Na razie te układy nie mają świadomości ani nawet struktury zbliżonej do mózgu niemowlęcia. To raczej zorganizowany zbiór neuronów, który reaguje na bodźce tak, jak podpowiada mu biologia.
Mimo to wielu bioetyków proponuje wyprzedzająco wprowadzić jasne zasady. Chodzi na przykład o limity wielkości organoidów, rodzaj zadań, do których można je wykorzystywać, oraz obowiązek monitorowania ich aktywności pod kątem oznak zbyt złożonych wzorców, które mogłyby sugerować coś więcej niż proste odruchy.
Dla osób interesujących się AI najważniejsza różnica polega na tym, że bioprocesory nie imitują mózgu – one są fragmentami prawdziwej tkanki nerwowej. Dlatego reagują na świat gry nie przez uruchamianie algorytmu, lecz przez tworzenie nowych połączeń między komórkami i zmianę wrażliwości synaps. Gdy taki układ „uczy się” Dooma, w jego strukturze dosłownie powstaje fizyczny ślad tego doświadczenia.
Jeśli takie eksperymenty się rozwiną, przyszłe komputery mogą działać bardziej jak żywe układy: będą energooszczędne, błyskawicznie adaptujące się, ale też mniej przewidywalne niż dzisiejsze twardo zaprogramowane maszyny. Doom jako gra testowa to w tym kontekście tylko pierwszy, spektakularny krok do sprawdzenia, jak daleko da się zaprowadzić inteligencję wyrastającą z kilku tysięcy neuronów w szalce Petriego.
