Neurony z laboratorium nauczyły się grać w Doom. Medycyna i AI mogą się zmienić

Brzmi jak science fiction, ale to już działa.

Dwóm zespołom badawczym udało się połączyć miniaturowe „mózgi” hodowane w laboratorium z układami scalonymi tak, by samodzielnie opanowały zasady gry. To nie tylko widowiskowy eksperyment, lecz zapowiedź zupełnie nowego typu komputerów i narzędzi dla medycyny.

Dlaczego akurat Doom stał się testem dla „żywych komputerów”

Doom, strzelanka z 1993 roku, od lat służy inżynierom jako nieoficjalny sprawdzian mocy najdziwniejszych platform. Uruchamiano go już na kalkulatorach, bankomatach, a nawet na testach ciążowych czy ekranach mikroskopów. Jeśli coś potrafi uruchomić Doom, najczęściej oznacza to, że radzi sobie z dość złożonymi obliczeniami, grafiką i sterowaniem w czasie rzeczywistym.

Teraz do listy dołączył zupełnie nowy „sprzęt”: bioprocesory budowane z ludzkich neuronów. Australijska firma Cortical Labs i szwajcarska spółka FinalSpark stworzyły dwie odmienne platformy, ale cel miały podobny – sprawdzić, czy żywe komórki nerwowe są w stanie nauczyć się gry w skomplikowane środowisko 3D bez klasycznego programowania.

Doom nadaje się do tego idealnie. Wymaga jednoczesnej koordynacji ruchu, rozpoznawania zagrożeń, podejmowania szybkich decyzji i przewidywania. To bardzo przypomina zadania, z którymi mierzy się naturalny mózg. Dzięki temu gra staje się dla badaczy swoistym „mikroskopem”, pozwalającym obserwować, jak inteligencja biologiczna przyswaja zasady i wypracowuje strategie.

Po raz pierwszy ludzka tkanka nerwowa hodowana w laboratorium samodzielnie opanowała sterowanie postacią w dynamicznej grze komputerowej, reagując na sytuację na ekranie niemal w czasie rzeczywistym.

200 tysięcy neuronów uczy się zabijać demony w pięć dni

Platforma CL1 stworzona przez Cortical Labs to hybryda komórek i elektroniki. Około 200 tysięcy ludzkich neuronów, wyprowadzonych z komórek macierzystych, umieszczono na specjalnej płytce z 22 tysiącami mikroelektrod. Te elektrody działają w dwie strony: rejestrują aktywność elektryczną neuronów i jednocześnie wysyłają do nich impulsy z informacją o sytuacji w grze.

W praktyce wygląda to tak: pozycja przeciwnika i elementów otoczenia z Dooma jest zamieniana na wzory impulsów elektrycznych i podawana do kultury komórkowej. Neurony „przeżuwają” te sygnały i odpowiadają własną aktywnością, którą elektronika z kolei tłumaczy na ruch postaci, obrót, strzał czy zmianę kierunku.

Najciekawsze dzieje się w mechanizmie uczenia. System wprowadza coś w rodzaju elektronicznej nagrody i kary:

• gdy zachowanie neuronów wydłuża przeżycie bohatera lub pomaga wyeliminować wroga, komórki dostają stymulację „nagrodową”,
• gdy ruch kończy się śmiercią postaci lub stratą, wzorzec bodźców jest wyraźnie mniej korzystny.

Badacze inspirowali się tu biologią – w prawdziwym mózgu sukces wzmacnia połączenia synaptyczne przez działanie dopaminy. W CL1 zamiast neuroprzekaźnika działają mikroskopijne elektrody, ale zasada jest podobna: sieć neuronów uczy się, które wzorce aktywności „opłacają się” najbardziej.

Po zaledwie pięciu dniach kultura komórkowa potrafiła już sensownie poruszać się po korytarzach, omijać przeszkody i oddawać strzały, które realnie zwiększały szanse przetrwania. Nie jest to poziom doświadczonego gracza, ale wynik widać w liczbach – rośnie średni czas rozgrywki i liczba celnych ataków.

Miniaturowe „mózgi” FinalSpark grają po swojemu

FinalSpark zastosował inną konstrukcję. Zamiast płaskiej warstwy neuronów użyto tzw. organoidów mózgowych – trójwymiarowych grudek tkanki nerwowej, które luźno przypominają fragmenty kory mózgowej. Każdy taki mini-mózg zawiera około 10 tysięcy komórek połączonych w skomplikowaną sieć.

Organoidy również otrzymują zaszyfrowane w impulsach informacje z gry i odpowiadają wzorcami aktywności. Z relacji badaczy wynika, że już po kilku dniach poszczególne organoidy zaczynają wykazywać specyficzne „style gry”. Niektóre bardziej „ostrożne”, inne agresywne – jakby każdy mini-mózg uczył się trochę inaczej, mimo identycznych warunków.

To zaczyna przypominać zachowanie zwierząt laboratoryjnych uczących się zadania w labiryncie. Zespół zauważył, że organoidy dość szybko odróżniają sytuacje bardzo niebezpieczne od względnie bezpiecznych i modyfikują reakcje, by unikać „śmierci” w grze.

Bioprocesory uczą się zasad rozgrywki w tysiącach cykli, podczas gdy klasyczne algorytmy potrzebują zwykle milionów powtórzeń i olbrzymiej infrastruktury obliczeniowej.

Biologiczne procesory kontra serwerownie dla AI

Jednym z najbardziej wyrazistych argumentów za takim podejściem jest zużycie energii. Duże centra danych trenujące modele AI pochłaniają niekiedy kilka megawatów mocy – jak małe miasto. Tymczasem system Cortical Labs pracuje przy poborze mniejszym niż jeden mikrowat na pojedynczy neuron.

Jeśli przeliczyć to na całą kulturę CL1, wychodzi zużycie dramatycznie niższe niż w przypadku specjalistycznych układów graficznych używanych do uczenia sieci neuronowych. Różnica sięga nawet sześciu rzędów wielkości. Źródłem tej przewagi jest sama natura komórek nerwowych – to wysoko wyspecjalizowane jednostki obliczeniowe, które komunikują się jonami i zużywają tylko tyle energii, ile naprawdę potrzebują.

Jeśli technologia dojrzeje, część zadań dziś realizowanych w energochłonnych serwerowniach mogłaby przenieść się na takie hybrydy biologiczno-elektroniczne. Mowa o skomplikowanej analizie sygnałów sensorycznych, gdzie tradycyjne algorytmy wciąż miewają problemy: rozpoznawaniu zapachów, bardzo subtelnych bodźców dotykowych czy nieregularnych wzorców z otoczenia.

Nowe narzędzie dla medycyny i farmacji

Najbliższe, realne zastosowania takich bioprocesorów wykraczają daleko poza gry. FinalSpark już proponuje swoje systemy firmom farmaceutycznym i ośrodkom badawczym. Neurony w organoidach są ludzkie, można więc w kontrolowany sposób sprawdzać działanie potencjalnych terapii na tkance znacznie bliższej rzeczywistemu mózgowi niż modele zwierzęce.

Dla badań nad chorobami neurodegeneracyjnymi – jak choroba Alzheimera czy Parkinsona – to ogromny krok. Naukowcy mogliby obserwować, jak dany lek wpływa na aktywność elektryczną konkretnych sieci komórkowych, jak zmienia połączenia między neuronami i w jakim tempie pojawiają się efekty uboczne.

Kolejna możliwość to medycyna spersonalizowana. Organoid można wyhodować z komórek danego pacjenta. Taki mini-mózg staje się testową poligonem dla różnych wariantów terapii – lekarz patrzy, na co tkanka reaguje najlepiej, jeszcze zanim poda lek choremu. Zmniejsza to ryzyko nieskutecznych lub toksycznych kuracji.

Hodowane w probówce mini-mózgi mogą stać się pośrednim krokiem między klasycznymi testami laboratoryjnymi a podaniem leku prawdziwemu pacjentowi.

Granica między komputerem a mózgiem coraz cieńsza

Dla informatyków i specjalistów od AI bioprocesory to kusząca wizja zupełnie innego sposobu liczenia. Sieci z żywych komórek naturalnie działają równolegle, adaptują się i tworzą nowe połączenia. To coś, czego krzemowe chipy wciąż tylko naśladują.

Część badaczy wyobraża sobie, że w przyszłości powstaną hybrydowe systemy, gdzie klasyczne układy scalone współpracują z organoidami, zlecając im zadania wymagające szczególnie elastycznego uczenia się czy rozpoznawania wzorców. W skrajnych scenariuszach pojawia się nawet wizja interfejsów, które mogłyby rozszerzać zdolności poznawcze człowieka poprzez dołączanie takich mini-mózgów do układów nerwowych.

Tego typu projekty zawsze rodzą mocne pytania etyczne. Gdzie znajduje się granica między „kupką komórek” a strukturą, która może mieć choćby zalążek świadomości? Jak długo wolno hodować takie organoidy? Czy da się je „wyłączyć” bez skrupułów, gdy zaczną przejawiać zbyt złożone reakcje? Na razie mówimy o strukturach żyjących najwyżej kilka miesięcy, ale rozwój technik hodowli bardzo szybko przesuwa możliwości.

Na jakim etapie jest ta technologia i co może z niej wyniknąć

Mimo medialnego rozgłosu cały obszar bioprocesorów dopiero raczkuje. Organoidy są niezwykle delikatne, wymagają ściśle kontrolowanej temperatury, składu płynów, poziomu tlenu. Hodowle często obumierają, a wyniki są trudne do powtórzenia w innych laboratoriach.

Nie ma też pewności, czy takie systemy da się przeskalować do zadań ogólnego przeznaczenia, jak codzienne przetwarzanie danych w chmurze czy obsługa aplikacji użytkowych. Dzisiejsze procesory wciąż wygrywają stabilnością, powtarzalnością i łatwością produkcji. Komputery z żywych neuronów raczej nie zastąpią laptopów, mogą natomiast wypełnić węższe, ale bardzo istotne nisze.

Dla osób śledzących rozwój AI eksperymenty z Doomem są natomiast dobrą okazją, by odświeżyć pojęcie „sztucznej inteligencji”. Tu inteligentne zachowanie nie rodzi się z kodu napisanego w Pythonie, ale z naturalnych właściwości ludzkich neuronów, które same organizują się w sieci. To trochę jak lustro, w którym klasyczne algorytmy mogą zobaczyć swoje ograniczenia.

Warto też pamiętać, że taki bioprocesor staje się jednocześnie obiektem badań i ich narzędziem. Obserwując, jak neurony uczą się Dooma, naukowcy zyskują wgląd w działanie mózgu, który trudno uzyskać przy badaniu ludzi czy zwierząt. Z kolei lepsze zrozumienie mózgu pozwala projektować skuteczniejsze terapie, implanty czy interfejsy dla osób z niepełnosprawnościami.

Dla przeciętnego gracza cała historia brzmi jak ciekawostka z nagłówków. W praktyce to zapowiedź przyszłego ekosystemu technologii, w którym krzem i żywa tkanka będą współpracować częściej niż dziś nam się wydaje. Doom okazał się tu wygodnym poligonem – zrozumiałym dla inżynierów, atrakcyjnym dla mediów i wystarczająco wymagającym, by zmusić mini-mózgi do wysiłku. A skoro neurony poradziły sobie z demonami na ekranie, kolejne wyzwania już czekają.