Neurony z laboratorium nauczyły się grać w Doom. Medycyna i AI już patrzą uważnie

Komórki nerwowe wyhodowane w laboratorium sterują rozgrywką w kultowym Doom, reagując na wirtualne zagrożenia niemal jak prawdziwy mózg.

Brzmi jak scenariusz filmu sci‑fi, ale to realny eksperyment dwóch firm badawczych. Zminiaturyzowane “mózgi” podłączone do elektroniki w kilka dni opanowały podstawy poruszania się, celowania i strzelania. Ten pozornie dziwny test może zmienić zarówno medycynę, jak i sposób budowania przyszłych komputerów.

Dlaczego akurat Doom stał się poligonem dla żywych neuronów

Doom od lat dziewięćdziesiątych jest czymś więcej niż tylko grą. Inżynierowie uruchamiali go już na kalkulatorach, bankomatach czy nawet testach ciążowych, traktując go jako nieformalny sprawdzian, czy dany sprzęt radzi sobie z grafiką, ruchem i reakcją na komendy w czasie rzeczywistym.

Teraz ten sam sprawdzian trafił do laboratoriów biologicznych. Australijska firma Cortical Labs i szwajcarska FinalSpark postanowiły sprawdzić, czy ludzkie neurony, hodowane w specjalnych warunkach, są w stanie nauczyć się sterować postacią w grze bez tradycyjnego programowania.

Przeczytaj również: Urlop bez zaparć: 5 trików gastroenterologa na spokojne jelita w podróży

Doom jest dla badaczy jak lupa: pozwala zobaczyć, jak żywe neurony uczą się, reagują na bodźce i tworzą strategie w złożonym środowisku.

Strzelanka wymusza jednoczesne śledzenie otoczenia, rozpoznawanie zagrożeń, podejmowanie decyzji i ruch w przestrzeni. Dokładnie tego typu wyzwań wymaga się od sieci neuronowych tworzonych w AI, ale tu robią to prawdziwe komórki nerwowe, a nie ich matematyczna imitacja.

200 tysięcy neuronów na chipie: jak wygląda bioprocesor Cortical Labs

System CL1 od Cortical Labs łączy dwa światy: biologiczny i elektroniczny. Naukowcy wzięli około 200 tysięcy neuronów ludzkich uzyskanych z komórek macierzystych i umieścili je na krzemowej płytce wyposażonej w 22 tysiące mikroelektrod.

Przeczytaj również: Ser, który może sprzyjać sercu? Nowe badanie zaskakuje wynikami

Te mikroskopijne elektrody pełnią dwie funkcje. Po pierwsze, rejestrują aktywność elektryczną komórek. Po drugie, wstrzykują do nich sygnały reprezentujące to, co dzieje się w grze. Pozycja przeciwnika, ściany labiryntu, ruch postaci – wszystko to zamienia się na wzorce impulsów elektrycznych.

Neurony “widzą” więc Doom nie jako obraz na ekranie, lecz jako zmieniający się strumień bodźców. Odpowiadają własną aktywnością, którą elektronika tłumaczy na ruch, skręty i strzały w grze.

Przeczytaj również: Ta czarna kropla wzmacnia jelita i serce. Kardiolog wyjaśnia, jak ją stosować

Nauka w pięć dni: nagroda, kara i plastyczność mózgu

Cały mechanizm uczenia przypomina to, co dzieje się w naszym układzie nerwowym. Gdy “mózg” na chipie wykona działanie, które wydłuża życie postaci w grze – na przykład uniknie pocisku albo skutecznie wyeliminuje przeciwnika – dostaje “nagrodę”: specyficzny wzorzec stymulacji elektrycznej.

Gdy doprowadzi do porażki, sygnał jest mniej korzystny. Taka pętla informacji zwrotnej wzmacnia połączenia związane z udanymi działaniami i osłabia te prowadzące do przegranej. W normalnym mózgu podobną rolę pełnią neuroprzekaźniki, jak dopamina.

Po kilku dniach eksperymentu kultura neuronalna zaczęła wyraźnie lepiej poruszać się po korytarzach, omijać przeszkody i skuteczniej atakować przeciwników.

W praktyce oznacza to, że bez ani jednej linijki tradycyjnego kodu, bez typowego treningu sieci neuronowej, system biologiczny sam wypracował strategię gry. Dla badaczy to dowód, jak ogromna jest naturalna zdolność adaptacji żywych komórek nerwowych.

Mini‑mózgi 3D od FinalSpark: organoidy też uczą się Doom

FinalSpark poszło w innym kierunku technicznym. Zamiast płaskiej warstwy komórek, firma korzysta z tzw. organoidów mózgowych – trójwymiarowych grudek tkanki nerwowej, które w ograniczonym stopniu przypominają struktury prawdziwego mózgu.

Każdy taki mini‑organ zawiera około 10 tysięcy ściśle połączonych komórek. Podłączone do układów elektronicznych organoidy także odbierają sygnały z gry i generują odpowiedzi interpretowane jako ruch i reakcje w Doom.

Zgodnie z relacjami naukowców, już po mniej niż tygodniu organoidy zaczęły rozróżniać sytuacje, które zagrażają “życiu” postaci, od tych względnie bezpiecznych. Tworzyły proste strategie omijania niebezpiecznych obszarów i reagowania na atak.

Szybsze uczenie niż klasyczne algorytmy AI

Dużym zaskoczeniem okazało się tempo uczenia. Złożone modele AI, które dobrze radzą sobie z grami, potrzebują zazwyczaj milionów powtórzeń, potężnych serwerowni i specjalistycznych procesorów graficznych.

W przypadku bioprocesorów mówimy o tysiącach, a nie milionach cykli. Neurony pracują równolegle, w rozproszony sposób, a każda komórka bierze udział w przetwarzaniu informacji. Taka architektura pojawiła się w naturze na długo przed komputerami i wciąż zawstydza je efektywnością.

Biologiczna sieć neuronalna zużywa mikroskopijne ilości energii, a mimo to radzi sobie z zadaniem, do którego klasyczna elektronika musi podchodzić z całym arsenałem mocy obliczeniowej.

Energia, której nie widać: bioprocesory kontra serwerownie AI

Różnica w poborze mocy jest drastyczna. Duże centrum danych trenujące systemy AI potrafi pochłaniać stałe megawaty energii. To koszt finansowy, środowiskowy i infrastrukturalny.

CL1 z Cortical Labs działa przy zużyciu poniżej jednego mikrowata na neuron. W praktyce daje to nawet milion razy lepszą wydajność energetyczną niż porównywalny procesor graficzny. Sekret leży w fizjologii: neurony pracują elektrochemicznie, wykorzystując ruch jonów, a nie przepływ elektronów przez tranzystory, które się nagrzewają.

• Centrum danych AI: zużycie na poziomie megawatów, konieczność chłodzenia, wysoki ślad węglowy.
• Bioprocesor neuronowy: mikrowaty na jednostkę, brak potrzeby intensywnego chłodzenia, znacznie niższe obciążenie energetyczne.

Dla firm rozwijających AI to wizja przyszłych rozwiązań, które nie wymagają gigantycznych farm serwerów, aby analizować złożone dane sensoryczne, takie jak zapach, struktura dotyku czy nieuporządkowane sygnały z otoczenia.

Nowe narzędzie dla medycyny: testy leków na ludzkich neuronach

Najbliżej praktycznego wykorzystania są zastosowania medyczne. FinalSpark już teraz oferuje swój system laboratoriom farmaceutycznym. Zamiast testować nowe substancje na zwierzętach, badacze mogą sprawdzać ich wpływ bezpośrednio na ludzkie neurony w formie organoidów.

Daje to kilka potencjalnych korzyści:

• większą zgodność reakcji z tym, co później dzieje się w ludzkim mózgu,
• szansę na szybsze znalezienie terapii chorób neurodegeneracyjnych,
• stopniowe ograniczanie liczby zwierząt wykorzystywanych w badaniach.

W przyszłości możliwe stanie się tworzenie organoidów z komórek konkretnego pacjenta. Taki “awatar biologiczny” pozwoliłby sprawdzić, jak organizm zareaguje na lek, zanim ten trafi do krwiobiegu danej osoby.

Personalizowane mini‑mózgi mogą stać się laboratorium, w którym lekarze sprawdzają różne terapie, minimalizując ryzyko skutków ubocznych.

Między ciekawostką a rewolucją: ograniczenia i pytania etyczne

Mimo imponujących wyników, technologia jest na bardzo wczesnym etapie. Organoidy żyją w warunkach laboratoryjnych jedynie przez kilka miesięcy. Wymagają sterylnego środowiska, kontrolowanej temperatury, składu pożywki i ciągłej opieki.

Nie wiadomo jeszcze, czy tego typu bioprocesory da się skalować tak, aby realnie zastąpiły dużą część tradycyjnych serwerowni. Nikt też nie potrafi określić, przy jakim stopniu złożoności zachowania takich struktur pojawią się kwestie związane z ich statusem etycznym.

Część badaczy zadaje już dziś niewygodne pytania. Jeśli mini‑mózgi będą coraz sprawniej przetwarzać informacje i podejmować decyzje, czy trzeba będzie ustalić granicę, za którą nie wolno ich wykorzystywać w roli “podzespołów” komputerowych? Czy testowanie na nich ekstremalnych scenariuszy – nawet tylko w grach – jest neutralne moralnie?

Co te eksperymenty znaczą dla przyszłości AI i naszego mózgu

Projekt Doom na żywych neuronach pokazuje, że najbardziej zaawansowany “sprzęt” obliczeniowy wciąż nosimy w czaszce. Sztuczne sieci neuronowe próbują jedynie naśladować jego działanie, ale biologia nadal wygrywa elastycznością, oszczędnością energii i zdolnością do radzenia sobie z nieprzewidywalnym środowiskiem.

Możliwe, że w kolejnych latach zobaczymy hybrydowe systemy, w których klasyczne procesory będą wykonywać precyzyjne, powtarzalne obliczenia, a bioprocesory otrzymają zadania wymagające intuicji, adaptacji i pracy na niepełnych danych. Taka współpraca może przyspieszyć postęp w robotyce, interfejsach mózg–maszyna czy w analizie skomplikowanych danych medycznych.

Dla zwykłego użytkownika komputerów cała ta historia z Doom brzmi jak ciekawostka z pogranicza gier i nauki. W praktyce to wczesny zwiastun zmiany podejścia do tego, czym jest “komputer”. Zamiast kolejnych miliardów tranzystorów, być może zaczniemy myśleć o systemach, w których sztuczne i żywe komponenty współpracują z korzyścią dla nas – jako pacjentów, użytkowników technologii i ludzi próbujących lepiej zrozumieć własny mózg.