Исследователи научились выращивать из стволовых клеток трехмерные структуры нервной ткани, подключать их к микроэлектродам, подавать на них электрические сигналы и регистрировать ответ. Следующий шаг значительно амбициознее: заставить такую живую нейронную сеть не просто существовать в лаборатории, а обрабатывать информацию.

Так формируется направление, получившее название органоидный интеллект, или organoid intelligence, OI. В 2023 году международная группа исследователей во главе со специалистами Университета Джонса Хопкинса сформулировала его как отдельную междисциплинарную область, объединяющую органоиды мозга, нейроинтерфейсы, машинное обучение, микроэлектронику и биоинженерию.

Идея одновременно проста и радикальна. Современный компьютер строится: транзисторы производятся на фабрике, соединяются проводниками и выполняют заранее определенные операции. Биологическую вычислительную систему предполагается выращивать и обучать. Ее внутренняя архитектура в значительной степени формируется самостоятельно — примерно так, как нейронные сети формируются в живом организме.

Тезис 1. Органоидный интеллект представляет собой попытку превратить живую нейронную ткань из объекта биологических исследований в функциональный элемент вычислительной системы.

1. Что такое органоидный интеллект

Органоид мозга — это выращенная в лаборатории трехмерная клеточная структура, воспроизводящая некоторые свойства развивающейся нервной ткани. Это не миниатюрный человеческий мозг и тем более не уменьшенная копия личности. Органоид не обладает полноценной анатомией мозга, органами чувств, системой кровоснабжения и огромным количеством структур, обеспечивающих работу человеческой нервной системы.

Однако его клетки способны образовывать нейронные связи, демонстрировать электрическую активность и формировать сложные динамические паттерны. Именно эти свойства делают органоиды интересными не только для биологии и медицины, но и для вычислительной техники.

Органоидный интеллект предполагает создание системы из нескольких взаимосвязанных компонентов: органоида, устройства стимуляции, системы регистрации сигналов, электронного контроллера и программного обеспечения. В результате появляется замкнутый контур: компьютер посылает биологической системе информацию, органоид изменяет состояние, электроника считывает ответ, а следующий сигнал зависит от предыдущего результата.

Поэтому биологический компьютер принципиально отличается от обычной электронной машины.

Тезис 2. Биокомпьютер не является обычным компьютером, в котором кремниевые транзисторы просто заменены нейронами: сама логика обработки информации здесь основана на пластичности и самоорганизации живой сети.

2. От нейронной культуры к биокомпьютеру

Использование живых нейронов в вычислительных экспериментах началось задолго до появления современного термина OI. Исследователи выращивали нейроны на электродных матрицах и изучали, как клеточные сети реагируют на стимуляцию.

Особое внимание к направлению привлекли эксперименты, показавшие возможность формирования адаптивного поведения нейронных культур. В 2022 году в журнале Neuron была опубликована работа DishBrain, в которой выращенные нейроны взаимодействовали с виртуальной средой, построенной вокруг упрощенной игры Pong. Эта работа стала одним из важных предшественников современной концепции биологических вычислений.

Следующий принципиальный переход связан с трехмерными органоидами. В отличие от плоской культуры клеток, трехмерная структура позволяет формировать значительно более сложные пространственные взаимодействия между нейронами.

В декабре 2023 года исследователи представили Brainoware — экспериментальную систему, использующую мозговой органоид в качестве физического вычислительного резервуара. Информация передавалась посредством пространственно-временной электрической стимуляции, а ответы регистрировались многоэлектродной системой. Исследователи продемонстрировали применение такой архитектуры для распознавания речи и прогнозирования нелинейной динамической системы.

Это еще не универсальный компьютер. Но принципиальная граница была пересечена: органоид мозга использовался непосредственно как часть вычислительного процесса.

3. Как выращивают мозговые органоиды

Одним из технологических оснований OI стали индуцированные плюрипотентные стволовые клетки. Обычные клетки организма можно перепрограммировать в состояние, из которого затем возможно получить клетки различных типов, включая нейроны.

После этого начинается контролируемая клеточная дифференцировка. Исследователи создают условия, при которых клетки специализируются, взаимодействуют между собой и формируют трехмерную ткань.

Полученная структура помещается в питательную среду. Необходимо поддерживать температуру, химический состав, снабжение кислородом и множество других параметров. По мере созревания между нейронами формируются синаптические соединения и возникает электрическая активность.

Но здесь обнаруживается одно из фундаментальных ограничений технологии. Настоящий мозг пронизан кровеносными сосудами, которые постоянно доставляют клеткам кислород и питательные вещества. У обычного органоида полноценной сосудистой системы нет.

Поэтому увеличение его размеров далеко не тривиальная задача. Чем больше становится живая ткань, тем сложнее поддерживать жизнеспособность клеток внутри нее.

4. Как живые нейроны соединяют с электроникой

Чтобы органоид стал частью вычислительной машины, необходимо решить проблему ввода и вывода информации. Именно здесь биология встречается с микроэлектроникой.

Одним из основных инструментов являются микроэлектродные матрицы. Множество миниатюрных электродов располагается рядом с нейронами. Через одни электроды можно подавать импульсы, через другие — регистрировать возникающую активность.

Электроника превращает цифровые данные в последовательности стимулов. Биологическая сеть реагирует. Получившийся паттерн электрической активности снова преобразуется в цифровые данные.

В трехмерных органоидах эта задача особенно сложна. Обычная плоская матрица соприкасается лишь с небольшой частью сферической клеточной структуры. Поэтому исследуются гибкие, объемные и окружающие органоид электродные интерфейсы. Концепция OI прямо связывает дальнейшее развитие биокомпьютинга с совершенствованием подобных систем записи и стимуляции.

Тезис 3. Ключевой технологией органоидных вычислений становится двусторонний интерфейс: электроника должна уметь одновременно передавать нейронам информацию и достаточно точно считывать их ответ.

5. Как органоид может выполнять вычисления

Здесь начинается наиболее необычная часть технологии. У биологического вычислителя нет процессора в привычном понимании.

Нейрон получает сигналы от множества других клеток. Если совокупное воздействие достигает определенного состояния, клетка генерирует собственный электрический импульс. Синаптические связи при этом могут изменяться.

Возникает синаптическая пластичность — способность сети перестраивать собственные связи в зависимости от предыдущей активности.

Именно поэтому вычисление происходит не только в момент прохождения сигнала. Сама структура сети постепенно изменяется под воздействием поступающих данных.

Для программиста это непривычная ситуация. В обычном компьютере аппаратная схема должна максимально точно выполнять инструкции. В биологической системе ценным свойством становится обратное — способность аппаратной среды изменять саму себя.

6. Может ли органоид обучаться

Слово «обучение» применительно к нейронной культуре требует осторожности. Реакция на раздражитель еще не означает наличие интеллекта.

Исследователей интересует другое: изменяется ли поведение системы вследствие предыдущего опыта таким образом, чтобы улучшить выполнение некоторой задачи.

Если определенная последовательность стимулов вызывает перестройку связей, а после нее сеть начинает иначе реагировать на похожие сигналы, можно говорить о форме биологической адаптации.

Эксперименты Brainoware показали, что функциональная связность органоида может изменяться под воздействием обучающих данных. Авторы использовали свойства нелинейной динамики и затухающей памяти органоида в архитектуре reservoir computing.

Однако между таким экспериментом и обучением человеческого мозга лежит огромная дистанция. Термины вроде «думающий мини-мозг» или «разум в чашке Петри» эффектны, но способны создать ложное представление о реальном состоянии технологии.

7. Память в живой вычислительной системе

Компьютерная память обычно представляет собой физические состояния электронных компонентов. В нервной системе память организована иначе.

Информация может отражаться в изменениях силы синаптических связей, конфигурации сетей и динамике нейронной активности. Поэтому сама нейронная сеть одновременно является и устройством обработки информации, и частью механизма ее хранения.

Это принципиальное отличие от классической архитектуры фон Неймана, где процессор и память функционально разделены.

В концептуальной работе по OI исследователи приводили ориентировочную оценку емкости человеческого мозга порядка 2500 ТБ, связывая ее с десятками миллиардов нейронов и более чем 10¹⁵ соединений. Это приблизительная теоретическая аналогия, а не объем памяти, который можно непосредственно сопоставить с жестким диском.

Если биологическую память удастся контролируемо записывать и считывать, перед вычислительной техникой появится совершенно новый класс устройств.

8. Органоидный интеллект и искусственный интеллект

Несмотря на похожую терминологию, OI и AI представляют разные технологические подходы.

Современная модель искусственного интеллекта существует как математическая структура, выполняемая электронным оборудованием. Ее нейроны являются вычислительными абстракциями.

В органоидном интеллекте нейрон является настоящей живой клеткой. Он потребляет энергию, синтезирует белки, образует синапсы, изменяет связи и существует в сложной химической среде.

Современная электроника имеет колоссальные преимущества. Она чрезвычайно быстра, воспроизводима и надежна. Миллиарды практически одинаковых транзисторов можно производить промышленными сериями.

Биологические системы интересны другими свойствами: адаптивностью, самоорганизацией, высокой связностью и потенциальной энергетической эффективностью.

Тезис 4. Главным потенциальным преимуществом биологических вычислений является не абсолютная скорость, а сочетание адаптивности, параллельной обработки и потенциально высокой энергетической эффективности.

Тезис 5. Органоидный интеллект не следует рассматривать как ближайшую замену GPU, CPU или современным системам искусственного интеллекта: речь идет о принципиально другом и пока экспериментальном классе вычислителей.

9. Почему мозг настолько энергоэффективен

Человеческий мозг особенно интересует компьютерных инженеров своей энергетикой. При огромном количестве постоянно взаимодействующих клеток его мощность обычно оценивается примерно в 20 ватт.

Для сравнения, крупные вычислительные системы потребляют мегаватты. В концептуальной статье OI авторы сопоставляли мозг с суперкомпьютером Frontier, который в момент приводимого сравнения достиг производительности порядка 1,1 экзафлопса на Linpack при энергопотреблении примерно 21 МВт.

Однако превращать такое сравнение в утверждение «мозг в миллион раз эффективнее суперкомпьютера» следует с большой осторожностью. Мозг и Frontier решают совершенно разные задачи, а оценка вычислительной производительности мозга в FLOPS условна.

Причина эффективности биологии заключается в самой архитектуре. Нейрон не работает как постоянно переключающийся цифровой транзистор. Передача сигналов носит событийный характер, вычисления распределены, а хранение и обработка информации тесно связаны.

Именно энергетическая эффективность может в долгосрочной перспективе стать одним из главных аргументов в пользу биокомпьютинга.

10. Гибридный компьютер: живые нейроны плюс кремний

Наиболее вероятный путь развития OI не предполагает отказа от традиционной электроники.

Напротив, биологическая часть практически неизбежно будет окружена кремниевой инфраструктурой. Обычные процессоры будут управлять оборудованием, кодировать данные, анализировать сигналы, хранить результаты и поддерживать связь с внешними системами.

Органоид в такой архитектуре превращается в специализированный сопроцессор.

Он потенциально может использоваться там, где особенно полезны адаптация, распознавание сложных паттернов или обучение при небольшом количестве примеров.

Тезис 6. Наиболее реалистичная архитектура будущего — гибридная система, в которой традиционная электроника выполняет точные цифровые операции, а биологический модуль используется для специализированных адаптивных задач.

Такой подход напоминает современную компьютерную архитектуру, где CPU соседствуют с GPU, нейронными ускорителями и специализированными процессорами. Только еще одним типом ускорителя потенциально становится живая ткань.

11. Облачный доступ к биологическим компьютерам

Из биологической природы технологии следует неожиданная экономическая модель. Далеко не каждой организации будет удобно самостоятельно выращивать органоиды, содержать стерильную лабораторию и обслуживать клеточные культуры.

Поэтому логичным становится удаленный доступ к биологическому оборудованию.

Пользователь отправляет эксперимент через интернет. Сервер преобразует данные в последовательность стимулов. Электродная система воздействует на нейронную культуру. Ответ оцифровывается и возвращается исследователю.

Так появляется концепция своеобразного biological computing as a service — биокомпьютинга как услуги.

Для раннего этапа технологии это особенно важно: дорогостоящая лабораторная инфраструктура может обслуживать множество исследовательских групп.

12. Где органоидный интеллект может оказаться полезен

Первое серьезное применение OI, вероятно, будет связано вовсе не с заменой персонального компьютера.

Значительно ближе нейробиологические исследования. Органоид позволяет наблюдать, как человеческие нейронные сети реагируют на стимулы, перестраиваются и формируют устойчивые состояния.

Перспективные направления включают:

• изучение механизмов обучения и памяти;
• моделирование заболеваний нервной системы;
• тестирование лекарственных веществ;
• исследования нейротоксичности;
• персонализированные клеточные модели;
• изучение развития мозга;
• разработку нейроинтерфейсов;
• создание адаптивных контроллеров;
• исследования робототехники;
• разработку новых вычислительных алгоритмов.

Тезис 9. Практическая ценность органоидного интеллекта может впервые проявиться не в универсальных компьютерах, а в нейробиологии, фармакологии, моделировании заболеваний, изучении обучения и специализированных адаптивных системах.

Особенно интересна возможность выращивать органоиды из клеток конкретных пациентов. В перспективе это может позволить исследовать индивидуальные особенности некоторых заболеваний и реакцию нервной ткани на терапию без непосредственного воздействия на мозг пациента.

13. Главные технические проблемы

Сегодня OI остается экспериментальной областью прежде всего потому, что живая ткань гораздо сложнее стандартного электронного компонента.

Микросхему можно изготовить в миллионах практически идентичных экземпляров. Два органоида неизбежно будут в некоторой степени различаться.

Тезис 8. Одним из главных препятствий является воспроизводимость: два выращенных биологических вычислителя могут существенно отличаться друг от друга, тогда как современная компьютерная промышленность построена на стандартизации компонентов.

К этому добавляется целый набор проблем:

• поддержание жизнеспособности клеток;
• снабжение кислородом и питательными веществами;
• контроль температуры и химической среды;
• ограниченный размер органоидов;
• вариативность клеточной структуры;
• старение культуры;
• электрические шумы;
• ограниченное количество каналов связи;
• сложность долговременного обучения;
• невозможность привычного копирования внутреннего состояния.

Именно последнее особенно интересно. Состояние программной нейронной сети можно сохранить в файл. Полностью сохранить текущее состояние живой нейронной системы намного сложнее.

14. Можно ли масштабировать биокомпьютер

История электроники построена на масштабировании: больше транзисторов — больше вычислительных ресурсов. С биологией такой простой зависимости нет.

Увеличение органоида означает необходимость поддерживать жизнеспособность все большего количества клеток. Поэтому исследуются системы перфузии, микроfluidика и другие способы снабжения ткани необходимыми веществами. Разработчики концепции OI рассматривают масштабирование и долговременное культивирование как необходимые условия развития направления.

Другой путь — соединять несколько небольших органоидных модулей.

Теоретически можно представить стойку, содержащую множество отдельных живых вычислительных элементов, соединенных электроникой. Но потребуется решить проблему обмена информацией между ними.

Тезис 10. Масштабирование органоидного интеллекта требует решения не только вычислительных, но и биологических задач — питания ткани, поддержания ее жизнеспособности, стандартизации выращивания и объединения нескольких нейронных модулей.

15. Программирование без привычного программного кода

Один из наиболее интересных вопросов звучит так: каким будет программирование биокомпьютера?

Процессору можно передать инструкцию сложения двух чисел. Органоиду подобная команда ничего не говорит.

Необходимо преобразовать задачу в пространственно-временные сигналы, которые биологическая сеть способна воспринимать. Затем требуется определить, какие состояния или паттерны активности соответствуют нужному результату.

Поэтому программирование превращается в обучение физической системы.

Тезис 7. Если органоидные системы станут практическими вычислителями, для них придется создавать новый программный стек: программист будет не столько задавать последовательность команд, сколько формировать стимулы, обратную связь и условия обучения живой сети.

В перспективе могут появиться библиотеки, драйверы и своеобразные биологические API, скрывающие от разработчика значительную часть нейрофизиологии.

Программа сможет условно запросить: создать обучающую сессию, передать последовательность входных данных, применить схему обратной связи, считать состояние и классифицировать ответ.

Но внутри этих привычных программных конструкций будет находиться живая вычислительная среда.

16. Насколько технология близка к практическому применению

Здесь особенно важно отделять доказанные результаты от прогнозов.

Уже существуют системы, в которых живые нейронные сети подключаются к электронным интерфейсам. Продемонстрированы эксперименты с адаптацией нейронных культур и вычислениями с использованием органоидов. Brainoware показал возможность использовать динамические свойства мозгового органоида для задач распознавания речи и прогнозирования нелинейного уравнения.

Но это совершенно не означает существования полноценного биологического аналога современного компьютера.

Пока отсутствуют универсальная архитектура, стандартная система команд, надежная долговременная память, промышленная стандартизация и понятная модель масштабирования.

Поэтому ближайшая задача OI — доказать практическое преимущество хотя бы в отдельных классах задач.

Если биологический вычислитель выполняет операцию, которую обычный компьютер решает дешевле, быстрее и надежнее, использовать живые клетки просто незачем.

17. Этика органоидного интеллекта

С увеличением сложности органоидов возникает вопрос, которого практически не существует у традиционных процессоров: может ли биологическая вычислительная система когда-нибудь приобрести состояние, имеющее моральное значение?

Современный мозговой органоид нельзя автоматически считать сознательным существом. Электрическая активность, обучение или адаптация сами по себе не являются доказательством субъективного опыта.

Но дальнейшее развитие технологии заставляет заранее создавать этические критерии.

Тезис 11. Чем сложнее становятся выращиваемые нейронные системы, тем важнее вопрос этических границ эксперимента; при этом наличие нейронной активности или способности к адаптации само по себе не является доказательством сознания.

Авторы концепции OI поэтому предложили подход embedded ethics — включение этического анализа непосредственно в развитие технологии, а не только обсуждение последствий после появления готовых систем.

Дополнительные вопросы связаны с происхождением клеток, информированным согласием доноров, хранением биологических материалов и правовым статусом будущих высокоразвитых органоидов.

18. Органоидный интеллект и проблема сознания

OI неизбежно затрагивает фундаментальный вопрос: обязательно ли сознание для интеллекта?

Многие биологические системы способны адаптироваться без каких-либо оснований считать их сознательными. Даже отдельные клетки демонстрируют сложные реакции на окружающую среду.

Поэтому способность органоида решать вычислительную задачу ничего автоматически не говорит о наличии субъективного опыта.

Это различие чрезвычайно важно.

Если нейронная культура научилась классифицировать сигнал, это означает, что ее физическое состояние может использоваться для вычислений. Но отсюда нельзя заключить, что она понимает задачу.

Органоидный интеллект поэтому интересен еще и как экспериментальный инструмент философии и нейронауки: он заставляет точнее определять границы понятий обучение, интеллект и сознание.

19. Экономика биологических вычислений

Энергетическая эффективность нейронов еще не означает экономической эффективности биокомпьютера.

Сам органоид может потреблять чрезвычайно мало энергии, но вокруг него необходимо построить сложную инфраструктуру: инкубатор, систему питания, электронику, датчики, стерильную среду и автоматическое управление.

Возникает новая структура стоимости.

Вместо производства кремниевого процессора потребуется выращивание клеточной культуры. Вместо обычного охлаждения — система жизнеобеспечения. Вместо проверки транзисторов — биологический контроль качества.

Поэтому коммерческое будущее технологии определяется не количеством ватт, потребляемых нейронами, а полной стоимостью владения системой.

Биокомпьютинг станет экономически значимым только тогда, когда появятся задачи, в которых его уникальные свойства компенсируют сложность содержания живой ткани.

20. Органоидный интеллект как новая вычислительная парадигма

История вычислительной техники постепенно расширяет само понятие вычислителя.

Сначала вычисления выполнялись механическими устройствами. Затем появились электронные лампы, транзисторы и интегральные схемы. Сегодня развиваются квантовые и нейроморфные системы.

Органоидный интеллект делает следующий необычный шаг: вычислительным материалом становится непосредственно живая материя.

Тезис 12. Стратегическое значение органоидного интеллекта заключается в появлении новой вычислительной парадигмы: человечество исследует возможность создавать машины, часть аппаратного обеспечения которых не производится на фабрике, а выращивается как живая самоорганизующаяся система.

Это позволяет говорить о развитии wetware — систем, где граница между аппаратным обеспечением и биологической тканью становится размытой.

В обычном процессоре инженер определяет структуру устройства с огромной точностью. В OI часть структуры формируется самостоятельно.

Инженер задает среду, выращивает клетки, обеспечивает интерфейс и организует обучение. Вместо полного проектирования вычислительной структуры возникает управляемая самоорганизация.

Именно это, возможно, является наиболее фундаментальной особенностью направления.

Заключение. Компьютер, который нужно кормить

Органоидный интеллект сегодня находится примерно там, где многие революционные технологии находились до появления практической промышленности: основные физические принципы выглядят многообещающе, отдельные эксперименты уже демонстрируют вычислительные возможности, но путь от лабораторной установки до массового применения остается огромным.

Не стоит ожидать, что через несколько лет серверные стойки массово заполнят резервуарами с человеческими нейронами. Кремниевая электроника слишком быстра, надежна, дешева и хорошо стандартизирована.

Но OI и не обязан вытеснять ее.

Наиболее интересный сценарий — появление гибридных вычислительных систем, где электронные процессоры обеспечивают точность и скорость, искусственный интеллект выполняет высокоуровневую обработку данных, а биологические сети используются там, где особенно ценны пластичность, адаптация и обучение.

В этом случае граница между компьютерными науками и биологией начнет постепенно исчезать.

Процессор будущего можно будет не только спроектировать.

Его придется вырастить, подключить, поддерживать живым — и научить решать задачу.

Определения, факты, даты, характеристики и цифры

Определения

• Органоидный интеллект — междисциплинарное направление, исследующее использование мозговых органоидов и нейроэлектронных интерфейсов для биологических вычислений.

• Мозговой органоид — трехмерная клеточная культура, выращенная из стволовых клеток и воспроизводящая отдельные структурные и функциональные свойства развивающейся нервной ткани.

• Биокомпьютер — вычислительная система, использующая биологические структуры непосредственно для обработки или хранения информации.

• Wetware — условное обозначение вычислительных систем или компонентов, основанных на живой биологической материи.

• Нейронная культура — выращенная вне организма совокупность нервных клеток, поддерживаемая в контролируемых лабораторных условиях.

• Плюрипотентные клетки — стволовые клетки, способные превращаться во множество специализированных типов клеток организма.

• Синаптическая пластичность — способность связей между нейронами изменять свою эффективность в зависимости от активности и предыдущего опыта.

• Микроэлектродная матрица — система миниатюрных электродов, предназначенная для электрической стимуляции клеток и регистрации их активности.

• Нейроэлектронный интерфейс — комплекс оборудования, обеспечивающий передачу информации между электронной и нервной системами.

• Reservoir computing — вычислительная архитектура, использующая сложную динамическую систему как резервуар для преобразования входных сигналов.

• Биологическая память — хранение информации посредством устойчивых изменений состояния биологической нейронной системы.

• Гибридный вычислитель — система, объединяющая различные вычислительные среды, например кремниевую электронику и живую нейронную ткань.

Даты

• 2006 год — Синъя Яманака и коллеги продемонстрировали возможность перепрограммирования зрелых клеток в индуцированные плюрипотентные стволовые клетки; технология стала одним из фундаментальных инструментов современной органоидной биологии.

• 2022 год — опубликована работа DishBrain, показавшая взаимодействие выращенной нейронной культуры с виртуальной средой Pong.

• 28 февраля 2023 года — в Frontiers in Science опубликована программная работа, систематизировавшая концепцию organoid intelligence как самостоятельного научного направления.

• 11 декабря 2023 года — Nature Electronics опубликовал исследование Brainoware, продемонстрировавшее reservoir computing с использованием мозгового органоида.

Характеристики

• Человеческий мозг содержит приблизительно 86 млрд нейронов; оценки количества соединений между ними достигают порядка 10¹⁵.

• Типичное энергопотребление человеческого мозга оценивается примерно в 20 Вт.

• В программной работе по OI приводилась ориентировочная оценка информационной емкости человеческого мозга около 2500 ТБ, однако ее нельзя трактовать как прямой аналог емкости компьютерного накопителя.

• Описанные авторами OI лабораторные органоиды диаметром менее 500 микрометров содержали менее 100 000 клеток — примерно трехмиллионную долю размера человеческого мозга по числу клеток.

• Суперкомпьютер Frontier в сравнении, использованном авторами концепции OI, обеспечивал около 1,102 экзафлопса на тесте Linpack при энергопотреблении порядка 21 МВт. Сравнивать этот показатель напрямую с предполагаемой «производительностью мозга» некорректно из-за принципиально разных типов вычислений.

• Brainoware использовал многоэлектродный интерфейс и пространственно-временную электрическую стимуляцию для передачи информации органоиду и регистрации ответа.

• Эксперимент Brainoware продемонстрировал применение органоидной системы для распознавания речи и прогнозирования нелинейного хаотического уравнения.

Что уже возможно

• выращивать трехмерные мозговые органоиды;
• регистрировать их электрическую активность;
• электрически стимулировать нейронные культуры;
• создавать замкнутые контуры обратной связи;
• наблюдать изменение функциональной связности;
• использовать динамику органоида в экспериментальных вычислительных архитектурах;
• подключать биологические нейронные сети к цифровым системам.

Что пока остается исследовательской задачей

• создание универсального биокомпьютера;
• надежное программирование органоидов;
• долговременное хранение информации;
• стандартизация биологических процессоров;
• промышленное масштабирование;
• создание больших сетей связанных органоидов;
• воспроизводимое обучение сложным задачам;
• доказательство экономического преимущества перед кремниевой электроникой;
• определение строгих этических критериев для значительно более сложных будущих систем.

Органоидный интеллект поэтому правильнее воспринимать не как готовую замену искусственному интеллекту, а как новую экспериментальную платформу на пересечении вычислительной техники, нейробиологии и биоинженерии. Ее главный вопрос звучит уже не как «может ли компьютер имитировать мозг?», а гораздо интереснее: может ли сама живая нервная ткань стать вычислительной машиной?