Биочипы и органоидный интеллект

В 2013 г. исследователи из Японии и ФРГ применили четвёртый в то время в мире по валовой производительности суперкомпьютер (Fujitsu K; более 705 тыс. вычислительных ядер SPARC64 в составе 83 тыс. процессоров; около 1 Пбайт памяти; 10,51 Пфлопс) для симуляции активности примерно 1% от общего объёма нервной ткани человеческого мозга. Объём этот, в свою очередь, представлял собой смоделированную весьма условно, хотя и довольно близко к биологическому прототипу, совокупность 1,73 млрд нейронов, соединённых посредством 10,4 трлн синаптических связей. Для кодирования состояний каждого из синапсов — весьма сложных электрохимических систем — отводилось по 24 байта, чтобы как можно достовернее воспроизвести широту диапазона их активности. Так вот, за 40 минут работы компьютер по имени K сумел проэмулировать лишь одну секунду мозговой деятельности — и то заведомо бессистемной; сигнальные связи в смоделированной в памяти титанических размеров нейросети формировались случайным образом и тут же распадались.

Целью эксперимента было продемонстрировать, что грядущие (на тот момент) эксафлопсные суперкомпьютеры — с производительностью 10¹⁸ операций с плавающей запятой в секунду и более — бесспорно, окажутся в состоянии справиться с эмуляцией работы человеческого мозга целиком; пусть не в реальном масштабе времени, но хотя бы в каком-то разумном приближении. Увы, ни одна из четырёх действующих сегодня (по состоянию на начало 2026 г.) эксафлопсных систем — El Capitan, Frontier, Aurora и JUPITER Booster — решать задачи такого уровня сложности по-прежнему не способна. Формально всё вроде бы должно сходиться: нейронов в мозге около 100 млрд, общее число синапсов (которые, кстати, принципиально пластичны: связи между нейронами образуются и исчезают — в зависимости от возраста индивида, динамики поступления в организм питательных веществ, интенсивности и рода нагрузки на нервную систему и т. д.) оценивается в диапазоне от 10¹⁴ до 10¹⁵ единиц — то есть суперкомпьютера с мощностью от 1 до 10 Эфлопс формально должно хватать.

На презентационном фото биочипа, разработанного группой из Университета Джонса Хопкинса, собственно производящая вычисления биологическая ткань не представлена: в отсутствие систем жизнеобеспечения помещать органоиды в стакан смысла нет, а патрубки и помпы скроют от глаз общую композицию устройства (источник: Johns Hopkins University)

Увы, проблем на этом пути, как выяснилось, предостаточно, и не последняя среди них — пресловутое «бутылочное горлышко» инженерного дизайна современных компьютеров. Чем больше элементарных операций приходится выполнять системе (для эмуляции живой нейросети, скажем), тем плотнее становится поток данных по шине, соединяющей собственно вычислительные ядра и оперативную память, где хранятся необходимые для производства расчётов данные. Та самая архитектура фон Неймана, лежащая в основе практически всех актуальных сегодня полупроводниковых компьютеров, директивно предписывает физическое разнесение логических контуров и вместилищ данных (как оперативно применяемых, так и постоянных). На ранних этапах развития микроэлектроники такой подход — гибкий в плане возможности обособленно наращивать производительность процессоров и объёмы взаимодействующей с ними памяти — здорово помог ускорению ИТ-прогресса. Но по мере выхода на передний план высокопараллельных нейросетевых вычислений фоннеймановская архитектура начала становиться настоящим обременением. Не случайно в последние годы так активно развиваются нейроморфные компьютеры, тем или иным образом имитирующие работу биологической нервной ткани. Но почему бы тогда не обратиться к самой этой ткани непосредственно — и не создать вычислительную систему просто из человеческих нейронов?

⇡#Мозги в стакане

Ещё один важнейший фактор, что ограничивает построение по-настоящему обширных нейросетей на полупроводниковой аппаратной основе, — чудовищно низкая энергоэффективность последней. Человеческий мозг под предельной нагрузкой потребляет около 20 Вт, что, кстати, относительно очень даже прилично — до одной пятой от общего энергетического бюджета организма; напряжённая мыслительная деятельность — удовольствие весьма затратное. Топовые же суперкомпьютеры вроде упомянутого чуть выше Frontier нуждаются в 21 МВт и более; разница — минимум шесть десятичных порядков. В 2024 г., по оценке Международного энергетического агентства, потребление энергии дата-центрами в мире достигало 415 ТВт·ч, а к 2030-му оно увеличится более чем вдвое, до 945 ТВт·ч, — это примерно 3% от всей общемировой генерации; больше, чем текущий годовой энергетический бюджет Германии и Франции, вместе взятых. В США уже признают, что именно нехватка доступной электроэнергии для ЦОДов — главное препятствие на пути страны к уверенному удержанию мирового лидерства в сфере искусственного интеллекта. Иными словами, поиск кардинально более эффективных методов «мозгоподобных» (нейроморфных) вычислений переходит из категории отвлечённых академических исследований в разряд задач стратегической важности. А что больше похоже на мозг, чем клубок искусственно выращенных нейронов?

Схема устройства природного нейрона адекватно описывает и искусственно выращенный — включая миелиновую оболочку аксона (источник: Freepik)

Сказано — сделано: в феврале 2023-го на открытой платформе научных публикаций Frontiers in Science группа исследователей из Университета Джонса Хопкинса (JHU) с Леной Смирновой (Lena Smirnova) в качестве лидирующего автора разместила работу под едва ли не провокационным названием «Органоидный интеллект (ОИ): новый рубеж в биокомпьютинге и интеллект в чашке Петри». Под органоидами биологи понимают созданные в лаборатории функциональные аналоги — на первых этапах довольно грубые, конечно, — естественным образом возникших в ходе эволюции органов. Звучный термин ОИ был введён группой для обозначения тех результатов активности (нервной? вычислительной? тут пока всё не слишком определённо) искусственно выращенных из стволовых клеток человека органоидов головного мозга, которые воспроизводят — ну, по крайней мере, обещают воспроизводить — высшую нервную деятельность биологического неокортекса. Речь идёт об обучении, о формировании памяти, а в дальнейшем и о более сложных когнитивных функциях, реализуемых in vitro, то есть в той самой чашке Петри. Принципиальное, кстати, отличие органоида от привычной микробиологам культуры клеток в виде плоской лужицы на донышке пресловутой чашки — его трёхмерность: длинные отростки искусственных нейронов миелинизируют (покрывают изолирующей оболочкой), а сами они обеспечиваются во всём объёме органоида кислородом и питательными веществами посредством интегрированных микрофлюидных перфузионных систем, что позволяет им действовать в максимально приближенных к естественным условиях. Для коммуникаций с искусственно выращенными нейронами и глиальными клетками применяют трёхмерные же микроэлектродные массивы, из которых в перспективе могут развиться сложные сетевые интерфейсы для взаимодействия органоидов с различными датчиками и устройствами вывода, что позволит им обучаться с использованием биологической обратной связи — осваивать через ими же контролируемую роботизированную платформу реальный внешний мир, например.

Характерный размер органоидов, которые группа из JHU выращивает из индуцированных плюрипотентных стволовых клеток, — 500 мкм; нейроны в их составе прямо в процессе развития органоида сами образуют синаптические связи и вырабатывают определённые паттерны электрохимической активности в ответ на обучающие сигналы. Кстати, упомянутая чуть выше миелиновая изоляция для трёхмерной электрохимической вычислительной системы попросту необходима — иначе сплошь и рядом нормальному распространению сигналов будут препятствовать короткие замыкания. Возникла же она, по современным представлениям, благодаря внедрению в ДНК олигодендроцитов — специфических глиальных клеток — генетической информации от древнего эндогенного ретровируса ещё во времена древних хрящевых рыб, первых челюстных позвоночных, около 440 млн лет назад (кстати, рабочая память и внимание как специфические виды нервной деятельности развились, по современным представлениям, ещё у общего предка позвоночных, членистоногих и иных клад более 600 млн лет назад). Именно благодаря миелиновой изоляции, которая обеспечивает выходному отростку нейрона — аксону — не только физическую, но и метаболическую поддержку, да ещё и тонкую подстройку сигнала (олигодендроциты способны модулировать идущие по аксону импульсы), могут возникать по-настоящему длинные и эффективные прямые контакты между нервными клетками — до 1 м при диаметре аксона 10−20 мкм. На нынешнем этапе изысканий органоидам важнее, конечно, изолирующие свойства миелиновой оболочки, но на перспективу искусственные олигодендроциты с вполне определёнными характеристиками тоже явно придётся выращивать и интегрировать с полученными из стволовых клеток нейронами.

(A) при пассивной диффузии кислород, питательные вещества и факторы роста проникают в органоид на глубину всего около 300 мкм, поэтому в ядрах более крупных образований начинается некроз; (B) микрофлюидные устройства обеспечивают контролируемую перфузию по всему объёму более крупных органоидов (источник: Johns Hopkins University)

⇡#Так три или два?

С биоинженерной точки зрения создание органоидов из нервной ткани — задача весьма кропотливая. Приходится сперва возводить на микромасштабах строительные леса из биосовместимых материалов (3D-scaffolding); затем в подготовленной контурно-объёмной структуре выращивать из искусственно полученных нейронов и глиальных клеток нервную ткань с необходимым уровнем связности. Учёные убеждены, что преимущественно пространственное, а не плоскостное взаимодействие нейронов обусловлено самой их генетикой, и потому переход от двух измерений к трём — именно с применением нервной ткани, пусть и искусственно переделанной из стволовых клеток, — и есть важнейший ключ к проведению подлинно эффективных нейроморфных вычислений. Но всё-таки выход в третье измерение — непростая задача не только для полупроводникового вычислителя: сложность работы с биологической тканью возрастает многократно. Сами же исследователи из JHU указывают на важность микрофлюидных перфузионных систем для своих органоидов: стоит нарушить тонкий баланс между поступлением кислорода, питательных веществ, факторов роста, с одной стороны, и отводом продуктов жизнедеятельности клеток, с другой, как резко возрастает опасность некроза искусственной нервной ткани. Обмен сигналами с нервными клетками во всём объёме органоида также затруднён, — создание необходимых для этого микроэлектродных массивов представляет собой отдельную инженерную задачу. Значительная доля усилий разработчиков ОИ уходит, таким образом, не на развитие способов обучения искусственного мозга (условно, уровня тараканьего, — хотя нейроны в нём человеческие, количество их в одном органоиде не превышает характерных для этого насекомого 50 тыс.) в стакане, а на поддержание объекта своих исследований в пригодном для работы виде.

Не вызывает поэтому удивления, что и плоскостное направление ОИ сегодня не рассматривается как тупиковое. Пусть потенциал творческого роста двумерной культуры нервной ткани заведомо куда более ограничен, чем в случае объёмного органоида, технически жизнедеятельность первой обеспечивать куда проще, чем второго. С 2019 г. стартап Cortical Labs развивает именно двумерные биологические нейрочипы: начинал он с концептуального «мозга в чашке Петри» по имени DishBrain, прославившегося тем, что буквально за пять минут сумел освоить классическую компьютерную игру Pong — обучаясь с подкреплением, причём обошлось без формирования у искусственной нервной ткани болевых ощущений. Исследователи опирались на эмпирический принцип свободной энергии (free energy principle) — констатацию той подмеченной в ходе нейрофизиологических экспериментов закономерности, что сложная система стремится к состоянию минимальной непредсказуемости, т. е. к упорядочиванию накапливаемой ею информации. Соответственно, когда управлявший виртуальной ракеткой DishBrain промахивался, исследователи подавали на его входы «белый шум»; когда же отражал шарик на экране удачно — «премировали» его периодическим, гармонично организованным сигналом. И этого оказалось достаточно для крайне эффективного постижения сути несложной, в общем-то, забавы. Несложной, впрочем, для нас, носителей биологического разума: когда в 2017-м в лаборатории Google DeepMind обучали свою передовую на тот момент ИИ-модель той же самой игре, она вышла на достойный уровень (примерно 85% побед) лишь за несколько часов.

Схема экспериментальной установки, благодаря которой DishBrain обучился игре в Pong: в нижней части расположены электроды для ввода сенсорной информации, в верхней — для управления виртуальной ракеткой (источник: Cortical Labs)

В 2025 г. на выставке MWC в Барселоне Cortical Labs представила гибридный биополупроводниковый компьютер CL1 — грубо говоря, помещённый в биореактор кремниевый чип, на котором выращена колония из примерно 800 тыс. человеческих нейронов (тоже полученных из стволовых клеток), взаимодействующих с логическими контурами этого самого чипа — микроэлектродной матрицы на 59 контактных площадок — через плоскую сетку контактов. Почему «примерно» — да потому, что экспериментаторы сами, в сущности, не знают, сколько именно нервных клеток и каким конкретно образом соединённых между собой данный экземпляр CL1 в каждый момент содержит. Замкнутый двунаправленный интерфейс обеспечивает доставку управляющих стимулов — электрических импульсов — нейронам и получение отклика от них; таким образом реализуется петля обратной связи для обучения с подкреплением. Фирменная операционная система биологического интеллекта (biOS), также разработанная в Cortical Labs, моделирует для нейронов цифровую среду, с которой те и взаимодействуют, — а пользователям CL1, соответственно, предоставляют возможность через модификацию этой среды «программировать» отклик биологических нервных клеток на те или иные стимулы. Такой подход позволяет эмулировать не только игру в Pong, но и, скажем, воздействие на нервную ткань различных неблагоприятных факторов — что открывает широчайшие возможности для изучения влияния на живой мозг лекарственных препаратов, например. Автономный блок жизнеобеспечения создаёт оптимальные условия для нейронов внутри CL1, позволяя тем оставаться живыми и функциональными до полугода, а потенциально и дольше.

В том же 2025-м Тианьи Лю (Tianyi Liu) с коллегами из Бристольского университета опубликовали препринт с описанием системы из всего лишь трёх нейронных органоидов, способной с 83%-ной точностью ставить в соответствие символам азбуки Брайля буквы английского алфавита, — причём даже один органоид справлялся с этой задачей на весьма достойном уровне: 61% верных ответов. Первичные тактильные сигналы для системы формировал специализированный нейроморфный датчик Evetac, и через микроэлектродную матрицу низкой плотности — весьма схожую с той, что применяют в Cortical Labs, — стимулы поступали на нервную ткань. В этом эксперименте важна именно организация совместной работы физически разнесённых органоидов: понятно, что для решения серьёзных задач потребуются десятки и сотни миллионов нейронов, действующих в единой нейросети, но формирование столь крупного цельного органоида, как мы уже говорили, представляет собой немалый инженерный вызов. Многоорганоидная же конфигурация — более реалистичный путь к повышению производительности ОИ-вычислений.

«Сохнут, родимые!» (Источник: Cortical Labs)

⇡#Цели и задачи

В анонсе биокомпьютера CL1 звучат, если в него повнимательней вчитаться, не самые бравурные нотки. Складывается ощущение, что создатели этой системы и сами хорошенько не понимают, для каких прикладных задач, не решаемых (или решаемых малоэффективно) иными доступными средствами, её — в нынешнем, довольно скромном состоянии — можно применять прямо сейчас. И винить их в этом трудно: при всех своих достоинствах нервная ткань — плоть от плоти насчитывающей миллиарды лет биологической эволюции. Возникла и развивалась она не из абстрактных соображений оптимизации — как всё та же архитектура фон Неймана, — а в ответ на вполне определённые условия, в которых обитали и боролись за существование бесчисленные поколения живых организмов. Взять, к примеру, такую важную особенность биологического мозга, как долговременная память: передовые облачные ИИ-модели не могут похвастать сопоставимым с ней контекстным окном — и долго ещё не смогут: чересчур уж накладными выходят слишком длинные авторегрессионные цепочки токенов. А у живых существ долговременная память «отросла» сама собой давным-давно как эволюционная необходимость — благодаря чувству страха. Грубо говоря, те организмы, в чьей примитивной на первых порах нервной системе формировались устойчивые ассоциации неких объектов (хищники, ядовитые растения) или условий (высокая температура, рост концентрации вредоносных веществ) с опасностью, раз за разом оставляли больше жизнеспособного потомства. В частности, у существ с развитым головным мозгом в ситуации стресса вырабатывается нейромедиатор норадреналин; он стимулирует определённую группу ингибирующих нейронов в миндалевидном теле — и тем самым препятствует стиранию пугающих воспоминаний. Получается, коммуницируя с живыми нейронами только электрическим путём, без привлечения химических нейромедиаторов, в принципе не выйдет активировать те естественным образом развившиеся в этих клетках механизмы, которые для искусственных нейронных сетей на их основе оказались бы не просто полезны, но жизненно важны.

А значит, надо либо воспроизводить в лабораторных условиях живой мозг целиком, со всей его внутренней химией, либо отказываться от избыточно сложных естественных нейронов. И выращивать, пусть даже теми же биологическими методами, некое их подобие, ориентированное на обмен исключительно электрическими сигналами, безо всякой нейрохимии, — но всё-таки в трёх измерениях, с высочайшей плотностью соединений (нейроны человеческого мозга могут иметь до 200 тыс. синаптических контактов, которые в отсутствие нейромедиаторов придётся эмулировать даже не 24-разрядными числами, а как-то ещё более изощрённо) и с предельно возможной эффективностью. Впрочем, бесспорная сложность этой задачи пугает меньше, стоит лишь тщательно подсчитать ожидаемую выгоду от её успешного решения. В трёхмерной структуре искусственных нейронов задержки на путях сообщения между отдельными случайно выбранными узлами нейросети оказываются куда меньше, чем в двумерной, — что позволяет и среднее время прохождения одиночного импульса сократить, и куда более сложные (по сравнению с многослойными плотными нейросетями) структуры обработки цепочек сигналов формировать.

Будет ли когда-нибудь примерно так выглядеть (под микроскопом) поверхность типового процессора в самом обычном настольном ПК? Навряд ли, но вполне вероятно, что облачный доступ к биомашинам такого рода, размещённым в специализированных дата-центрах, будут предоставлять уже через несколько лет (источник: Frontiers Media)

Использование подлинно биологических — полученных искусственно из стволовых клеток, но всё же живых — нейронов чревато и такой серьёзной проблемой, как их потенциальная смертность. Живое, кстати, априори не обязано умирать: какие-нибудь бактерии, делясь в ходе митоза, фактически самовоспроизводят себя вечно в неизменном виде — если не считать случайных повреждений хромосом. Но с многоклеточными организмами всё иначе, и отдельные их клетки обладают вполне определённым жизненным циклом. Вопреки расхожему выражению «нервные клетки не восстанавливаются», нейрогенез в головном мозге, в том числе и высших животных, всё-таки идёт — то есть часть стволовых клеток ещё с этапа эмбриогенеза словно бы оцепеневает, так что по мере необходимости, когда выходят из строя пожившие своё нейроны, их место могут занимать новые. Следует притом понимать, что высшие функции головного мозга — в частности, память — реализуются за счёт активации некоторых специфических контактов нейронных клеток в общей сети, т. е. фактически формируются чрезвычайно динамичной (пластичной) активностью синапсов, а не благодаря сохранения каких-то там аналогов битов и байтов внутри самих нейронов. Так что даже если искусственные (но живые) нейроны будут выходить из строя внутри биокомпьютера достаточно быстро — напомним, для CL1 «гарантийный» срок его функционирования составляет до полугода, — при наличии хорошо организованной синаптической сети удастся заменять отмирающие нервные клетки новыми, вводимыми по мере необходимости извне, без ущерба для «мыслительной» деятельности этой вычислительной системы. Но тогда опять-таки следует прежде всего позаботиться о формировании такой высокопластичной и устойчивой коммуникационной сети. А как этого добиться на одной только электрической основе, без тех белков, что отвечают у живых организмов за установление синаптических связей, — пока непонятно.

Сегодня эксперты в нарождающейся области биокомпьютинга оптимистично говорят о «десятилетиях», которые предстоит пройти до появления серийных нейровычислителей с ОИ, действительно способных решать прикладные задачи дешевле и/или быстрее нынешних полностью виртуальных ИИ-моделей, эмулируемых в памяти фоннеймановских серверов. Органоидный интеллект, даже с учётом всех объективных трудностей (только технических; о грядущих моральных и юридических закавыках с эксплуатацией человеком полноценного биологического искусственного разума пока и не начинаем говорить), чрезвычайно привлекателен своими врождёнными, что называется, способностями к пластичной самоорганизации и динамической активности. В конце концов, мы уже представляем, на что способен хорошо организованный биологический мозг, возникший естественным путём, — достаточно оглянуться вокруг и оценить плоды его трудов. Наверняка искусная рукотворная его имитация если не превзойдёт оригинал, то будет иметь все шансы встать с ним вровень.

«Эмулируй подобное подобным», — как бы говорят нам разработчики органоидов: если производить вычисления искусственно выращенный мозг пока не слишком способен, то тестировать на нём новые лекарства и методы терапии уже возможно — как на органоидах других органов (источник: TempoBioscience)

Интеграция же живых нейросетей с более традиционными вычислительными платформами (к тому времени, уже вполне возможно, не только полупроводниковыми, но и фотонными и квантовыми) позволит — в теории — создавать системы с замкнутым контуром, сочетающие адаптивность биологических тканей с масштабируемостью и интерпретируемостью привычного на сегодня ИИ. Долгосрочная цель, которую ставят перед собой работающие над ОИ исследователи, заключается в создании биогибридных платформ, способных обучаться, формировать подлинно долговременную и практически неисчерпаемую память, а также эффективно решать специфические для высшей нервной деятельности задачи, на которые нынешние суперкомпьютеры расходуют избыточно много ресурсов. Тут, конечно, особенно остро поднимается вопрос потенциального возникновения у таких систем сознания и выхода-таки на пресловутый AGI, — но в любом случае до того, как этот вопрос получит неиллюзорный шанс перейти в практическую плоскость, остаётся ещё очень и очень много времени.