Интеллект на 20 Ваттах: как живые клетки мыши решают задачи современных нейросетей

Представьте: берёте 70 000 живых нейронов мыши, вплетаете их в паутину микроскопических электродов, включаете питание — и вот уже ваш чип учится распознавать сигналы. Звучит как эпизод из научной фантастики, но команда из Принстона сделала именно это. Опубликовали в Nature Electronics — и теперь мир спорит: это прорыв или начало чего-то пугающего?

Фото: Мария Круглова is licensed under public domain

Лабораторная мышь

Почему нейроны управляют электроникой лучше, чем мы думали

Раньше живые клетки выращивали в плоских чашках Петри. Смотрели на них снаружи — тыкали электродами, снимали показания. Это как изучать футбольную команду, сидя на трибуне с биноклем. Команда из Принстона пошла дальше: они встроили датчики внутрь нейронной сети.

Инженеры сплели трёхмерную решётку из металлических микропроводов. Покрыли их гибким эпоксидным слоем — настолько тонким, что нейроны не чувствуют разницы между ним и своими собратьями. Клетки прорастают сквозь эту сетку, оплетают её — и вот уже электроника слушает их разговоры изнутри.

"Мы не наблюдаем за нейронами со стороны. Мы внутри их сообщества", — рассказал в беседе с Pravda.Ru Дмитрий Лапшин, учёный-физик.

Шесть месяцев исследователи следили за тем, как сеть меняется. Усиливали одни связи, ослабляли другие. Обучали алгоритм читать электрические паттерны. Результат: система научилась различать пространственные и временные узоры импульсов.

Как международная команда создала чип-мозг

Проект возглавили три человека: Тяньмин Фу, ассистент-профессор электротехники и биоинженерии, Джеймс Стурм, профессор электротехники, и Кумар Мритуньджай, постдок (а на момент основной работы — аспирант).

Изначально задача была чисто нейробиологической: понять, как мозг кодирует информацию. Но в процессе команда осознала: их устройство решает проблему, которая мучает всю индустрию искусственного интеллекта. Энергопотребление.

Финансировали работу из нескольких источников: Princeton Alliance for Collaborative Research and Innovation, Princeton Catalysis Initiative, стартап-гранты факультета инженерии и прикладных наук, а также Института биоинженерии Оменна-Дарлинга.

Зачем обучать живую сеть узнавать образцы

Нейроны — не просто клетки. Они формируют связи, меняют силу сигналов, адаптируются. Именно это и хотели проверить инженеры: может ли биологическая сеть, встроенная в электронику, обучаться на реальных задачах?

Первый эксперимент: пространственные паттерны. Сети показывали разные комбинации активированных электродов — как пиксели на экране. Вторая серия: временные последовательности. Сигналы приходили с разными интервалами — как ритм в музыке.

"Система научилась отличать один паттерн от другого. Это не просто регистрация данных — это вычисление", — отметил в беседе с Pravda.Ru Илья Калашников, ихтиолог, специализирующийся на нейронных сетях рыб.

Теперь команда планирует усложнить задачи. Если 70 000 нейронов справляются с базовым распознаванием образов, что будет, если масштабировать сеть? Миллионы клеток? Десятки миллионов?

Сколько энергии жрёт искусственный интеллект

Современные нейросети — энергетические монстры. GPT-4 потребляет мегаватты. Дата-центры Google, Microsoft, OpenAI нагревают планету буквально — их охлаждение требует океанов воды. А человеческий мозг работает на мощности настольной лампы — 20 Вт.

Тяньмин Фу прямо говорит: "Реальное узкое место для ИИ в ближайшем будущем — энергия". Компьютеры жгут электричество на миллионы раз больше, чем биологические системы, чтобы решать те же задачи.

"Биологические нейросети — это не просто альтернатива кремниевым чипам. Это способ понять, что такое эффективность", — подчеркнул в беседе с Pravda.Ru Виталий Корнеев, инженер по промышленной безопасности.

Кумар Мритуньджай добавляет: трёхмерные биологические нейронные сети помогут "раскрыть вычислительные секреты мозга". И, возможно, понять, как лечить неврологические заболевания — от Альцгеймера до эпилепсии.

Пока устройство работает в лаборатории. Но если технологию масштабировать — представьте чипы, которые не греются, не требуют гигантских серверных ферм, но при этом обучаются и адаптируются, как живой организм.

Ответы на популярные вопросы о нейронном чипе

Могут ли живые нейроны полностью заменить кремниевые процессоры?

Пока нет. Биологические сети эффективны в распознавании паттернов и адаптации, но уступают в скорости вычислений и масштабируемости. Это скорее гибридный подход: живые клетки для задач, требующих гибкости, электроника — для быстрых операций.

Как долго живут нейроны в таком устройстве?

Команда наблюдала за сетью более шести месяцев. Нейроны поддерживаются питательной средой и остаются функциональными длительное время. Это сравнимо с культивируемыми клетками в биореакторах.

Можно ли использовать человеческие нейроны?

Теоретически да. Но этические и правовые барьеры огромны. Пока работают с клетками грызунов — это стандарт для нейробиологических исследований.

Когда технология выйдет на рынок?

Не раньше чем через 10–15 лет. Нужно решить вопросы масштабирования, стандартизации производства и интеграции с существующими системами. Плюс — регуляторные препятствия.

Читайте также

• В 1000 раз меньше энергии: новая память совершила рывок в криогенной электронике
• Создан первый рабочий цифровой мозг: симуляция на Fugaku открывает эру виртуальной нейробиологии
• Искусственный интеллект делает выбор без сомнений: почему это может быть гораздо опаснее, чем кажется
• Конец человеческой науки: конференцию полностью провёл искусственный интеллект