От Pong к трёхмерному миру — австралийский стартап открыл эру биологических вычислений
Представьте: крошечный кусочек живой ткани, выращенный в лаборатории из человеческих клеток, подключён к электродам и пытается ориентироваться в трёхмерном лабиринте, искать врагов и стрелять. Это не сценарий фантастического фильма, а реальность марта 2026 года.
Австралийская компания Cortical Labs не просто создала биокомпьютер CL1 с 200 тысячами живых человеческих нейронов на чипе — она заставила эту «мозговую пылинку» играть в культовый шутер Doom. Клетки пока действуют на уровне новичка, но сам факт того, что живая ткань способна осваивать сложную трёхмерную среду, переворачивает представления о будущем вычислений.
Редакция изучила информацию о Cortical Labs, интервью основателей, экспертные оценки и планы компании по строительству первых в мире «био-дата-центров», чтобы представить полную картину прорыва, который может изменить всё — от энергопотребления до искусственного интеллекта.
1. Анатомия CL1: как работает биокомпьютер
В основе CL1 лежит микроэлектродная матрица — чип, на котором в специальной питательной среде выращивают около 200 тысяч живых человеческих нейронов . Эти нейроны получены из донорских клеток крови, перепрограммированных в стволовые клетки, а затем в нейроны .
Как это устроено:
- Чип с нейронами помещён в герметичный модуль с системой жизнеобеспечения
- Питательный раствор постоянно циркулирует, удаляя отходы и подавая кислород
- Электроды могут как считывать электрическую активность нейронов, так и стимулировать их
- Температура, газовый состав и фильтрация контролируются автоматически
Срок жизни такой системы — до шести месяцев, хотя в лабораторных условиях клетки удавалось поддерживать живыми до 500 дней . Каждый CL1 потребляет всего около 30 ватт электроэнергии — в сотни раз меньше, чем современные GPU для AI-нагрузок .
2. От Pong к Doom: эволюция за пять лет
История началась в 2021 году, когда Cortical Labs впервые показала систему DishBrain с 800 тысячами нейронов, научившуюся играть в аркадный Pong . Тогда это был научный курьёз: клетки получали сигнал о положении мяча и учились отбивать его, двигая ракеткой.
Почему Doom — это качественный скачок:
Pong — двумерная игра с одним правилом. Doom — трёхмерный мир с лабиринтами, врагами, оружием и необходимостью принимать решения в реальном времени .
Главная техническая проблема: как «показать» игру клеткам, у которых нет глаз? Решение нашёл независимый разработчик Шон Коул. За неделю он написал на Python интерфейс, который преобразует видеоряд игры в паттерны электрической стимуляции, подаваемые на электроды .
Как нейроны «видят» игру:
- Изображение разбивается на параметры: положение в лабиринте, наличие врагов, расстояние до препятствий
- Эти параметры кодируются разными частотами и паттернами стимуляции
- Нейроны отвечают своей активностью, которая декодируется обратно в команды: движение, поворот, выстрел
Если нейроны разряжаются в одном паттерне — персонаж стреляет, в другом — двигается вправо, и так далее .
3. Цифры и факты: что уже достигнуто
Технические параметры CL1:
- 200 000 нейронов на один чип (всего в системе до 800 тысяч)
- 30 Вт энергопотребления на устройство
- $35 000 стоимость одного CL1
- 6 месяцев расчётный срок жизни
- 500 дней максимальный зафиксированный срок
Игровые результаты:
- Время обучения: около недели
- Текущий уровень: «играет как новичок, который никогда не видел компьютера»
- Скорость обучения выше, чем у традиционных AI-систем на кремнии
- Клетки демонстрируют «адаптивное целе-ориентированное обучение в реальном времени»
Как объясняет научный директор компании Бретт Каган: «Они ищут врагов, стреляют, поворачиваются — и хотя часто погибают, они учатся» .
4. Кейс: независимый разработчик против корпорации
Отдельного внимания заслуживает история создания интерфейса. Cortical Labs открыла свою инфраструктуру для разработчиков через облачный доступ и API ещё в конце 2025 года . В одном из хакатонов, организованных Стэнфордским университетом, участвовал независимый разработчик Шон Коул.
У него не было глубокого опыта в биологических вычислениях . Но благодаря тому, что Cortical Labs предоставила возможность программировать на стандартном Python , Коул всего за неделю создал рабочий интерфейс для Doom.
Для компании это стало важным подтверждением концепции: технология становится доступной не только узким специалистам, но и широкому сообществу разработчиков. Как заявил CEO Hon Weng Chong: «Мы хотим дать исследователям с отличными идеями этот инструмент, чтобы они могли применять его в областях, о которых мы даже не думали» .
5. Энергетический аргумент: почему это важно
Параллельно с игровыми экспериментами Cortical Labs объявила о строительстве первых в мире «био-дата-центров» — в Мельбурне и Сингапуре .
Мельбурн: прототип на 120 CL1 уже работает
Сингапур: проект с оператором DayOne, старт с 20 устройств, расширение до 1000
Почему это революционно:
Современные AI-дата-центры потребляют огромное количество энергии. Один чип Nvidia H100 требует до 700 Вт, а стойка — тысячи ватт . CL1 потребляет 30 Вт. Стойка из 30 CL1 — около 900–1000 Вт .
Профессор Пол Роуч из Университета Лафборо отмечает: «Масштабирование до уровня дата-центра может дать огромную экономию энергии. Вероятно, потребуется гораздо меньше энергии на охлаждение по сравнению с существующими системами» .
6. Применения: от протезов до кибербезопасности
Исследователи видят несколько направлений, где биовычисления могут дать преимущество перед традиционным кремнием.
Роботизированные протезы: Нейроны могут учиться управлять сложными движениями так же, как учится мозг . Это открывает путь к протезам, которые «чувствуют» себя частью тела.
Физические AI-системы: Дроны и роботы, работающие в реальном мире, требуют мгновенной реакции и адаптации. Биологические нейросети эволюционно заточены под это .
Кибербезопасность: Неожиданное направление, которое уже начинают исследовать . Способность нейронов обнаруживать аномалии может быть использована для выявления атак.
Фундаментальные исследования: CL1 становится платформой для изучения работы нейронов, обучения, памяти. По сути, это уменьшенная модель мозга для экспериментов .
7. Лагерь скептиков: вопросы без ответов
Не все эксперты разделяют оптимизм. Исследователи указывают на ряд нерешённых проблем.
Непонятен механизм обучения. Как именно 200 тысяч нейронов без глаз «понимают» трёхмерную сцену — остаётся загадкой .
Нет долговременной памяти. Нейроны учатся, но результаты обучения могут исчезать после завершения цикла жизни клеток .
Масштабирование под вопросом. 200 тысяч нейронов — это ничтожно мало по сравнению с десятками миллиардов в человеческом мозге . Неясно, сохранятся ли преимущества при увеличении масштаба.
Сложность поддержки. Обслуживание биосистем требует постоянного контроля питательной среды, замены трубок каждые 5-6 месяцев . Это сложнее, чем включить кремниевый чип.
Профессор Майкл Баррос из Университета Эссекса резюмирует: «Биологические компьютеры требуют значительных затрат и усилий для создания. Попытка Cortical Labs может стать первым случаем, когда биокомпьютеры станут доступны в масштабе, но пока это экспериментальная фаза» .
8. Лагерь этиков: чьи это клетки?
Технология поднимает не только технические, но и этические вопросы .
Чья ДНК используется? Нейроны создаются из донорских клеток. Если биокомпьютеры станут массовыми, не окажемся ли мы в ситуации, где тысячи устройств содержат нейроны одного человека?
Что, если нейроны начнут использоваться для создания, скажем, AI-порно? Сегодня это звучит как научная фантастика, но через поколение может стать рутиной — так же, как сегодня использование сложных процессоров для тех же целей.
Есть ли у нейронов «права»? Пока 200 тысяч клеток — не сознание. Но где граница?
Компания запустила «Cortical Cloud» — облачный доступ к CL1 через Python API для разработчиков по всему миру . Академический дух заслуживает уважения, но он же открывает ящик Пандоры.
9. Технические детали: как это сделано
Для тех, кому интересна инженерия:
Микроэлектродная матрица: поверхность с тысячами электродов, на которой нейроны формируют сеть. Электроды могут как стимулировать клетки, так и записывать их активность .
Система жизнеобеспечения: герметичный модуль с насосом, прокачивающим питательный раствор. Контролируются температура, CO2, pH .
biOS (биологическая операционная система): проприетарное ПО Cortical Labs, которое управляет взаимодействием между цифровым миром и нейронами .
API: доступен для программирования на Python .
Модель оплаты: «Wetware-as-a-Service» — около $300 в неделю за удалённый доступ к нейронным сетям .
Что в итоге?
История с Doom — не просто забавный эксперимент. Это доказательство концепции: живые нейроны можно использовать как вычислительный субстрат, и они способны решать сложные задачи в реальном времени.
Ключевые выводы:
- От Pong к Doom за пять лет — прогресс ускоряется. То, что требовало длительных исследований, теперь делается за неделю одним разработчиком .
- Энергоэффективность — главный козырь. 30 Вт против тысяч у GPU — в мире, где дата-центры пожирают электричество, это может стать решающим аргументом .
- Живые системы учатся иначе. Скорость обучения нейронов выше, чем у традиционных AI . Возможно, мы наблюдаем рождение новой парадигмы.
- Проблем больше, чем ответов. Мы не понимаем механизмов обучения, не умеем сохранять память, не знаем, как масштабировать .
- Этика догоняет технологию. Вопросы о происхождении клеток, правах и границах использования только начинают обсуждаться .
Прогноз:
В ближайшие 3-5 лет биовычисления не заменят кремний. Но они займут свою нишу: задачи, требующие адаптивности, энергоэффективности, работы в реальном мире. Роботы на биопроцессорах, протезы, управляемые нейросетями, системы кибербезопасности, обучающиеся как живой мозг — это не фантастика, а дорожная карта Cortical Labs .
Главный вопрос не в том, сможем ли мы заставить нейроны играть в игры. Главный вопрос — сможем ли мы понять, как они это делают, и использовать этот принцип до того, как технология начнёт задавать вопросы нам.