Могут ли биокомпьютеры на основе нейронов человека заменить традиционные? В чём их потенциал

В последние годы научное сообщество активно обсуждает перспективы использования компьютеров, функционирующих на основе живых человеческих нейронов, вместо традиционных кремниевых чипов. Эти системы, известные как «мокрое железо» или биокомпьютеры, представляют собой миниатюрные группы мозговых клеток, выращенных из стволовых клеток. Они способны воспринимать электрические сигналы, обрабатывать их и реагировать активностью, напоминающей примитивные вычислительные процессы. Эта технология может определить будущее компьютерной индустрии. **Принцип работы нейрокомпьютеров** В основе таких систем лежат нейроны, полученные из индуцированных плюрипотентных стволовых клеток. Эти клетки перепрограммируют и направляют к развитию нервной ткани. Затем их размещают на массивах электродов, через которые посылают последовательности электрических импульсов. Ответы клеток считывают и с помощью алгоритмов преобразуют в цифровую информацию. Один из наиболее распространённых методов — выращивание трёхмерных кластеров нейронов, так называемых органоидов мозга. Эти структуры включают различные типы клеток, такие как нейроны, астроциты, олигодендроциты и другие поддерживающие элементы, формируя миниатюрные нейронные сети. Исследовательские группы и компании разрабатывают платформы удалённого доступа, позволяющие «арендовать» такие органоиды и отправлять им задачи через интернет в виде закодированных электрических сигналов. Электроды фиксируют коллективную активность нейронов, а алгоритмы машинного обучения помогают выделять устойчивые ответы на различные входные сигналы. **Применение биокомпьютеров** Исследователи продемонстрировали, что небольшой органоид, состоящий примерно из 10 000 нейронов, способен различать буквы шрифта Брайля по характеру электрической стимуляции. Это свидетельствует о его способности выполнять простые задачи по распознаванию образов. Объединение ответов нескольких органоидов значительно повышает точность классификации, что напоминает использование ансамблей моделей в классическом машинном обучении. Другие команды показали, что сети культивированных нейронов могут обучаться управлению виртуальными объектами в простых видеоиграх, таких как Pong или Cartpole. При «правильных» действиях нейроны получают упорядоченную стимуляцию, а за ошибки — хаотический сигнал.