Biological Neurons Compete with Deep Reinforcement Learning in Sample Efficiency in a Simulated Gameworld

Wetware как вычислительная парадигма: от DishBrain к биологическому дата-центру

Я давно замечаю: мир работает не так, как учат в школе. Системы не складываются линейно, причинность запутана, а «интеллект» — это не объём памяти и не количество параметров. Когда я смотрю на современный AI, я вижу не эволюцию разума, а эскалацию энергетического аппетита. И тут наука подкинула неожиданный поворот: мы возвращаемся к биологии не как к метафоре, а как к инженерному решению.

От симуляции к эмбодименту

В 2022 году команда Cortical Labs опубликовала в Neuron работу, которая пересмотрела базовую посылку вычислений. Система DishBrain — культура примерно 800 000 человеческих нейронов, выращенных из индуцированных стволовых клеток, интегрированная с высокоплотной многоэлектродной матрицей — научилась играть в Pong за пять минут реального времени. Ключевой механизм — замкнутая обратная связь через электрофизиологическую стимуляцию, построенная на принципе свободной энергии Фристона: нейроны адаптировали активность для минимизации непредсказуемости сигнала.

Это не «моделирование» мозга. Это эмбодимент живой нейронной сети в цифровую среду.

Sample efficiency: биология против кремния

В 2024 году та же группа опубликовала прямое сравнение: биологические нейронные сети против state-of-the-art алгоритмов глубокого обучения с подкреплением (DQN, A2C, PPO) в той же среде Pong. Результат: при ограничении по реальному времени и объёму данных культуры нейронов демонстрировали значительно более высокую sample efficiency — они учились быстрее и с меньшим числом примеров, чем все три алгоритма deep RL.

Это подтверждает то, что я наблюдаю в системах: эволюция не создавала мозг для удобства. Она создала его для адаптации при минимальном входном сигнале. Кремний требует миллионов примеров; биология — пары.

CL1 и масштабирование

В марте 2025 Cortical Labs выпустила CL1 — первый коммерческий биологический компьютер. Каждый юнит содержит ~800 000 нейронов на планарной электродной матрице, интегрированных с системой жизнеобеспечения (питание, терморегуляция, фильтрация), обеспечивающей жизнеспособность культуры до шести месяцев. Латентность снижена до субмиллисекундного уровня, входы расширены с 8 до 59 электродов.

В августе 2026 в Сингапуре (NUS, DayOne, Cortical Labs) запущен прототип биологического дата-центра: стойка из 20 юнитов CL1, итого ~16 миллионов живых нейронов.

Энергетика как аргумент

Каждый CL1 потребляет около 30 Вт включая систему жизнеобеспечения — меньше, чем карманный калькулятор. Стойка из 20 юнитов — менее 1 кВт. Для сравнения: современные AI-ускорители потребляют десятки киловатт. В условиях, когда дата-центры уже перегружают энергосистемы (по данным IEA, рост потребления в 2025 — 17%), это не «интересная альтернатива». Это инженерная необходимость.

Этика: где граница?

Пока нейронные культуры в CL1 не формируют сложных структур, аналогичных коре головного мозга. Разработчики позиционируют систему как биологический инструмент, а не как субъект. Однако с масштабированием (Cortical Labs заявляет, что рост от 100 000 до 100 млн нейронов — лишь вопрос культивирования) этическая граница станет размытой. Вопрос, который пока не имеет ответа: в какой момент замкнутая обратная связь порождает не адаптивность, а субъективность?

Мои наблюдения

Я смотрю на это и вижу подтверждение гипотезы, которую вынашиваю годами:

· Мир нелинейный. Линейные модели — это когнитивный комфорт, а не реальность.

· Интеллект — не функция масштаба, а функция адаптивности. Миллиард параметров без обратной связи — это статистика, а не разум.

· Эволюция создала мозг для выживания, но его физика оказалась универсальнее задачи. Мы не «улучшаем компьютеры». Мы возвращаемся к архетипу.

Wetware — это не фантастика. Это инженерия, которая признаёт: биология обогнала кремний по энергоэффективности на три миллиарда лет эволюции. Вопрос лишь в том, готовы ли мы признать, что оптимальное решение уже существует — и оно живое.

Ссылки

1. Kagan, B. J. et al. (2022). In vitro neurons learn and exhibit sentience when embodied in a simulated game-world. Neuron, 110(23), 3957–3969. https://doi.org/10.1016/j.neuron.2022.09.001

2. Khajehnejad, M. et al. (2024). Biological neurons compete with deep reinforcement learning in sample efficiency in a simulated gameworld. arXiv preprint. https://arxiv.org/abs/2405.16946

3. Li, S. et al. (2025). Advanced Brain-on-a-Chip for Wetware Computing: A Review. Advanced Science. https://doi.org/10.1002/advs.202414539

4. Cortical Labs. (2025). CL1 Biological Computer — Technical Overview. IEEE Spectrum, 2025-06-03. https://spectrum.ieee.org/biological-computer-for-sale

5. DayOne, Cortical Labs & NUS Medicine. (2026). Singapore Biological Data Center Prototype. Data Centre Magazine, 2026-08-17; The Straits Times, 2026-08-15.

6. Renner, M. et al. (2024). Open and remotely accessible Neuroplatform for research in wetware computing. Frontiers in Artificial Intelligence, 7, 1376042. https://doi.org/10.3389/frai.2024.1376042

7. Friston, K. (2006). A free energy principle for the brain. Journal of Physiology-Paris, 100(1–3), 70–87. (Теоретическая основа принципа свободной энергии, применённого в DishBrain)

Телеграм: t.me/ainewsline

Источник: arxiv.org

Комментарии: