Komputery hodowane z ludzkich komórek mózgowych

Wstęp: żywy dowód koncepcji

W hali konferencyjnej w Barcelonie w marcu 2025 roku kompaktowe pudełko przyciągało coś więcej niż tylko ciekawość: zawierało żywe ludzkie neurony utrzymywane przy życiu i połączone z krzemem, co twórcy nazwali komercyjnym „biokomputerem”. Urządzenie, znane jako CL1, bazuje na eksperymentach, w których hodowane neurony uczyły się grać w zręcznościową grę Pong, a później wykonywały podstawowe rozpoznawanie mowy — co stanowi dowód koncepcji, że ludzkie komórki mózgowe można skłonić do wykonywania obliczeń po sparowaniu ich z elektrodami i oprogramowaniem. Te eksperymenty oraz idące za nimi plany biznesowe zepchnęły tę cichą, ale szybko rozwijającą się dziedzinę badań na czołówki gazet i do debat politycznych.

Od Ponga i obliczeń rezerwuarowych po biokomputery stacjonarne

Publiczna historia powstania tej dziedziny często wskazuje na artykuł w czasopiśmie „Neuron” z 2022 roku, w którym system o nazwie DishBrain wykorzystywał sieci hodowanych neuronów kory mózgowej — pochodzących z ludzkich komórek macierzystych oraz od gryzoni — zamontowane na matrycach wieloelektrodowych o wysokiej gęstości w celu interakcji z symulowanym środowiskiem gry Pong. W tym układzie o zamkniętej pętli ustrukturyzowana stymulacja elektryczna dostarczała stan gry jako „wejście sensoryczne”, a impulsy neuronów kierowały paletką; hodowle dostosowywały swoją aktywność w sposób, który autorzy opisali jako uczenie się. Eksperyment ten nie był czującym umysłem, ale wykazał, że żywą tkankę neuronową można umieścić w pętli sprzężenia zwrotnego i zmieniać jej reakcje w celu wykonania zadania.

Inne zespoły akademickie szybko poszły w ich ślady. Grupa z Indiana University opublikowała artykuł w „Nature Electronics” przedstawiający system obliczeń rezerwuarowych oparty na organoidach mózgowych — nazwany Brainoware — który rozpoznawał mówców na podstawie krótkich dźwięków samogłosek i rozwiązywał proste zadania nieliniowej predykcji po krótkim okresie szkolenia. W tych demonstracjach wykorzystano tkankę mózgową jako adaptacyjne, energooszczędne podłoże wewnątrz hybrydowego systemu, w którym cyfrowe warstwy odczytu interpretują aktywność neuronalną.

Jak organoidy i matryce elektrod wykonują „obliczenia”

Na poziomie technicznym konfiguracje te współdzielą prostą architekturę: populacje neuronów są hodowane z komórek macierzystych w klastry lub organoidy i umieszczane na matrycach wieloelektrodowych (MEA) lub w ich pobliżu. MEA odczytuje serie impulsów — sygnały elektryczne neuronów — a także może dostarczać precyzyjnie wymierzone impulsy, które działają jako dane wejściowe lub nagrody. Naukowcy tłumaczą dane (stan gry, klip dźwiękowy, sygnał z czujnika) na wzorce stymulacji, pozwalają żywej sieci zareagować, a następnie używają metod uczenia maszynowego do dekodowania aktywności neuronalnej z powrotem na dane wyjściowe. „Uczenie się” systemu wynika z wewnętrznej plastyczności tkanki: połączenia neuronalne wzmacniają się lub osłabiają, zmieniając wzorce reakcji sieci bez konieczności przepisywania oprogramowania.

Komercjalizacja i rozwój modelu „wetware-as-a-service”

To, co było akademicką ciekawością, stało się hipotezą rynkową. Startupy i zespoły uniwersyteckie promują teraz sprzęt oparty na organoidach oraz dostęp do niego w chmurze. Cortical Labs — jeden z pionierów stojących za DishBrain — publicznie zaprezentował w 2025 roku stacjonarny biokomputer CL1 i przedstawił plany dotyczące jednostek lokalnych (on-premise) oraz dostępu w chmurze, który w marketingu firmy nazywany jest „wetware-as-a-service”. Inne firmy i platformy badawcze oferują zdalny dostęp do matryc organoidów, dzięki czemu laboratoria mogą prowadzić eksperymenty bez konieczności hodowania tkanki na miejscu. Zwolennicy wskazują na potencjalne zalety: efektywność energetyczną w przypadku określonych zadań adaptacyjnych, istotne dla ludzi modele do badań przesiewowych leków oraz nowe narzędzia eksperymentalne dla neuronauki.

Zastosowania krótkoterminowe: testowanie leków, modele i czujniki hybrydowe

Większość ekspertów upatruje wartości w bliższej perspektywie raczej w zastosowaniach biomedycznych i naukowych niż w zastępowaniu procesorów GPU w centrach danych. Platformy organoidowe pozwalają badaczom testować leki bezpośrednio na ludzkiej tkance neuronowej, badać mechanizmy rozwoju i chorób oraz ograniczać testy na zwierzętach. Systemy hybrydowe zaproponowano również do specjalistycznych czujników i robotyki, gdzie znaczenie mogą mieć energooszczędne sterowniki adaptacyjne. Kilka zespołów bada zadania klasyfikacji — sygnały mowy lub dotykowe, czy predykcję chaotycznych szeregów czasowych — które demonstrują możliwości, pozostając jednocześnie daleko od ogólnej inteligencji.

Etyka, semantyka i zarządzanie

Szybki postęp technologii wyprzedził wiele istniejących ram etycznych. Kiedy w artykule na temat DishBrain użyto języka odnoszącego się do „zdolności odczuwania” (sentience), wywołało to natychmiastowy sprzeciw i naukową debatę na temat terminologii, środków ostrożności oraz moralnego znaczenia wyhodowanej w laboratorium tkanki neuronowej. Etycy domagają się jasności — odróżnienia reaktywności, uczenia się i przetwarzania informacji od świadomości fenomenalnej — oraz wzywają do zaktualizowania nadzoru, który obejmowałby zgodę, prawa dawców, pieczę nad tkankami oraz możliwość (choć dziś odległą) pojawienia się istotnych moralnie doznań w przyszłych systemach. Organy krajowe i przeglądy akademickie zaleciły kroki w zakresie zarządzania: doprecyzowanie procesów uzyskiwania zgody, opracowanie kryteriów oceny potencjału odczuwania oraz koordynację międzynarodowych wytycznych, aby komercjalizacja nie wyprzedziła zabezpieczeń.

Dwie dynamiki sprawiają, że dyskusja o etyce jest pilna. Po pierwsze, firmy dążące do komercjalizacji biokomputerów mają motywację biznesową do używania sugestywnego języka, który przyciąga finansowanie i klientów. Po drugie, biologiczne podłoże to nie tylko kod; to materiał pochodzenia ludzkiego, który wiąże się z obawami dawców i społeczeństwa dotyczącymi tożsamości, ponownego wykorzystania i godności. Wielu etyków zaleca zasady dostosowane do specyficznych zagrożeń tej technologii, zamiast adaptowania ram zaprojektowanych dla klasycznych badań biomedycznych.

Ograniczenia naukowe i sporne twierdzenia

Poza etyką, weryfikacji muszą zostać poddane twierdzenia techniczne. Dotychczasowe demonstracje pokazują wyspecjalizowane zadania na małą skalę i opierają się na architekturach hybrydowych, w których klasyczny sprzęt wciąż wykonuje najtrudniejszą pracę (kodowanie danych wejściowych, dekodowanie wyjściowych). Badacze podkreślają, że organoidy nie są małymi mózgami: brakuje im warstwowej, dalekosiężnej łączności i kontekstu rozwojowego nienaruszonego ludzkiego mózgu. Powtarzalność w różnych laboratoriach, długoterminowa stabilność sieci organoidów oraz inżynieria potrzebna do przeskalowania ich w niezawodne urządzenia pozostają problemami otwartymi. Niektórzy zwolennicy postrzegają organoidy jako uzupełnienie krzemu — oferujące efektywne pod względem próbek uczenie się i zalety energetyczne w konkretnych problemach — a nie jako bezpośredni zamiennik konwencjonalnych systemów obliczeniowych.

Droga przed nami: umiarkowany optymizm

To, co liczy się teraz, to nie tyle binarne pytanie o to, czy można zbudować „mózg w pudełku”, ile problem z pogranicza polityki i nauki: jak przyspieszyć użyteczne zastosowania o niskim ryzyku, ograniczając jednocześnie szkody i wyjaśniając oczekiwania społeczne. Oznacza to, że darczyńcy, organy regulacyjne i społeczności badawcze muszą uzgodnić standardy zgody na wykorzystanie tkanki dawców, przejrzystość w kwestii tego, co systemy żywe mogą, a czego nie mogą robić, oraz wspólne mierniki oceny ewentualnego wyłaniającego się statusu moralnego. Równoległe prace techniczne — poprawa powtarzalności, stymulacja nieinwazyjna i ustandaryzowane interfejsy MEA — zadecydują o tym, czy obliczenia organoidowe pozostaną laboratoryjną nowinką, czy staną się niezawodnym narzędziem dla medycyny i specjalistycznych obliczeń.

Krótko mówiąc: eksperymenty z ostatnich kilku lat pokazują, że żywa ludzka tkanka neuronowa może być wykorzystywana jako część hybrydowych systemów obliczeniowych, a firmy podejmują kroki w celu komercjalizacji tych idei. To, czy społeczeństwo potraktuje to jako etycznie problematyczne pogranicze, czy jako pragmatyczny nowy instrument laboratoryjny, będzie zależeć od otwartości społeczności badawczej, siły nadzoru i realizmu publicznego dyskursu na temat tego, co ta biologia faktycznie robi.

Źródła

• Neuron (Kagan et al., „DishBrain” — neurony in vitro uczą się i wykazują zachowania adaptacyjne).
• Nature Electronics (Guo et al., „Brain organoid reservoir computing”).
• Indiana University (badania i materiały prasowe Brainoware).
• University of Bristol (rozpoznawanie alfabetu Braille’a przez organoidy / strategie kodowania, preprint arXiv).
• Nature Reviews Bioengineering oraz raporty National Academies na temat etyki i zarządzania organoidami.