Zagrał w Dooma lepiej niż losowy gracz. W środku są ludzkie neurony

Jesteśmy całkiem bliscy wprowadzenia funkcjonalnych biologicznych komputerów. Jednak zanim dojdziemy do momentu, gdy znajdą one praktyczne zastosowanie, muszą być przetestowane, czy do czegoś się nadają. Naukowcy sprawdzili więc, jak radzą sobie z... graniem w gry – rezultat badania jest fascynujący.

Biomaszyna wytrenowana w Pythonie

Komputer za 35 tysięcy dolarów, mieszczący się w jednej obudowie i działający nie na krzemie, lecz na żywych komórkach mózgowych, właśnie nauczył się grać w jedną z najbardziej kultowych strzelanek w historii.

Australijska firma Cortical Labs od 2025 roku sprzedaje urządzenie CL1 — biokomputer, w którym umieszczono około 200 tysięcy ludzkich neuronów połączonych z chipem wyposażonym w 59 elektrod. Komórki pozyskuje się z próbek skóry lub krwi dawców, następnie przeprogramowuje w komórki macierzyste i różnicuje w neurony. Całość utrzymywana jest w specjalnym systemie podtrzymywania życia – z kontrolą temperatury, filtracją odpadów i odpowiednią mieszanką gazów. W takich warunkach neurony mogą funkcjonować nawet przez pół roku.

Do niedawna programowanie takich układów wymagało zaawansowanej wiedzy biologicznej. Cortical Labs to zmieniło, udostępniając API obsługiwane w Pythonie. Skorzystał z tego niezależny programista Sean Cole, który w zaledwie tydzień nauczył biokomputer grać w Dooma.

Zasada działania jest prosta – obraz z gry zamieniany jest na wzorce impulsów elektrycznych wysyłanych do odpowiednich obszarów sieci neuronów. Jeśli przeciwnik pojawia się po lewej stronie ekranu, stymulowana jest lewa część układu. Neurony odpowiadają własnymi sygnałami, które system interpretuje jako ruchy postaci — skręt, krok, strzał.

Gra gorzej niż człowiek, ale uczy się szybciej niż klasyczna AI

Biokomputer nie dorównuje umiejętnościom przeciętnego gracza, ale radzi sobie znacznie lepiej niż losowe ruchy. Co ważniejsze, uczy się szybciej niż klasyczne systemy głębokiego uczenia oparte na krzemowych układach. Naukowcy tłumaczą to plastycznością biologicznych sieci neuronowych — tą samą cechą, która sprawia, że ludzki mózg potrafi błyskawicznie adaptować się do nowych sytuacji.

Dla porównania: gdy w 2021 roku firma próbowała nauczyć wcześniejszy chip grać w Ponga, zajęło to lata badań i wymagało ponad 800 tysięcy neuronów. Doom — gra znacznie bardziej złożona, trójwymiarowa i wymagająca reagowania na wrogów — został opanowany w kilka dni, na układzie czterokrotnie mniejszym.

Eksperyment nie został stworzony dla zabawy. Ostateczny cel jest inny

Badacze podkreślają, że Doom jest jedynie efektowną demonstracją możliwości. Prawdziwy cel to sterowanie protezami i robotycznymi kończynami — zadanie wymagające dokładnie tych umiejętności, które CL1 właśnie pokazał: reagowania w czasie rzeczywistym, uczenia się na błędach i podejmowania decyzji w warunkach niepewności.