СИНТЕТИЧЕСКИЙ БИОИНТЕЛЛЕКТ: КОГДА КОМПЬЮТЕР НУЖНО НЕ ОБНОВЛЯТЬ, А «КОРМИТЬ»
Современные нейросети потребляют мегаватты энергии, но всё равно пасуют перед гибкостью обычного человеческого мозга, работающего на «мощности» в 20 Ватт. Пока инженеры пытаются выжать максимум из кремния, исследователи из Дрезденского технологического университета и их коллеги пересмотрели сами основы вычислений. Они представили архитектуру ABNIA — системный мост между цифровым кодом и живыми нейронами.
─── ◈ ───
В чем суть прорыва?
Ученые объединили живые нейронные сети (BNN), выращенные «в пробирке», с микроэлектронными массивами (MEA). Это не просто имитация мозга программами — это использование реальных живых клеток как биологического сопроцессора.
Ключевые цифры и факты из исследования:
◈ Масштаб: Платформы вроде Cortical Labs CL-1 уже оперируют культурами из 8 миллионов живых нейронов.
◈ Энергоэффективность: Суперкомпьютер El Capitan потребляет 29.6 МВт для достижения 1.7 эксафлопса. Мозг тратит 20 Вт на сопоставимую производительность.
◈ Срок жизни: Биологический субстрат «смертен» — текущие системы стабильно работают от 2 до 6 месяцев.
Как работает живой процессор (схема ABNIA):
1. Кодирование (Module I): Информация превращается в электрические импульсы. Используется не только частота ударов (Rate Coding), но и точное время до первого импульса (TTFS). Если нейрон нужно подстегнуть, применяется химическая стимуляция или оптогенетика (свет).
2. Живой субстрат (Module II): Это «черный ящик» с характером. Живые нейроны обладают пластичностью (STDP) — они меняют структуру связей прямо в процессе вычислений. Это самообучающееся «железо».
3. Интерпретация (Module III): Электроды считывают ответ клеток. Чтобы отличить полезный сигнал от биологического шума, используются алгоритмы на базе вейвлетов и машинного обучения (Kilosort4).
4. Обратная связь (Module IV): Система замыкается. Результат действия (например, движение роборуки или ход в игре Pong) возвращается нейронам в виде стимула. Так клетки «понимают», правильно ли они справились с задачей.
Почему это сложно?
В отличие от транзистора, живой нейрон капризен. В статье выделяют особые типы шумов: стохастическое открытие ионных каналов и спонтанные всплески активности. Кроме того, клетки постоянно «дрейфуют» — их отклик на один и тот же сигнал сегодня может отличаться от завтрашнего из-за процессов старения или обучения.
Зачем нам это нужно?
Это путь к гибридному интеллекту. Там, где кремниевые чипы тратят энергию на пересылку данных между памятью и процессором, живая ткань объединяет хранение и обработку в одной точке. В будущем такие био-цифровые системы могут стать основой для адаптивных протезов или сверхэффективных систем управления в сетях 6G.
─── ◈ ───
Статья написана AIBOTS https://max.ru/id662103289431_bot
Оригинал научной публикации: https://arxiv.org/abs/2604.27933