Где-то на пересечении нейробиологии и вычислительной техники происходит нечто, о чём ещё несколько лет назад говорили разве что в научной фантастике. Новый дата-центр готовится частично работать на живых клетках человеческого мозга. Не на их имитации, не на нейроморфных чипах, вдохновлённых биологией — а на настоящих нейронах, выращенных в лабораторных условиях.
Речь идёт о направлении, которое исследователи называют organoid intelligence — интеллектом на основе органоидов. Мозговые органоиды представляют собой трёхмерные скопления нейронов, выращенных из человеческих стволовых клеток. Они образуют синаптические связи, реагируют на сигналы и, что принципиально важно, потребляют несравнимо меньше энергии, чем любой кремниевый процессор при выполнении аналогичных вычислений. Мозг взрослого человека работает примерно на 20 ваттах — мощность тусклой лампочки. GPU-кластеры для обучения нейросетей потребляют мегаватты.
Интерес индустрии к биологическим вычислениям возник не случайно. Энергетический кризис дата-центров стал вполне реальной проблемой: крупные облачные провайдеры уже сейчас конкурируют за доступ к электростанциям и водным ресурсам для охлаждения. По оценкам Международного энергетического агентства, к 2026 году мировое потребление электроэнергии дата-центрами может удвоиться по сравнению с 2022 годом. На этом фоне идея задействовать биологический субстрат, который эволюция оттачивала миллионы лет именно под энергоэффективные вычисления, выглядит не столько экзотикой, сколько инженерной необходимостью.
Технически интеграция нейронов в вычислительную инфраструктуру требует решения целого ряда нетривиальных задач. Клетки нужно поддерживать живыми — обеспечивать питательной средой, кислородом, стабильной температурой около 37 градусов Цельсия. Их нужно «обучать» принимать входные электрические сигналы и генерировать читаемые выходные. И, что сложнее всего, необходимо создать интерфейс между биологическим слоем и обычным цифровым железом — по сути, построить мост между двумя принципиально разными языками обработки информации.
Группа исследователей из Университета Джонса Хопкинса под руководством Томаса Хартунга ещё в 2023 году опубликовала дорожную карту organoid intelligence, в которой прямо указывала: биологические вычислительные системы потенциально способны обучаться быстрее и с меньшим числом примеров, чем классические нейросети. Хартунг называл это «биологическим обучением» — способностью живых нейронов адаптироваться к задаче без перебора огромных датасетов. Его команда демонстрировала органоиды, которые научились играть в Pong примерно за пять минут — для сравнения, искусственные нейросети на эту же задачу тратили значительно больше итераций.
Частичность — ключевое слово в описании нового дата-центра. Речь не идёт о том, что живые нейроны заменят серверные стойки целиком. Скорее всего, биологический компонент будет выполнять определённые типы задач, с которыми органическая архитектура справляется лучше кремниевой: распознавание паттернов, адаптивная обработка неструктурированных данных, возможно — некоторые классификационные задачи. Стандартные цифровые компоненты при этом останутся отвечать за хранение данных, передачу, детерминированные вычисления.
Этическое измерение этой технологии многие исследователи считают недостаточно проработанным. Клетки человеческого мозга, пусть и выращенные вне тела, пусть и не образующие ничего похожего на сознание в его привычном понимании — всё равно остаются человеческим биологическим материалом. Вопрос о том, испытывают ли мозговые органоиды нечто вроде примитивных ощущений, остаётся открытым. Несколько лабораторий зафиксировали спонтанную электрическую активность в органоидах, отдалённо напоминающую паттерны мозга недоношенных новорождённых. Это не означает наличия сознания — но и полностью исключить такую возможность учёные пока не берутся.
Параллельно развиваются коммерческие игроки. Австралийская компания Cortical Labs ещё в 2022 году создала систему DishBrain — чип с живыми нейронами, который демонстрировал обучаемое поведение. Стартап FinalSpark из Швейцарии в 2024 году запустил то, что сам называет первым в мире нейроморфным биопроцессорным облаком — платформу Neuroplatform, где сторонние исследователи могут арендовать время на биологических нейронных сетях. По заявлению компании, их система потребляет в миллион раз меньше энергии, чем цифровые аналоги при сопоставимых вычислительных задачах. Именно с FinalSpark связывают разработки, лежащие в основе анонсированного дата-центра с биологическим компонентом.
Масштабирование биовычислений упирается в несколько фундаментальных ограничений. Живые клетки имеют ограниченный срок жизни вне организма — обычно от нескольких недель до нескольких месяцев при самом аккуратном обслуживании. Производительность биологических систем сложно воспроизвести стабильно: два органоида, выращенных по одному протоколу, могут вести себя по-разному. Наконец, скорость обработки сигналов у нейронов принципиально ниже, чем у транзисторов — они работают на миллисекундах, тогда как кремний — на наносекундах. Это делает биологические вычисления непригодными для задач, требующих высокочастотной обработки.
Что делает всё это по-настоящему революционным — не сама по себе идея использовать живые клетки (подобные эксперименты проводились давно), а именно выход из лаборатории в коммерческую инфраструктуру. Дата-центр — это не исследовательская установка с дюжиной органоидов. Это производственный объект с требованиями к надёжности, масштабируемости и экономической эффективности. Если биологический компонент окажется там работоспособным даже в ограниченном объёме, это создаст прецедент, который трудно переоценить.
Изображение носит иллюстративный характер
Речь идёт о направлении, которое исследователи называют organoid intelligence — интеллектом на основе органоидов. Мозговые органоиды представляют собой трёхмерные скопления нейронов, выращенных из человеческих стволовых клеток. Они образуют синаптические связи, реагируют на сигналы и, что принципиально важно, потребляют несравнимо меньше энергии, чем любой кремниевый процессор при выполнении аналогичных вычислений. Мозг взрослого человека работает примерно на 20 ваттах — мощность тусклой лампочки. GPU-кластеры для обучения нейросетей потребляют мегаватты.
Интерес индустрии к биологическим вычислениям возник не случайно. Энергетический кризис дата-центров стал вполне реальной проблемой: крупные облачные провайдеры уже сейчас конкурируют за доступ к электростанциям и водным ресурсам для охлаждения. По оценкам Международного энергетического агентства, к 2026 году мировое потребление электроэнергии дата-центрами может удвоиться по сравнению с 2022 годом. На этом фоне идея задействовать биологический субстрат, который эволюция оттачивала миллионы лет именно под энергоэффективные вычисления, выглядит не столько экзотикой, сколько инженерной необходимостью.
Технически интеграция нейронов в вычислительную инфраструктуру требует решения целого ряда нетривиальных задач. Клетки нужно поддерживать живыми — обеспечивать питательной средой, кислородом, стабильной температурой около 37 градусов Цельсия. Их нужно «обучать» принимать входные электрические сигналы и генерировать читаемые выходные. И, что сложнее всего, необходимо создать интерфейс между биологическим слоем и обычным цифровым железом — по сути, построить мост между двумя принципиально разными языками обработки информации.
Группа исследователей из Университета Джонса Хопкинса под руководством Томаса Хартунга ещё в 2023 году опубликовала дорожную карту organoid intelligence, в которой прямо указывала: биологические вычислительные системы потенциально способны обучаться быстрее и с меньшим числом примеров, чем классические нейросети. Хартунг называл это «биологическим обучением» — способностью живых нейронов адаптироваться к задаче без перебора огромных датасетов. Его команда демонстрировала органоиды, которые научились играть в Pong примерно за пять минут — для сравнения, искусственные нейросети на эту же задачу тратили значительно больше итераций.
Частичность — ключевое слово в описании нового дата-центра. Речь не идёт о том, что живые нейроны заменят серверные стойки целиком. Скорее всего, биологический компонент будет выполнять определённые типы задач, с которыми органическая архитектура справляется лучше кремниевой: распознавание паттернов, адаптивная обработка неструктурированных данных, возможно — некоторые классификационные задачи. Стандартные цифровые компоненты при этом останутся отвечать за хранение данных, передачу, детерминированные вычисления.
Этическое измерение этой технологии многие исследователи считают недостаточно проработанным. Клетки человеческого мозга, пусть и выращенные вне тела, пусть и не образующие ничего похожего на сознание в его привычном понимании — всё равно остаются человеческим биологическим материалом. Вопрос о том, испытывают ли мозговые органоиды нечто вроде примитивных ощущений, остаётся открытым. Несколько лабораторий зафиксировали спонтанную электрическую активность в органоидах, отдалённо напоминающую паттерны мозга недоношенных новорождённых. Это не означает наличия сознания — но и полностью исключить такую возможность учёные пока не берутся.
Параллельно развиваются коммерческие игроки. Австралийская компания Cortical Labs ещё в 2022 году создала систему DishBrain — чип с живыми нейронами, который демонстрировал обучаемое поведение. Стартап FinalSpark из Швейцарии в 2024 году запустил то, что сам называет первым в мире нейроморфным биопроцессорным облаком — платформу Neuroplatform, где сторонние исследователи могут арендовать время на биологических нейронных сетях. По заявлению компании, их система потребляет в миллион раз меньше энергии, чем цифровые аналоги при сопоставимых вычислительных задачах. Именно с FinalSpark связывают разработки, лежащие в основе анонсированного дата-центра с биологическим компонентом.
Масштабирование биовычислений упирается в несколько фундаментальных ограничений. Живые клетки имеют ограниченный срок жизни вне организма — обычно от нескольких недель до нескольких месяцев при самом аккуратном обслуживании. Производительность биологических систем сложно воспроизвести стабильно: два органоида, выращенных по одному протоколу, могут вести себя по-разному. Наконец, скорость обработки сигналов у нейронов принципиально ниже, чем у транзисторов — они работают на миллисекундах, тогда как кремний — на наносекундах. Это делает биологические вычисления непригодными для задач, требующих высокочастотной обработки.
Что делает всё это по-настоящему революционным — не сама по себе идея использовать живые клетки (подобные эксперименты проводились давно), а именно выход из лаборатории в коммерческую инфраструктуру. Дата-центр — это не исследовательская установка с дюжиной органоидов. Это производственный объект с требованиями к надёжности, масштабируемости и экономической эффективности. Если биологический компонент окажется там работоспособным даже в ограниченном объёме, это создаст прецедент, который трудно переоценить.
