Cortical Labs разрабатывает системы, в которых культивируемые нейроны соединены с цифровой средой через микроэлектродную матрицу. Это направление называют synthetic biological intelligence (SBI). Оно интересно для нейробиологии, но его не стоит путать с заменой GPU, универсальным ИИ или доказательством сознания клеточной культуры.
Что показал эксперимент DishBrain
В статье 2022 года в Neuron исследователи описали систему DishBrain: культуры человеческих нейронов, полученных из индуцированных плюрипотентных стволовых клеток, и первичных нейронов мыши размещались на высокоплотной микроэлектродной матрице. Электрическая стимуляция передавала системе состояние упрощённой игры, а зарегистрированная активность нейронов управляла движением ракетки.
Авторы сообщили об улучшении результата в замкнутом контуре обратной связи; эффект не наблюдался в контрольных условиях без такой связи. Это важный результат для исследований адаптации нейронных культур, но не демонстрация решения широкого класса задач и не сопоставимый тест с обучением современных языковых моделей.
Термин sentience присутствует в названии исходной статьи и остаётся предметом научной дискуссии. Из одного эксперимента с клеточной культурой нельзя сделать вывод о субъективном опыте или сознании: для этого нет общепринятого измеримого критерия, применённого в работе.
Что известно о CL1 и Cortical Cloud
Компания представляет CL1 как биологический компьютер, а Cortical Cloud — как облачный способ работать с такими системами через программный интерфейс. В официальном описании сервиса указано, что разработчик может запускать собственный код на доступном экземпляре CL1 через Python SDK.
Публичные страницы компании не являются независимой оценкой производительности. Поэтому к утверждениям о цене доступа, числе доступных установок, точном сроке жизни культуры, количестве каналов и сравнении с GPU следует относиться осторожно: их можно использовать только при наличии актуальной спецификации или договора поставки.
Чем биологическая система не является
CL1 не публикуется как ускоритель для обучения трансформеров и не имеет общепринятого бенчмарка, по которому его можно честно сравнить с Nvidia H100 или другим GPU. У этих систем разные вычислительные модели, измерения и цели.
Корректнее рассматривать такие установки как исследовательский инструмент: они позволяют наблюдать, стимулировать и изучать динамику живой нейронной культуры в управляемом контуре. Практическая ценность конкретного эксперимента зависит от протокола, контрольных групп, воспроизводимости и независимой проверки результатов.
Как читать новости о «живых компьютерах»
При оценке подобных анонсов полезно разделять три уровня:
- Научный результат — что именно измерили, с какими контролями и ограничениями.
- Продукт компании — какие функции и доступ она заявляет сегодня.
- Интерпретация — выводы о будущем вычислений, сознании или замене кремниевых систем.
Первые два уровня можно проверять по публикации и документации. Третий требует особенно осторожной формулировки: текущие результаты показывают направление исследований, а не готовую альтернативу традиционным вычислениям.
