Органоиди четат Брайл и направляват робот-куче

Екип от Университета в Бристъл публикува на 16 октомври доказателство, че лабораторно изгледани мозъчни органоиди могат да приемат тактилна информация от робот-сензор и да върнат разпознаваем сигнал за буква от Брайл. Три органоида, работещи заедно, стигат до 83% точност. Паралелно с това австралийската Cortical Labs и Honda Research Institute Europe показват как жива невронна мрежа насочва движенията на робот, а резултатите им отиват към конференцията NeurIPS в Сидни.

Какво точно направиха в Бристъл

Статията „Encoding tactile stimuli for Braille recognition with organoids“ е публикувана в Frontiers in Artificial Intelligence (DOI 10.3389/frai.2026.1800219). Автори са докторантът Тиани Лиу, Хема Филамор и д-р Бенджамин Уорд-Чериер от School of Engineering Mathematics and Technology.

Органоидите са модели на човешкия преден мозък — топчета под един милиметър, всяко с около 10 000 неврона и поддържащи клетки. Те седят върху мултиелектродни решетки, които едновременно стимулират тъканта и записват активността ѝ.

Веригата е следната: робот-сензор опипва 26-те букви от брайловата азбука, измерванията се превръщат в схеми на електрическа стимулация, схемата влиза в органоида, а изходящата електрофизиологична активност се класифицира от support vector machine.

Снимка: д-р Бенджамин Уорд-Чериер / University of Bristol

Един органоид дава правилната буква в около 61% от случаите. Комбинираният отговор на три органоида вдига точността до 83%. По-интересното е друго: когато изследователите добавят изкуствен шум към сигналите, тройката се справя по-добре от декодера, който работи директно върху зашумените данни без посредничеството на живата тъкан.

„Можем да вземем информация от реален тактилен сензор, да я превърнем във форма, която жива невронна мрежа приема, и после да извлечем смислена информация от отговора на органоида“, обяснява Лиу пред EurekAlert.

Какво изследването НЕ показва

Тук е важно да се сдържим. Екипът изрично подчертава, че не е демонстрирал учене. Кодировката на буквите е фиксирана, класификацията я прави алгоритъм, а органоидите просто отговарят на стимулите по различим начин. Няма доказателство за трайни промени в тъканта, нито за опит, натрупан във времето.

Остава и проблемът със стандартизацията: всеки органоид има малко различни връзки, различен етап на развитие и собствена фонова активност. Затова и резултатите варират. Следващите стъпки, които екипът си е поставил, са разпознаване на текстури, откриване на ръбове и затворен цикъл, в който органоидът получава обратна връзка за изхода от задачата.

Робот-кучето и 4000 часа опити

Втората половина на историята идва от Cortical Labs. Мелбърнската компания работи с Honda Research Institute Europe и свързва живи невронни мрежи върху своите машини CL1 с агент в мрежова среда, който се движи напред, наляво или надясно по симулиран градиент на миризма, докато открие „храна“. Честотите на невронните разряди се превеждат в команди за движение — същият принцип управлява и робот-кучето от демонстрацията.

Числата, цитирани от New Atlas: около 1300 конфигурации на електрически сигнали, над 4000 часа работа в реално време с десетки единици и 12 конфигурации, които показват последователно учене между епизодите. Оптимизираните биологични агенти надминават конвенционални benchmark-ове за навигация с reinforcement learning.

„Роботите стават забележително способни машини в физическия контрол, но още се борят с контрола от по-висок порядък, нужен за бързо учене или адаптация при промяна на условията“, казва Брет Кейгън, изпълнителен директор на Cortical Labs. „Ходенето, бягането и акробатиката са впечатляващи, но къде и кога да се извърши дадено действие остава проблем за традиционните методи.“

Защо някой изобщо си прави труда

Отговорът е енергия. CL1 излезе през март 2025 г. с около 800 000 човешки неврона върху електродна решетка и животоподдържаща система, която им върши работата на сърце, бъбреци и бели дробове. Цената е 35 000 щатски долара (около 31 000 евро по текущия курс), невроните живеят до шест месеца, а цяла стойка с 30 единици консумира между 850 и 1000 вата. За сравнение — това е под мощността на един сериозен сървърен GPU възел.

Именно тази сметка държи интереса жив. Докато агентите на Gemini превземат Minecraft с центрове за данни зад гърба си, биологичната тъкан прави нещо отдалечено подобно при десетки ватове. Разликата в мащаба на уменията обаче е огромна и никой в тези два екипа не твърди обратното.

Заключение

Имаме две солидни, но скромни стъпки. Бристъл доказа, че сензорна информация оцелява през жива тъкан и може да бъде извлечена обратно — нищо повече и нищо по-малко. Cortical Labs показа, че невронна култура в затворен цикъл се справя с навигационна задача по-добре от стандартни алгоритми, след 4000 часа търсене на правилните настройки. Между това и роботизираната ръка в домашния екран на Apple има повече общо, отколкото изглежда: и двете са въпрос на кой взима решението къде и кога да се движи нещо.

Очаквайте следващите публикации да отговорят на въпроса, който тези две не засягат — дали органоидът може да се научи, а не само да реагира.