# Бретт Каган о синтетическом интеллекте: «Мы используем нейроны как инженерный субстрат»

Источник: https://www.youtube.com/watch?v=dWCryxkixKw
Канал: StarTalk
Опубликовано: 22.06.2024

---

## Биологическая революция в вычислениях: синтетический интеллект и «мыслящие» нейроны
[[JUMP:00:00]]

Будущее компьютерных технологий может выйти далеко за рамки привычного кремния. В специальном выпуске подкаста StarTalk ведущий Нил Деграсс Тайсон, со-ведущие Чак Найс и Гэри О’Рейли обсудили с нейробиологом Бреттом Каганом возможность создания «синтетического биологического интеллекта» (SBI), способного обучаться и решать задачи с помощью живых нейронов, выращенных в лабораторных условиях.

### 🧠 Синтетическая биология в действии
[[JUMP:03:11]]

Бретт Каган, будучи главным научным сотрудником компании Cortical Labs (Мельбурн, Австралия), объяснил, что его команда занимается созданием процессоров на основе биологических нейронов. Основная концепция заключается не в попытке имитировать мозг с помощью аппаратного обеспечения, а в прямом использовании живых клеток.

Процесс выглядит следующим образом:

*   **Источник клеток:** Для создания нейронов используются индуцированные плюрипотентные стволовые клетки, которые могут быть получены из крови или кожи любого взрослого донора.
*   **Платформа:** Клетки выращиваются на специальных «мультиэлектродных массивах» — плотных платформах, которые позволяют записывать электрические импульсы нейронов и передавать им ответные сигналы.
*   **Срок жизни:** Живые системы на такой платформе могут поддерживаться в активном состоянии до года и дольше.

### 🎮 Рождение игрока: как нейроны учатся играть в Pong
[[JUMP:09:54]]

Для демонстрации способностей системы ученые использовали концепцию «воплощенного интеллекта» (embodied network). Бретт Каган пояснил, что для обучения нейронов необходимо создать «замкнутый цикл» (closed loop) — своего рода физический барьер между активностью клеток и внешней средой.

В качестве тестовой среды была выбрана видеоигра Pong.

1.  **Принцип работы:** Когда система «промахивается» мимо мяча, в среду подаются случайные электрические импульсы (стимуляция), создающие «информационный шум».
2.  **Результаты:** Нейроны, стремясь минимизировать этот хаос, быстро перестраивают свою активность. Каган утверждает, что такие системы демонстрируют способность к обучению уже через пять минут после активации, что превосходит многие традиционные алгоритмы машинного обучения по эффективности использования данных и энергопотреблению.
3.  **Теоретическая база:** Исследования базируются на «принципе свободной энергии» профессора Карла Фристона из Университетского колледжа Лондона, который предполагает, что любая разумная система стремится минимизировать информационную энтропию.

### ⚖️ Этика и страхи «Франкенштейна»
[[JUMP:18:04]]

Чак Найс выразил опасения, что подобная технология может создать неконтролируемый интеллект, способный стать «следующим видом». Однако Каган призывает не путать биологический мозг в чашке Петри с осознанным существом или Терминатором.

Основные этические вопросы, над которыми работает компания совместно с независимыми биоэтиками, включают:

*   **Этичное получение донорского материала:** Соблюдение прозрачности и справедливости при сборе генетического материала.
*   **Применение:** Оценка рисков для каждого конкретного случая использования технологии.
*   **Вопрос сознания:** Каган признает, что, хотя на данный момент системы крайне просты, ученые должны быть скромными в своих прогнозах и готовы к тому, что при достижении определенного уровня сложности может возникнуть проблема моральной значимости этих систем.

### 🚀 Будущее гетерогенных вычислений
[[JUMP:33:49]]

Бретт Каган полагает, что будущее не принадлежит какому-то одному виду вычислений. Скорее, нас ждет «гетерогенная среда», где разные инструменты решают разные задачи:

*   **Квантовые процессоры** — для криптографии.
*   **Биологические процессоры** — для задач, требующих работы с информацией в реальном времени и высокой адаптивности.

По словам Кагана, если текущие методы пре-клинических испытаний (например, для лекарств от эпилепсии) ошибаются в 90-99% случаев, то использование «живых» нейронных моделей позволит увидеть реальный отклик системы на препараты, что может радикально ускорить разработку лекарств.