Sztuczny mózg nauczył się grać w Dooma. To nie AI, a żywe neurony na chipie
Rozwój technologii przyzwyczaił nas do tego, że komputery coraz lepiej uczą się analizować dane, przewidywać wyniki czy symulować rzeczywistość - podobnie jak robią to dziś np. zakłady bukmacherskie online. Jednak najnowsze eksperymenty idą o krok dalej i pokazują, że “uczyć się” mogą już nie tylko algorytmy, ale także… żywe komórki.
Wciąż inspirują nas czysto ludzkie osiągnięcia - jak choćby historie, które opisują legendy boksu i pokazują granice możliwości ludzkiego organizmu. Dlatego tak bardzo fascynuje nas to, że naukowcy próbują dziś te dwa światy połączyć.
Efekt? Biokomputer oparty na ludzkich neuronach, który nauczył się grać w kultowego Dooma. I choć brzmi to jak scenariusz filmu science fiction, to w rzeczywistości mówimy o eksperymencie przeprowadzonym przez australijską firmę Cortical Labs.
Czym właściwie jest “sztuczny mózg”?
Za całym eksperymentem stoi urządzenie o nazwie CL1. To nie jest klasyczny komputer ani typowa sztuczna inteligencja - to hybryda biologii i elektroniki.
W jego wnętrzu znajduje się około 200 tysięcy ludzkich neuronów, które zostały wyhodowane w laboratorium i umieszczone bezpośrednio na krzemowym chipie. Komórki te są połączone z systemem mikroelektrod, które pozwalają im odbierać i wysyłać impulsy elektryczne, czyli w praktyce komunikować się z komputerem.
Całość działa w kontrolowanych warunkach - neurony są utrzymywane przy życiu dzięki systemowi, który m.in. pilnuje odpowiedniej temperatury i dostarcza składniki odżywcze. Co ciekawe, nie są to fragmenty mózgu, lecz komórki uzyskane z przekształconych komórek macierzystych, np. ze skóry lub krwi.
Kluczowe jest to, że taki biokomputer nie przeprowadza obliczeń w tradycyjny sposób. Zamiast wykonywać konkretne instrukcje, wykorzystuje naturalną zdolność neuronów do uczenia się i adaptacji. To podejście określane jest jako biologiczne przetwarzanie informacji - coś pomiędzy sztuczną inteligencją a prawdziwym mózgiem.
W praktyce oznacza to jedno: zamiast programować system linijka po linijce, naukowcy mogą go… trenować.
Jak neurony grają w Dooma?
Najbardziej niezwykłe w całym eksperymencie jest to, że neurony nie widzą gry tak jak człowiek. Zamiast obrazu otrzymują zestaw impulsów elektrycznych, które odpowiadają temu, co dzieje się na ekranie.
System działa w dwóch kierunkach. Z jednej strony dane z gry - pozycje przeciwników, ściany czy ruch postaci - są tłumaczone na impulsy elektryczne i przekazywane do neuronów. Z drugiej strony ich aktywność jest odczytywana i zamieniana na konkretne działania w grze, takie jak poruszanie się czy strzelanie.
Można więc powiedzieć, że neurony “czują” Dooma jako zestaw bodźców, na które reagują swoją aktywnością. Ta aktywność z kolei steruje bohaterem na ekranie.
Kluczowy jest tu mechanizm uczenia. Zamiast klasycznego kodu wykorzystano coś na wzór biologicznego systemu nagród i kar. Gdy działanie neuronów prowadzi do sukcesu - np. uniknięcia ataku lub trafienia przeciwnika - system wzmacnia te wzorce aktywności. Jeśli efekt jest niekorzystny, sygnał jest odpowiednio korygowany.
To właśnie dzięki temu neurony zaczynają “rozumieć”, jakie działania przynoszą lepsze rezultaty. Co istotne, proces ten zachodzi bez tradycyjnego trenowania modeli AI - zamiast tego mamy do czynienia z realnym uczeniem biologicznej tkanki.
Całość odbywa się w czasie rzeczywistym. Specjalny interfejs pozwala komunikować się z neuronami i modyfikować ich zachowanie na bieżąco, co umożliwia stopniowe poprawianie wyników w grze.
Stworzono więc biologiczny system, który - choć na bardzo podstawowym poziomie - potrafi poruszać się po mapie, reagować na zagrożenia i oddawać strzały.
Dlaczego Doom?
W świecie technologii istnieje pewien nieformalny żart: jeśli coś potrafi uruchomić Dooma, to znaczy, że naprawdę działa. Kultowa gra z 1993 roku przez lata była uruchamiana na niemal wszystkim - od kalkulatorów po lodówki.
Nie inaczej jest w tym przypadku. Dla zespołu Cortical Labs Doom stał się naturalnym kolejnym krokiem po wcześniejszych eksperymentach z grą Pong, które były znacznie prostsze i opierały się głównie na przewidywalnych ruchach obiektu.
Doom to zupełnie inny poziom trudności. To środowisko trójwymiarowe, dynamiczne i pełne zmiennych - przeciwników, przeszkód i konieczności podejmowania decyzji w czasie rzeczywistym. Właśnie dlatego wykorzystanie tej gry pozwala lepiej sprawdzić, czy neurony rzeczywiście są w stanie się uczyć i adaptować.
W praktyce eksperyment pokazał, że biologiczny system potrafi funkcjonować w bardziej złożonym środowisku niż proste symulacje. Neurony nie tylko reagują na bodźce, ale są w stanie podejmować działania ukierunkowane na cel, nawet jeśli na razie przypominają one zachowanie początkującego gracza.
To ważny krok, bo pokazuje skalowalność tej technologii. Jeśli system radzi sobie z Dooomem, to w teorii może zostać wykorzystany także w innych, znacznie bardziej praktycznych zastosowaniach.
Czy to naprawdę inteligencja?
Choć nagłówki mogą sugerować przełom na miarę “żywego mózgu w komputerze”, naukowcy studzą emocje. Eksperyment z Doomem to przede wszystkim demonstracja możliwości nowej technologii, a nie dowód na stworzenie świadomej inteligencji.
System opracowany przez Cortical Labs bywa określany mianem “syntetycznej inteligencji biologicznej”. To pojęcie ma podkreślać, że nie jest to ani klasyczna sztuczna inteligencja, ani prawdziwy mózg - lecz coś pomiędzy.
Neurony rzeczywiście uczą się i adaptują, ale robią to w bardzo ograniczonym zakresie. Ich zachowanie przypomina raczej podstawowe reakcje na bodźce niż świadome podejmowanie decyzji. W praktyce oznacza to, że system potrafi reagować na sytuacje w grze, ale nie “rozumie” jej w ludzkim sensie.
Co więcej, cały proces jest ściśle kontrolowany. Neurony działają w zamkniętym środowisku, a ich uczenie opiera się na prostym mechanizmie nagród i korekt - podobnym do tego, który stosuje się w wielu modelach uczenia maszynowego.
Sam eksperyment ma więc charakter technologicznej demonstracji. Pokazuje, że żywe komórki można wykorzystać do przetwarzania informacji i uczenia się w interakcji z cyfrowym środowiskiem, ale nie oznacza powstania “myślącej maszyny”.
To ważne rozróżnienie. Bo choć biokomputer potrafi dziś sterować postacią w grze, to do poziomu ludzkiego myślenia - czy nawet zaawansowanej sztucznej inteligencji - wciąż bardzo daleka droga.
Co dalej? Możliwe zastosowania technologii
Choć granie w Dooma wygląda efektownie, dla naukowców to tylko demonstracja potencjału. Prawdziwe znaczenie tej technologii może ujawnić się dopiero w praktycznych zastosowaniach.
Jednym z najważniejszych kierunków jest medycyna. Biokomputery oparte na neuronach mogą pomóc lepiej zrozumieć, jak działa ludzki mózg - szczególnie w kontekście chorób neurologicznych. Dzięki nim możliwe byłoby testowanie leków bezpośrednio na żywych komórkach nerwowych, bez konieczności prowadzenia eksperymentów na ludziach czy zwierzętach.
Równie istotny jest aspekt technologiczny. Systemy takie jak CL1 zużywają znacznie mniej energii niż klasyczne komputery czy centra danych oparte na sztucznej inteligencji. W czasach rosnącego zapotrzebowania na moc obliczeniową może to być przełom w kierunku bardziej energooszczędnych rozwiązań.
Co więcej, biologiczne systemy uczą się w zupełnie inny sposób niż tradycyjne modele AI. Nie wymagają ogromnych zbiorów danych ani długotrwałego trenowania, bo zamiast tego adaptują się w czasie rzeczywistym, podobnie jak żywe organizmy. To otwiera drogę do tworzenia nowych typów inteligentnych systemów, które będą bardziej elastyczne i intuicyjne w działaniu.
Niektórzy badacze wskazują także na potencjał w budowie przyszłych centrów danych opartych na biologicznych komponentach. Pierwsze takie projekty już są planowane, co pokazuje, że technologia powoli wychodzi poza laboratoria i zaczyna mieć realne zastosowanie w przemyśle.
Na razie jednak jesteśmy dopiero na początku tej drogi. Biokomputer, który potrafi zagrać w Dooma, to raczej zapowiedź przyszłości niż gotowe rozwiązanie. Ale już dziś pokazuje jedno: granica między biologią a technologią zaczyna się zacierać.
Co to oznacza dla przyszłości?
Eksperyment z Doomem można traktować jako ciekawostkę, ale w rzeczywistości to jeden z pierwszych namacalnych dowodów, że biologiczne systemy obliczeniowe mogą działać w praktyce.
CL1 nie tylko pokazuje, że neurony można połączyć z komputerem, ale też że taki system da się programować i trenować podobnie jak klasyczne oprogramowanie. Co więcej, firma Cortical Labs rozwija już koncepcję tzw. biologicznej chmury, która pozwala zdalnie pracować na żywych neuronach bez potrzeby posiadania laboratorium.
To sugeruje zupełnie nowy kierunek rozwoju technologii. Zamiast coraz większych i bardziej energochłonnych centrów danych, przyszłość może należeć do systemów, które łączą biologię z elektroniką i uczą się w sposób bardziej naturalny. Już dziś takie rozwiązania są postrzegane jako potencjalnie bardziej wydajne i elastyczne niż klasyczne modele sztucznej inteligencji.
Jednocześnie pojawiają się pytania, które jeszcze kilka lat temu wydawały się czysto teoretyczne. Gdzie przebiega granica między symulacją a prawdziwą inteligencją? Czy w przyszłości takie systemy będą w stanie “myśleć” w sposób zbliżony do człowieka? Na razie naukowcy podkreślają, że jesteśmy bardzo daleko od takich scenariuszy.
Jedno jest jednak pewne: połączenie żywych neuronów z technologią przestaje być eksperymentem z pogranicza science fiction. Staje się realnym kierunkiem rozwoju nauki i przemysłu.
A Doom? To tylko początek.
Ziemowit Ochapski
O autorze: Ziemowit Ochapski - prywatnie pasjonat gier wideo i nowych technologii, zawodowo dziennikarz i publicysta sportowy z ponad 20-letnim doświadczeniem. Autor książek, twórca serwisu legendysportu.pl, wieloletni współpracownik czołowych mediów sportowych, obecnie Head of Content w najlepsibukmacherzy.pl. W swoich tekstach stawia na rzetelność, kontekst i historie, które stoją za wydarzeniami.
