Живые клетки мозга помогли компьютеру распознать шрифт Брайля с точностью 83%

Британские ученые подключили миниатюрные органоиды мозга к тактильному сенсору и обнаружили неожиданную устойчивость биологической системы к помехам

16 октября 2026 года исследователи Бристольского университета опубликовали в журнале Frontiers in Artificial Intelligence работу, в которой продемонстрировали необычный способ взаимодействия компьютера с живой нервной тканью.

Вместо привычного кремниевого процессора одним из элементов вычислительной системы стали органоиды мозга — выращенные в лаборатории трехмерные скопления человеческих клеток, способные обмениваться электрическими сигналами.

Ученые проверили, можно ли передать такой биологической структуре информацию от искусственного датчика прикосновения, а затем определить по реакции нейронов, какой именно сигнал поступил на вход.

Результат оказался достаточно убедительным, чтобы рассматривать эту технологию как перспективное направление биогибридных вычислений.

Что такое органоид мозга и почему его называют живым компьютером

Человеческий мозг содержит десятки миллиардов нейронов, связанных между собой сложнейшей сетью контактов. Каждый нейрон способен принимать электрические и химические сигналы, обрабатывать их и передавать другим клеткам.

Но для возникновения электрической активности нервной сети необязательно иметь целый мозг.

Современные клеточные технологии позволяют выращивать из стволовых клеток трехмерные структуры, воспроизводящие отдельные особенности развивающейся мозговой ткани. Такие структуры называют церебральными органоидами.

В эксперименте британских исследователей использовались органоиды переднего мозга диаметром около половины миллиметра. Каждый содержал приблизительно 10 тысяч нейронов и вспомогательные клетки, обеспечивающие работу нервной ткани.

Это не уменьшенная копия человеческого мозга. Органоиды не обладают его полноценной анатомической организацией, системой органов чувств и сложными связями между различными отделами.

Однако их нейроны образуют функциональные контакты и демонстрируют собственную электрическую активность.

Именно это свойство заинтересовало специалистов по вычислительным технологиям.

В традиционном компьютере информация обрабатывается электронными компонентами по определенным математическим правилам. В биологической нейронной сети входящий сигнал может вызывать сложную коллективную реакцию множества взаимосвязанных клеток.

Исследователи пытаются понять, можно ли использовать такую реакцию для решения вычислительных задач.

Это направление получило название organoid intelligence — вычисления с использованием органоидов.

Как органоиды мозга участвовали в распознавании шрифта Брайля

Для эксперимента ученые выбрали шрифт Брайля, в котором буквы представлены комбинациями выпуклых точек.

Такая система удобна для проверки распознавания тактильных сигналов: каждая буква имеет определенный пространственный рисунок, который можно зарегистрировать датчиком прикосновения.

Исследователи изготовили пластину с 26 буквами латинского алфавита, представленными символами Брайля.

Затем использовали роботизированную руку, оснащенную специальным тактильным сенсором Evetac.

Датчик соприкасался с выпуклыми точками и перемещался по их поверхности. Его мягкая чувствительная оболочка деформировалась, а встроенная оптическая система регистрировала происходящие изменения.

В результате формировался цифровой сигнал, содержащий сведения о пространственном расположении контактов, времени их возникновения и интенсивности воздействия.

Каждую букву исследовали при пяти различных уровнях нажатия, выполняя по десять повторений. Всего ученые получили 1300 записей.

Но непосредственно передать эти данные нейронам было невозможно.

Поэтому исследователи создали специальный способ кодирования тактильной информации в электрические импульсы.

Сигнал датчика разделяли на восемь пространственных областей. Информация из каждой области преобразовывалась в определенную последовательность электрических воздействий.

Изменяя количество импульсов, их продолжительность, силу и время подачи, исследователи передавали нервной ткани сведения об особенностях прикосновения.

Органоид размещался на массиве из восьми микроэлектродов.

Через электроды клетки получали стимуляцию, а исследователи регистрировали возникающую нейронную активность.

Таким образом, получалась последовательная система:

Тактильный сенсор → электрическое кодирование → органоид мозга → регистрация активности нейронов → компьютерный алгоритм.

Последний этап особенно важен для правильного понимания результатов исследования.

Органоид сам по себе не определял буквы и не переводил шрифт Брайля в обычный текст.

Эту задачу выполнял компьютерный алгоритм, анализировавший электрические реакции живых клеток.

Почему три органоида оказались эффективнее одного

Для распознавания букв ученые использовали метод машинного обучения, известный как метод опорных векторов (Support Vector Machine, SVM).

Его задача заключалась в поиске различий между наборами зарегистрированных сигналов.

Когда органоид получал электрическое воздействие, соответствующее определенной букве, его нейроны отвечали характерной активностью.

Компьютер анализировал, сколько электрических событий зарегистрировано на каждом электроде после стимуляции.

При использовании одного органоида средняя точность распознавания составляла приблизительно 61%.

Это значительно выше случайного угадывания одной из 26 букв, вероятность которого составляет около 3,8%.

Затем исследователи объединили сигналы трех органоидов, каждому из которых передавали одинаковые входные данные.

Теперь алгоритм получал информацию не от восьми, а от 24 электродных каналов.

Точность классификации повысилась до 83%.

Почему объединение оказалось настолько полезным?

Авторы предполагают, что разные органоиды реагируют на одинаковые стимулы несколько по-разному.

Это может объясняться различиями в организации нейронных связей, степени развития клеточных структур и текущем состоянии электрической активности.

Один органоид способен сохранять в своей реакции определенные особенности входного сигнала, которые менее отчетливо представлены в ответе другого.

Когда компьютер анализирует несколько таких реакций одновременно, он получает больше информации для различения букв.

Однако пока это объяснение остается гипотезой. Исследователи еще не доказали, какие именно различия между органоидами обеспечивают повышение точности.

Живые нейроны оказались устойчивее к шуму — но есть важный нюанс

Самая интересная часть эксперимента касалась обработки искаженной информации.

Реальные сенсоры постоянно сталкиваются с помехами: изменением давления, нестабильностью контакта, случайными колебаниями сигналов и потерей отдельных данных.

Поэтому инженерам важно создавать системы, способные сохранять полезную информацию даже при наличии шума.

Британские ученые проверили устойчивость биогибридной системы к нескольким видам искусственных искажений.

Для сравнения использовали тот же алгоритм SVM, но без органоидов: компьютер непосредственно анализировал параметры электрического сигнала, сформированного из показаний тактильного датчика.

При отсутствии дополнительного шума результаты двух систем были почти одинаковыми.

Обычный алгоритм распознавал 82% букв, а система с тремя органоидами — 83%.

Следовательно, в нормальных условиях эксперимент не продемонстрировал существенного преимущества живых нейронов перед традиционной компьютерной обработкой.

Однако после введения искусственных помех разница увеличилась.

При добавлении гауссовского шума — случайных искажений с определенным статистическим распределением — точность прямой компьютерной классификации снизилась до 55%.

Биогибридная система с тремя органоидами сохранила точность 83%.

При других типах искажений преимущество также наблюдалось, хотя его величина различалась.

Например, при моделировании потери части данных точность составляла 72% для системы с органоидами против 59% для прямой классификации.

Здесь необходимо учитывать важное методологическое ограничение.

Дополнительные помехи вносили в числовые характеристики сигналов на этапе проверки классификаторов. Это не было испытанием реального датчика, работающего на загрязненной, поврежденной или нестабильной поверхности.

Поэтому результаты нельзя автоматически трактовать как доказательство того, что живые нейроны лучше электронных устройств очищают любые реальные сигналы от шума.

Эксперимент показывает более конкретное явление: в выбранной вычислительной схеме информация, зарегистрированная от нескольких органоидов, оказалась устойчивее к определенным искусственным искажениям.

Для понимания причин этого эффекта потребуются дополнительные исследования.

Научились ли органоиды читать и самостоятельно обучаться

Несмотря на необычные результаты, говорить о полноценном обучении миниатюрного мозга было бы неправильно.

В эксперименте использовалась так называемая открытая схема обработки информации.

Органоиды получали заранее сформированные электрические сигналы, а компьютер регистрировал их реакции.

Но нервная ткань не получала обратной связи о том, правильно или неправильно была распознана буква.

Исследователи также не показали, что после многократного предъявления сигналов органоиды изменяли свои реакции таким образом, чтобы улучшать результат.

Иными словами, машинное обучение происходило на уровне компьютерного классификатора. Обучение самих органоидов в этой работе продемонстрировано не было.

Это принципиальное различие.

Одно дело — использовать живую нейронную сеть как элемент преобразования информации, реакции которого затем анализирует компьютер.

Другое — создать биологическую систему, способную самостоятельно изменять свою работу на основании опыта и получаемой обратной связи.

Именно второе направление представляет особый интерес для будущих исследований.

Зачем создавать компьютеры из живых клеток

Главная долгосрочная идея биогибридных вычислений связана с особенностями обработки информации в нервной системе.

Человеческий мозг способен выполнять множество сложных задач, потребляя сравнительно небольшое количество энергии.

Это заставляет ученых искать способы использования биологических принципов обработки информации в новых вычислительных архитектурах.

Однако пока неизвестно, получится ли перенести энергетические преимущества естественных нейронных сетей на искусственно выращенные органоиды.

Живые клетки необходимо постоянно обеспечивать питательными веществами, кислородом и подходящими условиями существования.

Кроме того, биогибридная система требует электронного оборудования для регистрации сигналов, стимуляции нейронов и компьютерной обработки результатов.

В британском эксперименте энергопотребление всей системы не сравнивали с энергопотреблением обычного компьютера при выполнении аналогичной задачи.

Поэтому утверждать, что разработанный биокомпьютер уже оказался экономичнее традиционных вычислительных устройств, оснований нет.

Зато исследование продемонстрировало возможность соединения реального тактильного сенсора с живой нервной тканью через универсальный интерфейс электрического кодирования.

В перспективе подобные подходы могут оказаться полезными для робототехники, биогибридных сенсорных систем и изучения принципов работы нейронных сетей.

Особый интерес представляет возможность создания экспериментальных интерфейсов между искусственными датчиками и живыми нервными структурами.

Это направление может иметь значение для будущих исследований нейропротезирования.

Но до практического применения подобных органоидных систем в медицинских устройствах пока далеко.

Что исследователям предстоит проверить дальше

Авторы работы планируют расширить круг задач, которые можно передавать органоидам.

Вместо отдельных букв Брайля предполагается исследовать распознавание текстуры поверхностей, направления границ предметов и других характеристик прикосновения.

Следующим принципиальным этапом должны стать эксперименты с обратной связью.

В такой системе реакция органоида сможет влиять на последующие воздействия, создавая условия для проверки способности нейронной сети адаптироваться к поступающей информации.

Ученым также предстоит выяснить, насколько воспроизводимы результаты при использовании разных клеточных культур и как долго органоиды способны сохранять стабильные вычислительные характеристики.

Еще один открытый вопрос — можно ли продолжать повышать точность, увеличивая число органоидов, или после определенного предела дополнительные клеточные структуры перестанут приносить пользу.

Без ответов на эти вопросы говорить о масштабируемых биологических вычислительных системах преждевременно.