Живые мини-мозги подключили к датчику осязания: учёные научились распознавать сигналы азбуки Брайля

Компьютер с живыми клетками: будущее биогибридных технологий

Современные компьютеры распознают изображения, переводят речь и анализируют огромные данные. Но что, если использовать не только кремний, но и живую нервную ткань для вычислений?

Бристольский университет в Великобритании исследовал эту идею. В статье, опубликованной 16 октября 2026 года в журнале Frontiers in Artificial Intelligence, учёные рассказали, как модели человеческого мозга, выращенные в лаборатории, могут обрабатывать тактильные сигналы.

Эти модели, называемые органоидами, — трёхмерные структуры из человеческих клеток. Они имитируют свойства нервной ткани, но это не полноценный мозг. Размер органоидов — около миллиметра, в каждом около 10 тысяч нейронов и вспомогательных клеток.

Учёные поместили органоиды на микроэлектродные матрицы. Это позволило подавать электрические импульсы и регистрировать активность нейронов. Так искусственный датчик связали с живой нейронной сетью.

Для эксперимента использовали тактильный сенсор, который регистрирует изменения при прикосновении. Его установили на роботизированную руку, которая исследовала образцы с буквами латинского алфавита в системе Брайля.

Сигналы обрабатывались программным обеспечением, которое преобразовывало прикосновения в электрические импульсы. Эти импульсы подавались на органоиды, а затем исследователи регистрировали их активность. Данные передавались алгоритму машинного обучения, который определял, какой букве соответствует сигнал.

Система состояла из трёх частей: датчика, живой нервной ткани и программы для интерпретации результатов. Органоиды не воспринимали буквы так же, как люди, их задача — обработка электрически закодированной информации от сенсора.

Исследование показало, что органоиды распознавали буквы азбуки Брайля с точностью 83%, что открывает перспективы для создания биогибридных компьютеров, где электронные компоненты работают с живыми нейронами.

Почему три органоида оказались лучше одного

Эксперимент показал, что три органоида работают лучше, чем один. Компьютер правильно классифицировал сигналы в 61% случаев при использовании одного органоида. Когда исследователи объединили три органоида, точность выросла до 83%.

Учёные предполагают, что разные органоиды дополняют друг друга. Их нейронные сети имеют различия в структуре связей, развитии и электрической активности. Объединение данных позволяет получить больше полезной информации, чем анализ одной структуры.

Однако у этого подхода есть минус: биологические системы сложно стандартизировать. Две структуры, выращенные в лаборатории, могут по-разному реагировать на один и тот же стимул.

Исследователи проверили устойчивость системы к искусственным помехам. В таких сценариях комбинация нескольких органоидов лучше справлялась с классификацией сигналов, чем отдельные органоиды.

Но 83% — это не показатель способности живой ткани читать буквы. Окончательную классификацию всё ещё выполнял компьютерный алгоритм.

Научились ли мини-мозги обучаться?

Нет, учёные не доказали, что органоиды научились читать Брайль, сформировали долговременную память или изменили своё поведение в процессе обучения. Система работала с заранее заданным способом кодирования сигналов.

Следующий этап — более сложные тактильные задачи. Например, учёные хотят проверить, смогут ли такие системы различать текстуры, края предметов и другие особенности прикосновения.

Ещё одно направление — замкнутый цикл управления. В такой системе реакция органоида будет влиять на действия устройства, а полученная обратная связь снова поступит в биологическую сеть. Это поможет исследовать, способны ли структуры адаптироваться к изменяющимся условиям.

Зачем соединять компьютеры с живой нервной тканью?

Цель таких экспериментов — не заменить процессоры клетками, а найти новые способы обработки информации.

Человеческий мозг эффективно выполняет сложные вычисления при небольшом энергопотреблении. Учёные изучают, можно ли использовать свойства биологических нейронных сетей в будущих вычислительных системах.

Биогибридные вычисления объединяют живую ткань, электронные интерфейсы и программное обеспечение. Такой подход может быть полезен для адаптивных систем, робототехники и устройств, работающих с неоднозначными данными.

До практического применения ещё далеко. Нужно научиться стабильно выращивать органоиды, надёжно подключать их к электронике и обеспечивать предсказуемую работу системы. Исследование не сравнивает энергопотребление биогибридной системы с традиционным компьютером.

Пока нельзя утверждать, что биогибридный компьютер экономичнее традиционного или готов к массовому производству.

Но эксперимент демонстрирует важный результат: живую нервную ткань удалось включить в систему обработки информации, где искусственный сенсор, биологическая сеть и компьютер выполняют разные части задачи.

Такие гибридные конструкции могут помочь создавать устройства, которые будут воспринимать и обрабатывать сенсорную информацию новыми способами. Но сначала нужно понять, насколько далеко можно развить такие системы.

Нейробиология и вычисления пересеклись в необычном эксперименте. Учёные создали модель нервной системы плодовой мушки, чтобы она помогала принимать торговые решения. Подробности можно узнать по ссылке.