На странице finalspark.com/live висят четыре снимка. На каждом — чип, к которому подключено четыре круглых комочке человеческой нервной ткани: каждый около полумиллиметра в диаметре, по десять тысяч нейронов внутри. Комочки лежат на электродах в круглосуточном инкубаторе в швейцарском Веве, и любой исследователь, подключенный к платформе, может через Python-API послать в эти электроды сигнал и прочитать отклик.
Делает все это компания FinalSpark, и на главной странице ее сайта написано: «Биокомпьютинг — следующий эволюционный скачок ИИ» и «В миллион раз меньше энергии».
За маркетинговыми формулировками стоит публикация в рецензируемом журнале, около пяти лет инженерной работы, открытая база данных на тридцать с лишним терабайт нейронных записей и несколько университетов, которые ведут на платформе свои эксперименты. Внутри проекта одновременно идет реальная работа и звучат громкие обещания, а отделить одно от другого — самая интересная часть этой истории.
Двое инженеров, которым стало скучно ловить контрафакт
История FinalSpark начинается задолго до нейронов, в обработке сигналов.
Фред Жордан защитил диссертацию в Институте обработки сигналов EPFL в конце 1990-х, через год там же защитился Мартин Куттер и получил награду за лучшую диссертацию. Вместе они в 2001 году основали свою первую компанию — AlpVision. Компания занимается цифровой защитой от подделок: на упаковку наносится невидимое глазу микроизображение, которое читается обычной камерой смартфона. AlpVision работает по сей день и, по словам Жордана, защищает порядка тридцати миллиардов изделий в год, на двоих у соучредителей более восьмидесяти патентов.
К 2014 году AlpVision уже давно работала стабильно, и Жордан с Куттером открыли отдельную R&D-компанию для исследований по искусственному интеллекту. Первые годы FinalSpark занималась искусственными нейросетями. Постепенно ее основатели стали скептически смотреть на энергозатраты обучения больших моделей: расходы росли быстрее, чем полезные приложения, и двигаться в этом направлении дальше казалось бессмысленным.
К концу 2010-х команда развернулась к биологическим нейронам, которые в природе уже работают и чьей эффективности симуляции явно не достигают. По словам Жордана, нейробиологию пришлось учить с нуля. В команду пришли биологи Жан-Марк Комби, Флора Броцци и Эвелина Куртыс. Сегодня в FinalSpark меньше десяти человек, никаких венчурных раундов. Все, что компания тратит на эксперименты с живой тканью, идет из доходов AlpVision.
В мае 2024 года компания открыла платформу для внешних исследователей и опубликовала статью Open and remotely accessible Neuroplatform for research in wetware computing в журнале Frontiers in Artificial Intelligence, DOI 10.3389/frai.2024.1376042.
Что лежит на электродах
Начинается все с индуцированных плюрипотентных стволовых клеток (iPSC).
Берется обычная взрослая клетка человека — чаще всего кожи. В нее вводят набор из четырех факторов транскрипции (Oct4, Sox2, Klf4, c-Myc), которые запускают репрограммирование: клетка возвращается в состояние, близкое к эмбриональному, и приобретает способность дифференцироваться в любой тип клеток тела. За эту технику Синья Яманака разделил с Джоном Гердоном Нобелевскую премию по физиологии и медицине 2012 года; сегодня iPSC — зрелая и воспроизводимая лабораторная техника.
Сама FinalSpark делает не весь этот путь у себя: компания покупает уже дифференцированные нейральные стволовые клетки у внешних поставщиков — примерно по одной-две тысячи долларов за поставку — и доращивает их в органоиды.
Нейроны из таких клеток самоорганизуются в трехмерные сферы — их и называют органоидами. У FinalSpark это шарики около полумиллиметра в диаметре, примерно по десять тысяч нейронов в каждом. Шестнадцать таких сфер размещены на четырех многоэлектродных матрицах (multi-electrode array, MEA), по четыре органоида на каждую матрицу. Каждый органоид контактирует с восемью электродами — итого 32 электрода на матрицу и 128 во всей системе. Электроды двунаправленные: и стимулируют, и записывают активность.
Сигнал оцифровывает контроллер Intan RHS — стандартный для электрофизиологии прибор: частота дискретизации 30 кГц, разрешение 16 бит, шаг квантования по напряжению около 0,15 микровольта.
Чтобы органоид получал достаточно кислорода, его держат на воздушно-жидкостном интерфейсе (air-liquid interface, ALI): ткань лежит на границе жидкой среды и воздуха, кислород поступает сверху из газовой смеси. Питательную среду качает перистальтический насос — один оборот в минуту, десять роликов; такая комбинация дает легкую регулярную пульсацию потока. Кислотность среды отслеживается по цвету: добавка фенолового красного меняет оттенок при сдвиге pH, и это автоматически фиксирует камера.
Главная практическая задача здесь — сохранить ткань жизнеспособной.
Когда команда начинала, органоид на электродах умирал за считаные часы; сейчас живет около ста дней в рабочем режиме и заметно дольше в простое. Чтобы продлить срок жизни почти на три порядка, потребовались годы настройки питательной среды и режима ее прокачки, температурного и газового режима, защиты от бактериального загрязнения.
На сегодня через платформу прошло больше тысячи органоидов, она работает круглосуточно несколько лет подряд и накопила свыше тридцати терабайт записей нейронной активности. Эти данные FinalSpark раздает исследователям бесплатно.
Как «обучают» комочек ткани
«Обучение» применительно к органоиду — слово, требующее аккуратности. У ткани нет инструкций, регистров или адресуемой памяти для значений переменных. Есть только пластичность — способность нервной сети перестраивать связи в ответ на электрические события — и два способа эту пластичность задействовать извне.
Один способ — электрический: через электроды подают импульсы заданной формы, амплитуды и временного профиля. Другой — химический, и устроен он любопытно. FinalSpark использует прием, который по-английски называется uncaging. Молекула дофамина запирается в светочувствительный молекулярный контейнер и становится невидимой для нейронных рецепторов — пока на органоид не светят, дофамина для ткани как будто нет. Когда команда хочет ткань «вознаградить» за нужное поведение, ее подсвечивают ультрафиолетом конкретной длины волны: контейнер разрушается, дофамин высвобождается локально и в заранее рассчитанной дозе. «Наказанием» служит обратное — хаотическая электрическая стимуляция без видимой структуры.
Цикл устроен так: подается стимул, записывается отклик. Если спайковая картина приближается к нужной — следует дофаминовое вознаграждение, если уходит — хаотическая стимуляция. Цикл повторяется многократно. Через достаточное число итераций связи внутри ткани перестраиваются, и она статистически чаще выдает нужный отклик. Сколько именно нужно итераций — параметр, зависящий от задачи и состояния конкретного органоида; в опубликованных работах FinalSpark подробной статистики кривых обучения не приводит.
Программирования здесь нет ни в одном из привычных смыслов. Происходящее ближе к оперантному обусловливанию — методике, которой дрессируют животных, — только субстратом служит фрагмент нервной ткани на электродах. Закрепить таким способом ткань может пока что лишь немногое, — по данным самой FinalSpark, в один органоид удается записать порядка одного бита информации, а репертуар «полезного поведения» сводится к простым реакциям вида «выдать сигнал в ответ на стимул определенной формы».
Сам Жордан в интервью Techopedia на вопрос, как FinalSpark вычисляет на живых нейронах, ответил: пока никак, но слово «пока», по его мнению, здесь важно.
«В миллион раз меньше энергии» — что внутри этого числа
Заявление про энергоэффективность стоит на главной странице FinalSpark, и его повторяют почти все статьи о компании.
Аргумент собран из двух чисел. Стэнфордский профессор Квабена Боахен оценил: чтобы воспроизвести вычислительную работу человеческого мозга на современном кремнии при тех же 20 ваттах, которые мозг тратит на свои 86 миллиардов нейронов, потребовалось бы порядка десяти мегаватт. Разрыв в шесть порядков — отсюда формулировка «в миллион раз».
Биологический нейрон фантастически экономичен, и мозг как вычислитель недостижим для кремния по соотношению эффективности на ватт.
У формулировки «в миллион раз» при этом есть оговорка. Сравнение, лежащее в основе цифры, измеряет принципы: на что в пределе способен биологический нейрон и на что — кремниевый транзистор. Устройство, которое FinalSpark собрала в Веве, ставить рядом с GPU-кластером пока не на чем: оно делает работу, которой у GPU-кластера попросту нет, — запоминает один бит и отвечает на стимул. Считать эффективность относительно почти нулевой полезной нагрузки бессмысленно.
Есть и более земная поправка. Сами нейроны почти не расходуют энергии, а вот окружающая их инженерия расходует обычную. Микрофлюидные насосы, поддержание 37 °C, газовая смесь, ультрафиолет для раскейджинга, серверы для приема стимулов — все это работает от стандартной розетки. Удобный коммерческий аналог для сравнения — биокомпьютер CL1 от Cortical Labs: продается за 35 тысяч долларов и потребляет под нагрузкой 850–1000 ватт, то есть как заметный бытовой прибор. Счет в биокомпьютинге идет за всю экосистему вокруг ткани, а не только за саму ткань.
Энергоэффективность — будущая надежда биокомпьютинга, опирающаяся на физику биологического нейрона. Реальным измеренным преимуществом над кремнием она становится только тогда, когда биокомпьютер выполняет работу, сравнимую с кремниевой по сложности. Этого пока не произошло.
FinalSpark не одна на этой полянке
В феврале 2023 года в Frontiers in Science вышла обзорная статья Organoid intelligence (OI): the new frontier in biocomputing and intelligence-in-a-dish, у которой около тридцати авторов. Ведущая — Лена Смирнова из Центра альтернатив исследованиям на животных (CAAT) при Школе общественного здравоохранения Блумберга Университета Джонса Хопкинса. Соавтор — Томас Хартунг, директор того же центра; рядом — Бретт Каган из Cortical Labs, теоретик Карл Фристон (автор «принципа свободной энергии») и Гари Миллер из Колумбийского университета. Это и есть тот научный круг, внутри которого развивается работа FinalSpark.
Поле опирается на тезис: живой нейрон — самое эффективное и универсальное вычислительное устройство, существующее в природе, и стоит попробовать использовать его напрямую, вместо того чтобы моделировать. Сам термин organoid intelligence в широкий обиход ввела упомянутая статья за 2023 год, в Frontiers in Artificial Intelligence существует отдельная редакционная секция Organoid Intelligence, которой руководит Смирнова, и статья FinalSpark вышла именно туда. Слово hybrot — hybrid robot, гибрид живых нейронов и техники — придумано еще в начале 2000-х американским нейроинженером Стивом Поттером в Технологическом институте Джорджии. Подход не новый — новой стала возможность дать к нему массовый удаленный доступ.
Внутри этого круга обозначились две заметные стратегии
Одну выбрала Cortical Labs, основанная в 2019 году в Мельбурне врачом и программистом Хон Венг Чонгом. В 2022 году компания опубликовала в журнале Neuron работу под названием DishBrain: культура примерно из 800 тысяч человеческих и мышиных нейронов на многоэлектродной матрице обучилась играть в Pong — отслеживать мяч и отбивать его ракеткой. Обучение шло через ту же дихотомию: предсказуемая электрическая обратная связь — сигнал «правильно», шум — «неправильно». В 2025 году Cortical Labs запустила CL1, который компания называет первым в мире коммерчески доступным биокомпьютером: коробка с бортовой системой жизнеобеспечения, 59 каналов ввода вместо восьми у DishBrain, задержка субмиллисекундная, цена около 35 тысяч долларов. На одной из демонстраций на этом устройстве запустили Doom — больше как символический жест, чем рабочая нагрузка.
FinalSpark пошла по другому пути и строит лабораторию как услугу. Университетская подписка стоит около 500 долларов в месяц на одного пользователя, отдельные научные проекты получают доступ бесплатно, а накопленные данные FinalSpark раздает открыто. На платформе экспериментирует около десятка университетских групп — среди них Бристольский университет, Оксфорд-Брукс, Эксетерский, Мюнхенский технический, Université Côte d’Azur.
Еще несколько десятков институций выразили интерес к подключению. В отзывах исследователей слово «биокомпьютер» почти не встречается, речь идет об удаленном доступе к ткани и оборудованию, которые в одной лаборатории были бы недоступны по стоимости и экспертизе.
Главный вопрос
На электродах лежит живая нервная ткань человеческого происхождения, и тема ее возможной чувствительности всерьез обсуждается на конференциях по нейроэтике, а не только в популярной прессе.
Текущий консенсус большинства ученых — нет, не появляется, и аргументы у них сильные. Сегодняшний органоид крайне незрелый: в нем отсутствуют доли коры, мозжечок, гиппокамп, нет кровеносной системы и почти нет глиальной поддержки в том объеме, в каком они существуют в живом мозге. Стэнфордский биоэтик говорит, что слово «мини-мозг» применительно к этим комочкам ткани вводит в заблуждение: морфологически между ними и взрослым мозгом большая дистанция. FinalSpark с этим консенсусом согласна и подчеркивает, что ее органоиды не обладают чувствительностью.
Однако нужны две оговорки. Понятие «сознание» в науке не имеет общепринятого и тем более измеримого определения. Когда исследователь говорит «органоид не обладает сознанием», он, строго говоря, сообщает не столько о ткани, сколько о пределах своего инструмента; способа проверить у него нет. Параллельно с этим все поле, не скрываясь, движется в сторону того, чтобы органоиды становились крупнее, дольше жили, имели больше клеточных типов и больше архитектурного сходства с мозгом. То есть в сторону того порога, где бы он ни проходил.
На этой развилке Карл Фристон, один из ведущих современных теоретиков мозга, рассуждает об органоидах как о потенциально «чувствительных артефактах». Жордан со своей стороны говорит, что нейрон «вероятно, самая интимная для нас как мыслящих существ клетка» и что в этой области ученым нужна помощь философов и этиков.
Что в итоге
В FinalSpark меньше десяти человек. Они научились держать кусочки человеческой нервной ткани живыми на электродах около ста дней и открыли к ним удаленный доступ через Python-API. Платформа работает несколько лет подряд, накопила свыше тридцати терабайт открытых данных и используется примерно в десятке университетских групп, которым иначе такой ресурс был бы недоступен.
Но компьютера, способного выполнять полезную работу, у FinalSpark пока нет. Органоид удерживает порядка одного бита и обучается через подкрепление, — процесс этот ближе к дрессировке животного, чем к работе с программой. Сам Жордан коротко резюмирует это словом «пока». Превратится ли «пока» в полноценный биопроцессор — открытый вопрос. Ответа на него ни у самой FinalSpark, ни у Cortical Labs, ни у Смирновой с Хартунгом нет: все они описывают только дорожную карту.
Есть, впрочем, у этой платформы и другая роль. Даже если биопроцессор никогда не станет промышленной альтернативой кремнию, FinalSpark уже сейчас работает как инфраструктура для нейробиологии. Его уже используют, чтобы изучать пластичность нейронов и моделировать заболевания мозга — задачи, для которых раньше нужна была собственная электрофизиологическая лаборатория. И может быть, это именно то, что FinalSpark в итоге даст науке.
Автор: golangloves
