CL1 от Cortical Labs: как работает биологический компьютер с живыми нейронами.
Большая часть современной вычислительной техники развивается вокруг кремниевых процессоров. Искусственные нейронные сети при этом лишь математически имитируют некоторые принципы работы биологических нервных систем.
Австралийская компания Cortical Labs исследует другой подход: вместо попытки полностью воспроизвести нейрон в программном обеспечении она соединяет реальные живые нейроны с электронными компонентами.
Результатом этой работы стала система CL1, которую сама Cortical Labs называет первым программируемым биологическим компьютером, позволяющим выполнять код с прямым взаимодействием с живыми нейронными сетями. Научное описание CL1 характеризует его как масштабируемую платформу для взаимодействия с культурами нервных клеток in vitro посредством электрических сигналов в замкнутом контуре и в реальном времени.
Но что именно это означает? И действительно ли живые клетки способны выполнять вычисления?
Что такое CL1?
CL1 — это не компьютер, в который вместо процессора установили человеческий мозг.
В основе устройства находится культура живых нейронов, выращиваемая на электронной подложке. Нейроны располагаются над кремниевым чипом, через который система может как регистрировать их электрическую активность, так и стимулировать клетки электрическими импульсами.
Таким образом появляется двусторонняя связь:
программная среда
↓
электрическая стимуляция
↓
живые нейроны
↓
электрическая активность
↓
электроника
↓
программная среда
Программа сообщает нейронной культуре информацию об искусственной среде, а активность нейронов, в свою очередь, может изменять состояние этой среды.
Это называется closed-loop, или замкнутым контуром.
Именно обратная связь является одной из ключевых частей технологии.
Как программа «общается» с нейронами.
Для работы с биологической нейронной сетью Cortical Labs использует собственную программную среду, называемую biOS — Biological Intelligence Operating System.
По описанию разработчиков, biOS создаёт виртуальную среду и преобразует происходящие в ней события в электрические сигналы, поступающие к нейронной культуре. Электрическая активность самих клеток считывается и используется как выход системы.
Это важно: нейроны не получают изображение, текст или программный код так, как их получает обычный компьютер.
Информация должна быть закодирована в последовательности электрической стимуляции.
А результат работы биологической сети определяется по паттернам электрической активности нейронов.
Предшественник CL1 — эксперимент DishBrain.
CL1 появился не на пустом месте.
Одним из важнейших предыдущих экспериментов команды Cortical Labs стала система DishBrain.
В исследовании, опубликованном в журнале Neuron в 2022 году, учёные разместили нейронные сети человеческого и мышиного происхождения на высокоплотных многоэлектродных массивах и связали их с компьютерной симуляцией игры Pong.
Нейронная культура получала информацию о положении виртуального мяча посредством электрической стимуляции.
Её собственная активность использовалась для управления ракеткой.
Получался замкнутый цикл:
положение мяча
↓
электрические сигналы
↓
нейронная культура
↓
активность нейронов
↓
движение ракетки
↓
новое положение мяча
Исследователи сообщили об изменениях производительности, интерпретированных как признаки обучения, уже в течение первых минут взаимодействия. В контрольных условиях без соответствующей обратной связи такого улучшения не наблюдалось.
Именно эти результаты стали одной из экспериментальных основ направления, которое исследователи называют Synthetic Biological Intelligence — SBI, или синтетическим биологическим интеллектом.
Значит ли это, что нейроны «понимали» Pong?
Нет — по крайней мере, имеющиеся результаты не позволяют делать такой вывод.
Нейронная культура не видела экран, не знала правил Pong и не воспринимала происходящее так, как человек.
Исследователи наблюдали другое: сеть изменяла свою электрическую активность в ответ на структурированную информацию и обратную связь таким образом, что показатели выполнения задачи улучшались.
Это гораздо более осторожное и научно корректное утверждение.
Даже использование термина sentience в первоначальной статье вызвало научную дискуссию о том, что именно следует считать чувствительностью, сознанием и способностью реагировать на окружающую среду. Авторы отдельно подчёркивали необходимость различать простую реактивность на сенсорные сигналы и феноменальное сознание.
Поэтому называть CL1 «сознательным компьютером» оснований сейчас нет.
Что нового добавляет CL1?
DishBrain прежде всего был экспериментальной лабораторной установкой.
CL1 пытается превратить подобный принцип в стандартизированную исследовательскую платформу.
Научное описание системы в Nature Reviews Bioengineering характеризует CL1 как устройство, объединяющее взаимодействие с нейронными культурами, real-time closed-loop архитектуру и встроенный контур перфузии, необходимый для поддержания клеток.
По данным самой Cortical Labs, устройство содержит собственную систему жизнеобеспечения и способно поддерживать нейронную культуру до шести месяцев. Запись активности, приложения и компоненты жизнеобеспечения интегрированы непосредственно в устройство.
Получается необычный гибрид:
биология + микроэлектроника + программное обеспечение + система жизнеобеспечения.
А программировать его действительно можно?
Да, хотя слово «программировать» здесь несколько отличается от привычного программирования CPU или GPU.
Cortical Labs предоставляет CL API — Python-библиотеку для взаимодействия с биологической нейронной сетью.
API позволяет:
- считывать активность нейронов;
- записывать данные;
- выполнять электрическую стимуляцию;
- создавать планы стимуляции;
- обнаруживать нейронные импульсы;
- строить алгоритмы обратной связи в реальном времени.
Компания также предоставляет симулятор SDK. Код можно сначала разрабатывать без физического CL1, а затем переносить на реальное устройство с минимальными изменениями.
Это, пожалуй, одна из самых интересных особенностей проекта: эксперимент с живыми нейронами постепенно превращается в платформу, доступную через знакомый разработчикам программный интерфейс.
Насколько биологические нейроны эффективны в обучении.
Здесь находятся одни из наиболее интересных результатов исследований Cortical Labs.
В работе 2025 года исследователи сравнили нейронные культуры DishBrain с алгоритмами глубокого обучения с подкреплением — DQN, A2C и PPO — в упрощённой среде Pong.
При ограничении количества обучающих взаимодействий реальным временем биологические культуры показали более высокую sample efficiency, то есть им требовалось меньше взаимодействий со средой для улучшения некоторых показателей задачи.
Но этот результат важно трактовать правильно.
Он не означает, что несколько выращенных нейронов уже превосходят современные нейросети или большие языковые модели.
Речь идёт о конкретной экспериментальной задаче и конкретном сравнении эффективности обучения при ограниченном числе примеров.
Это скорее свидетельство того, насколько эффективно биологические нейронные системы способны адаптироваться к новой информации.
Для чего вообще нужен такой компьютер.
Сегодня наиболее очевидное применение CL1 находится не в замене ноутбуков или серверов.
Гораздо интереснее устройство выглядит как инструмент для нейробиологии и фармакологии.
Живая нейронная культура позволяет исследователю не только измерять электрическую активность клеток, но и помещать их в среду, где эту активность можно связать с выполнением определённой функции.
В исследовании 2025 года, опубликованном в Communications Biology, учёные использовали подобную систему для изучения действия противосудорожных препаратов.
Исследовались фенитоин, перампанел и карбамазепин. Все препараты изменяли спонтанную нейронную активность, а при одной из исследованных концентраций карбамазепина наблюдалось статистически значимое улучшение игровых показателей нейронной системы.
Это демонстрирует интересную концепцию: воздействие препарата можно оценивать не только по молекулярным изменениям или частоте импульсов, но и по тому, как после воздействия меняется функциональная обработка информации нейронной сетью.
Для исследований заболеваний нервной системы это потенциально может стать новым типом экспериментального инструмента.
А что с энергопотреблением?
Биологические нейронные системы чрезвычайно интересны ещё по одной причине — живые клетки выполняют сложную обработку информации при очень небольших энергетических затратах.
Cortical Labs делает энергоэффективность одним из центральных аргументов в пользу биологических вычислений.
Но здесь тоже необходима осторожность.
Сравнивать только электрическую активность нейронов с энергопотреблением GPU было бы некорректно. Биологической системе необходимы питательная среда, контроль температуры, перфузия, электроника и другие компоненты жизнеобеспечения.
Поэтому вопрос о полном энергетическом преимуществе биокомпьютеров перед традиционными вычислительными системами потребует гораздо более масштабных и независимых исследований.
Означает ли CL1 начало новой компьютерной эпохи?
Пока слишком рано так говорить.
CL1 — экспериментальная платформа, а биологические вычисления всё ещё находятся на очень ранней стадии развития.
Существуют серьёзные проблемы:
необходимо поддерживать клетки живыми, результаты биологических систем естественным образом варьируются, программирование нейронной культуры значительно отличается от программирования цифрового процессора, а масштабирование подобных систем представляет отдельную инженерную и биологическую задачу.
Кроме того, значительная часть современных исследований DishBrain и CL1 выполнена исследователями, связанными с Cortical Labs. В публикации Nature Reviews Bioengineering о CL1 прямо указано, что её автор Brett Kagan является сотрудником и акционером Cortical Labs.
Это не делает результаты недостоверными, но означает, что для оценки возможностей технологии особенно важны дальнейшие независимые исследования и воспроизводимость результатов.
Почему CL1 всё равно важен.
Самое интересное в CL1, возможно, не в том, сможет ли биологический компьютер когда-нибудь заменить процессор.
Технология ставит более фундаментальный вопрос:
обязательно ли нам имитировать биологический интеллект на кремнии, если мы можем непосредственно взаимодействовать с самой биологической системой?
Эксперименты DishBrain уже показали, что выращенные in vitro нейронные сети способны менять свою активность в замкнутой информационной среде и демонстрировать измеримое улучшение выполнения простой задачи.
CL1 делает следующий шаг — превращает эту идею в стандартизированную аппаратно-программную платформу.
Пока это скорее инструмент для исследователей, чем компьютер будущего на рабочем столе.
Но сама возможность написать Python-код, отправить через электронику информацию живой нейронной сети, получить её ответ и построить на этом замкнутый вычислительный эксперимент ещё недавно выглядела скорее как научная фантастика.
Теперь это реальная область исследований.
Основные научные источники
- Kagan B.J. et al. — “In vitro neurons learn and exhibit sentience when embodied in a simulated game-world”. Neuron, 2022. DOI:
10.1016/j.neuron.2022.09.001. - Kagan B.J. — “The CL1 as a platform technology to leverage biological neural system functions”. Nature Reviews Bioengineering, 2025. DOI:
10.1038/s44222-025-00340-3. - Khajehnejad M. et al. — “Dynamic Network Plasticity and Sample Efficiency in Biological Neural Cultures”. Cyborg and Bionic Systems, 2025. DOI:
10.34133/cbsystems.0336. - Watmuff B. et al. — “Drug treatment alters performance in a neural microphysiological system of information processing”. Communications Biology, 2025. DOI:
10.1038/s42003-025-08194-6.