admin
Granica između živog ljudskog mozga i veštačke mašine upravo je postala mnogo tanja, a rezultati jednog američkog istraživanja pokazuju koliko daleko nauka može da ode u povezivanju biologije i robotike.
Američki naučnici razvili su humanoidnog robota čijim pokretima delimično upravljaju žive ljudske moždane ćelije uzgojene u laboratoriji. Sistem nazvan Brainobot predstavlja jednu od najneobičnijih primena biološkog računarstva, jer ljudski neuroni u njemu ne služe samo za proučavanje moždane aktivnosti, već aktivno učestvuju u donošenju odluka koje se pretvaraju u fizičke pokrete robota.
„Vesti koje ćete teško pronaći bilo gde drugde! Pridružite se našem Telegram kanalu i saznajte ono što drugi ne objavljuju!“
Istraživanje je objavljeno 15. septembra 2026. godine na naučnoj platformi bioRxiv, pod naslovom „Brain organoid computing for robotic decision-making“. Među autorima su Hongvej Cai, Čunhui Tijan, Jang Jang i Feng Guo, zajedno sa većom grupom stručnjaka koji su razvili sistem sposoban da poveže živo neuronsko tkivo sa elektronskim komponentama humanoidnog robota.
Posebnu pažnju izaziva činjenica da su istraživanje finansijski podržali američki Nacionalni instituti za zdravlje (NIH) i Nacionalna naučna fondacija (NSF). Reč je o državnim institucijama koje finansiraju naučna istraživanja, uključujući razvoj novih biomedicinskih i tehnoloških sistema.
U središtu eksperimenta nalaze se takozvani moždani organoidi, minijaturne trodimenzionalne strukture ljudskog moždanog tkiva koje naučnici uzgajaju u kontrolisanim laboratorijskim uslovima. Za razliku od običnih elektronskih procesora, ove strukture sadrže žive neurone sposobne da stvaraju električne impulse, međusobno komuniciraju i menjaju svoje aktivnosti kao odgovor na informacije koje dobijaju iz okruženja.
Istraživači su koristili ljudske embrionalne matične ćelije, uključujući poznatu ćelijsku liniju H9, iz kojih su razvijeni moždani organoidi. Tokom približno tri meseca laboratorijskog razvoja formirale su se složene neuronske mreže, sa zrelim neuronima i pratećim ćelijama, uključujući astrocite koji imaju važnu ulogu u funkcionisanju nervnog tkiva.
Nakon toga, naučnici su ove žive strukture povezali sa sistemom mikroelektroda koje omogućavaju dvosmernu razmenu električnih signala. Time je stvorena veza između biološkog tkiva i elektronskog upravljačkog sistema, zahvaljujući kojoj neuronska aktivnost može da utiče na ponašanje robota u stvarnom prostoru.
Najzanimljiviji deo eksperimenta odnosi se na način na koji Brainobot dobija informacije o okolini. Robot poseduje kameru i senzore koji registruju predmete, položaj ciljeva i udaljenost od prepreka, a prikupljeni podaci obrađuju se i pretvaraju u električne signale namenjene živom moždanom tkivu.
Ti signali se preko mikroelektroda dovode do organoida, gde izazivaju odgovore neuronskih mreža. Električna aktivnost neurona zatim se registruje i dekodira, a dobijeni rezultat pretvara u komande koje upravljaju odgovarajućim pokretima robota.
Na taj način formiran je zatvoreni sistem u kojem se informacije neprestano kreću između fizičkog sveta, neuronskog tkiva i robotskih mehanizama. Robot registruje promenu u okruženju, moždane ćelije učestvuju u obradi informacija, a elektronski kontroleri izvršavaju odgovarajuće pokrete.
Naučnici su ovaj princip isprobali na komercijalno dostupnoj humanoidnoj robotskoj platformi ROBOTIS Premium. Robot je opremljen kamerom, senzorom udaljenosti, servo-motorima i elektronskim upravljačkim sistemom, dok je biološki procesor imao zadatak da učestvuje u donošenju odluka na višem nivou.
Jedan od prvih eksperimenata podrazumevao je prepoznavanje i hvatanje predmeta. Istraživači su pred robota postavljali kocke sa slovima „I“ i „U“, a zadatak je bio da na osnovu vizuelnih informacija odluči kojom rukom treba da uhvati odgovarajući predmet.
Kada bi prepoznao kocku sa slovom „I“, robot je trebalo da upotrebi levu ruku, dok je za kocku sa slovom „U“ bila predviđena desna ruka. Ukoliko pred njim nije bilo odgovarajućeg predmeta, sistem je trebalo da izabere mirovanje.
Ono što ovaj eksperiment čini posebno značajnim jeste činjenica da je biološki procesor učestvovao u razlikovanju ulaznih informacija i izboru odgovarajuće komande. Različiti električni obrasci izazivali su različite odgovore neuronskih mreža, što je omogućavalo povezivanje aktivnosti živih ćelija sa konkretnim pokretima robotskih ruku.
Sledeći eksperiment bio je još složeniji, jer je zahtevao kretanje robota kroz prostor i neprekidno prilagođavanje položaju cilja. Naučnici su pred humanoidnog robota postavili zadatak da prati lasersku svetlost i kreće se prema njenoj lokaciji.
Robot je pomoću kamere registrovao položaj svetlosne tačke, a odgovarajući podaci prosleđivani su biološkom procesoru. Aktivnost ljudskih neurona zatim je korišćena za izbor komandi poput skretanja ulevo, skretanja udesno ili kretanja napred.
Odluke su se donosile u intervalima od pet sekundi, sve dok robot ne bi stigao do označenog cilja. Na taj način naučnici su pokazali da živo neuronsko tkivo može učestvovati u nizu međusobno povezanih odluka, umesto da izvršava samo jednu unapred određenu radnju.
Međutim, najvažniji rezultati pojavili su se tokom ponovljenih eksperimenata, kada su istraživači počeli da mere kako se sposobnosti sistema menjaju kroz iskustvo.
U jednoj seriji zadataka praćenja laserske svetlosti, uspešnost Brainobota povećana je sa 72 na 92 odsto. Kada je sistem prešao na hvatanje predmeta, tačnost je privremeno opala na 86 odsto, ali se tokom narednih pokušaja ponovo povećala na 92 odsto.
Druga eksperimentalna serija pokazala je još izraženije poboljšanje. Tokom pet uzastopnih zadataka hvatanja predmeta, tačnost je porasla sa početnih 72 na čak 94 odsto, što ukazuje na sposobnost sistema da poboljšava rezultate tokom ponavljanja zadataka.
Kada je nakon toga promenjena vrsta zadatka i robot ponovo usmeren na praćenje laserske svetlosti, uspešnost je iznosila 90 odsto. Ovaj rezultat je posebno zainteresovao istraživače, jer pokazuje mogućnost prilagođavanja biološkog procesora različitim vrstama zadataka.
Istovremeno su registrovane promene u funkcionalnoj povezanosti neuronskih mreža. Drugim rečima, dok je robot prolazio kroz ponovljene eksperimente, menjali su se i obrasci aktivnosti živog moždanog tkiva koje je učestvovalo u upravljanju njegovim pokretima.
Ova pojava povezana je sa neuronskom plastičnošću, jednom od osnovnih osobina bioloških nervnih sistema. Neuronske mreže mogu menjati način međusobne komunikacije u zavisnosti od stimulacije i prethodnog iskustva, što predstavlja važan mehanizam u procesima učenja.
Da bi utvrdili koliko su živi neuroni zaista značajni za rad robota, naučnici su sproveli dodatne eksperimente u kojima su hemijskim supstancama uticali na njihovu aktivnost.
Jedna od korišćenih supstanci bio je tetrodotoksin, poznat po sposobnosti da blokira električne impulse u nervnim ćelijama. Kada je aktivnost neurona bila potisnuta, sposobnost biološkog procesora da uspešno izvršava zadatke značajno je oslabila.
U drugoj seriji eksperimenata upotrebljena je supstanca K252a, kojom je ograničavana sinaptička plastičnost. Za razliku od sistema koji je tokom treninga dostizao tačnost od 94 odsto, sistem sa potisnutom plastičnošću zadržao se na približno 62 do 64 odsto uspešnosti.
Ovi rezultati predstavljaju jedan od najvažnijih dokaza da moždani organoidi nisu bili samo biološki dodatak elektronskom uređaju. Njihova aktivnost imala je merljiv uticaj na donošenje odluka, prilagođavanje i konačne rezultate robota.
Istraživači su zatim ispitali može li Brainobot da izvrši zadatak koji zahteva više različitih pokreta povezanih u jednu celinu. Robot je dobio zadatak da prenese kocku sa slovom „I“, pronađe kocku sa slovom „U“ i postavi prvu na drugu kako bi formirao oznaku „IU“.
Za izvršavanje takvog zadatka potrebno je povezati nekoliko uzastopnih odluka, uključujući prepoznavanje predmeta, izbor pokreta, kretanje prema cilju i završno postavljanje objekta. Brainobot je uspešno obavio ovu složenu sekvencu, demonstrirajući sposobnost sistema da biološku obradu informacija poveže sa koordinisanim fizičkim radnjama.
Pored prilagodljivosti, istraživači su istakli i mogućnost visoke energetske efikasnosti ovakvog pristupa. Biološke neuronske mreže funkcionišu na principima koji se značajno razlikuju od rada konvencionalnih elektronskih procesora, a živo nervno tkivo sposobno je da obrađuje složene obrasce informacija uz relativno malu potrošnju energije.
Upravo zbog toga naučnici sve više pažnje posvećuju biološkom računarstvu, oblasti u kojoj se žive ćelije koriste kao aktivni elementi sistema za obradu podataka. Umesto da se kompletna obrada zasniva isključivo na silicijumskim čipovima, deo računarskih funkcija može da obavlja biološko tkivo.
Brainobot nije prvi eksperiment koji koristi moždane organoide za računarske zadatke. Ranija istraživanja, uključujući projekat Brainoware, pokazala su da neuronske mreže uzgojene u laboratoriji mogu biti korišćene za prepoznavanje govornih obrazaca i određene vrste matematičkih predviđanja.
Međutim, povezivanje takvog tkiva sa humanoidnim robotom predstavlja značajan sledeći korak. Umesto da biološki procesor samo obrađuje podatke na računaru, njegove odluke sada utiču na pokrete fizičke mašine koja komunicira sa stvarnim okruženjem.
Razlika je ogromna sa tehnološkog stanovišta. U klasičnom računarskom eksperimentu greška u obradi informacija najčešće proizvodi pogrešan digitalni rezultat, dok u robotskom sistemu odluka neposredno utiče na kretanje, hvatanje predmeta i druge fizičke radnje.
U ovom slučaju upravljanje nije bilo prepušteno isključivo živom moždanom tkivu. Elektronski uređaji obrađivali su informacije iz senzora, prevodili neuronsku aktivnost u komande i kontrolisali motore, dok je organoid predstavljao biološki deo sistema zadužen za obradu i izbor određenih radnji.
Ipak, činjenica da su ljudske moždane ćelije postale funkcionalan deo upravljačkog sistema humanoidnog robota otvara čitav niz novih mogućnosti, ali i pitanja koja prevazilaze samu robotiku.
Jedno od njih odnosi se na buduće mogućnosti razvoja mnogo složenijih moždanih organoida. Današnje laboratorijske strukture predstavljaju ograničene modele nervnog tkiva, ali napredak u njihovom uzgajanju, održavanju i povezivanju sa elektronskim sistemima omogućava istraživačima da postepeno povećavaju složenost ovakvih eksperimenata.
Drugo pitanje tiče se granice između biološke i veštačke inteligencije. Tradicionalni roboti koriste softverske algoritme i elektronske procesore, dok sistemi poput Brainobota uvode žive neuronske mreže koje mogu menjati svoje obrasce aktivnosti tokom rada.
Takav pristup otvara mogućnost razvoja mašina koje koriste pojedine osobine biološkog učenja i prilagođavanja, umesto da se oslanjaju samo na unapred programirane postupke. Posebno je značajno što su istraživači demonstrirali promene performansi nakon prelaska sa jednog zadatka na drugi.
Razvoj ove tehnologije istovremeno otvara ozbiljna etička pitanja. Ukoliko se moždani organoidi budu razvijali u sve složenije strukture, naučna zajednica moraće da razmatra i granice njihove upotrebe, uslove održavanja živog nervnog tkiva i način procenjivanja njegovih bioloških svojstava.
Pitanje svesti posebno je osetljivo, jer postojanje aktivnih neurona i sposobnost obrade informacija ne znače automatski postojanje svesnog iskustva. Međutim, mogućnost povezivanja rastućih bioloških neuronskih mreža sa fizičkim mašinama čini ova pitanja sve važnijim za buduća istraživanja.
Još jedna značajna okolnost jeste mogućnost da se slični sistemi koriste i izvan humanoidne robotike. Isti princip povezivanja živih neurona sa elektronskim uređajima mogao bi imati primenu u razvoju novih bioloških procesora, adaptivnih upravljačkih sistema i tehnologija za proučavanje načina na koji nervne mreže donose odluke.
Za istraživače koji rade na biološkom računarstvu, Brainobot predstavlja važan pokazatelj da laboratorijski uzgojeno nervno tkivo može postati aktivna komponenta tehnološkog sistema. Njegova uloga više nije ograničena na pasivno posmatranje i beleženje električne aktivnosti, već uključuje obradu informacija koje imaju neposredne posledice u fizičkom svetu.
Iako su eksperimenti izvedeni u kontrolisanim uslovima i sa jasno definisanim zadacima, njihov značaj proizlazi iz činjenice da su povezali tri do sada uglavnom odvojene oblasti: uzgajanje ljudskog moždanog tkiva, biološko računarstvo i humanoidnu robotiku.
Naučnici su pokazali da informacije iz spoljašnjeg sveta mogu biti pretvorene u električnu stimulaciju živih ljudskih neurona, da aktivnost tih neurona može biti iskorišćena za donošenje odluka i da se dobijene odluke mogu pretvoriti u stvarne pokrete robotskog tela.
Rezultati objavljeni u septembru 2026. pokazuju da takav sistem može da hvata predmete, prati svetlosne ciljeve, izvršava višefazne zadatke i poboljšava rezultate tokom treninga. Posebno je značajno što su eksperimenti sa hemijskim inhibiranjem neuronske aktivnosti potvrdili funkcionalnu ulogu živog tkiva u radu robota.
Sve ovo ukazuje na početak tehnološkog pravca u kojem će se granica između živih ćelija i veštačkih mašina sve više pomerati. Umesto robota kojima upravljaju samo elektronski procesori, istraživači sada razvijaju sisteme u kojima biološke neuronske mreže postaju sastavni deo mehanizma za donošenje odluka.
Najveća posledica eksperimenta Brainobot možda se zato ne nalazi u samom robotu, već u mogućnosti koju je otvorio. Američki naučnici su pokazali da živo ljudsko moždano tkivo, razvijeno u laboratoriji i povezano sa elektronikom, može učestvovati u upravljanju fizičkom mašinom.
Time je napravljen korak prema svetu u kojem se računari, roboti i žive ljudske ćelije više ne razvijaju samo kao odvojeni sistemi, već kao delovi jedne tehnološke celine. Pitanje koje se sada postavlja nije samo koliko će takve mašine postati sposobne, već i koliko će daleko nauka otići u korišćenju živog ljudskog nervnog tkiva za njihovo funkcionisanje.