New-Tech Magazine | March 2026 | Digital Edition

Out Of the b o x

אורגנואידים מוחיים שגודלו במעבדה מדגימים יכולת פנימית בתמונה: לחישוב אדפטיבי, באמצעות למידה של איזון מוט וירטואלי דרך ממשק ביו־

חשמלי בלולאת משוב סגורה. Neuroscience New קרדיט:

ולמידה. הממצאים לא היו מושלמים, אבל הם סימנו כיוון ברור. המחקר הנוכחי מוסיף נדבך חשוב, משום שהוא מציג למידה בתנאים מבוקרים יותר, עם מדדים כמותיים. עבור הקהילה המדעית, זו נקודה קריטית. המעבר מהדגמות מסקרנות לניסויים מדידים הוא זה שמאפשר לתחום להתקדם. ועדיין, לא כולם משתכנעים באותה מידה. יש חוקרים שמזהירים מפני פרשנות יתר, ומזכירים כי האורגנואידים הם מערכות פשוטות יחסית, ללא ארגון מוחי מלא. אחרים מעלים שאלות אתיות. גם אם אין כאן תודעה או חוויה, עצם השימוש ברקמה עצבית אנושית למטרות חישוביות פותח דיון שעדיין לא הוכרע. כך או כך, קשה להתעלם מהכיוון. אם מערכות כאלה ימשיכו להתפתח, הן עשויות להציע שילוב לא שגרתי של למידה, יעילות אנרגטית וגמישות. זה עדיין רחוק מיישום תעשייתי, אבל כבר לא רחוק מדי מהדגמה מדעית מבוססת. ואולי זה החלק המעניין ביותר. לא התוצאה עצמה, אלא עצם השאלה שהיא מעלה. כשמערכת ביולוגית מתחילה לשפר ביצועים, להסתגל וללמוד, ההגדרות שאנחנו רגילים אליהן מתחילות להישחק. לאט, כמעט בלי לשים לב, הגבול בין חומרה חישובית לבין מערכת חיה נעשה פחות חד. ? Organoid Intelligence תיבה צדדית: מה זה , הוא תחום מחקר חדש יחסית OI , או בקיצור Organoid Intelligence שמחבר בין ביולוגיה, אלקטרוניקה ובינה מלאכותית. הרעיון הוא להשתמש באורגנואידים מוחיים כרכיב חישובי, במקום או לצד שבבי סיליקון. הגישה אינה מבוססת על סימולציה של המוח, אלא על עבודה עם רקמה עצבית חיה, תוך חיבור למערכות אלקטרוניות שמאפשרות קלט, פלט ולמידה. התחום נמצא עדיין בשלבים מוקדמים מאוד, אך כבר מושך עניין מצד וחברות סטארט-אפ. AI מוסדות אקדמיים, חוקרי Johns Hopkins University , Organoid Intelligence Initiative Hartung , T . et al ., Frontiers in Science Neuroscience News , February 2026 Cortical Labs , DishBrain experiments לקישור בדיגיטל: https://www.frontiersin.org/articles/10.3389/fsci.2023.1017235/full מקורות וקרדיט:

האתגר ההנדסי המרכזי הוא תרגום בין שני העולמות. מערכות האלקטרודות צריכות להיות רגישות מספיק כדי לקלוט פעילות עצבית חלשה, אך גם מדויקות כדי להזרים גירויים ממוקדים. כל זה תוך שמירה על יציבות ביולוגית של הרקמה לאורך זמן. מדובר במערכת היברידית מורכבת מאוד, שבה כל שינוי קטן יכול להשפיע על התוצאה. לצד האתגרים, יש גם יתרונות ייחודיים. רשתות ביולוגיות מצטיינות בלמידה מהירה מדוגמאות מעטות, ביכולת הכללה ובתגובה למצבים קלאסיות עדיין AI לא צפויים. אלו בדיוק התחומים שבהם מערכות מתקשות, במיוחד כאשר מדובר בסביבות דינמיות ולא מובנות. ההקשר התעשייתי מתחיל להסתמן גם הוא. אם וכאשר ניתן יהיה לייצב מערכות כאלה, הן עשויות להשתלב בעתיד בשכבות קצה של , שם יש חשיבות גבוהה לצריכת Edge AI מערכות חכמות, למשל ב אנרגיה נמוכה ולתגובה מיידית. זה עדיין רחוק, אך כבר לא מחוץ לגבולות הדמיון ההנדסי. Cortical Labs הרעיון הזה כבר אינו תיאורטי בלבד. חברת האוסטרלית הדגימה בשנים האחרונות מערכת שבה רשת של תאי מוח הצליחה ללמוד אינטראקציה עם סביבה דיגיטלית. באחד הניסויים אף נעשה שימוש בסביבת משחק כדי לבחון תגובה

63 l New-Tech Magazine