---
title: "Мини-мозги в пробирке научились «читать» шрифт Брайля: органоиды распознали буквы по тактильным данным"
description: "Исследователи Бристольского университета показали, что органоиды нервной ткани из стволовых клеток человека способны распознавать буквы шрифта Брайля: точность выросла с 61 % у одного образца до 83 % у трёх объединённых."
date: 2026-10-17T01:43:39.131Z
lang: ru
url: https://xab.info/posts/minimozgi-v-probirke-chitayut-shrift-braylya
tags: [brain-organoids, braille, neurotechnology, stem-cells, biohybrid-computing]
author: "Александр Буран"
publisher: "XAB.info"
---

# Мини-мозги в пробирке научились «читать» шрифт Брайля: органоиды распознали буквы по тактильным данным

![Флуоресцентное микроскопическое изображение органоида переднего мозга на многоэлектродной матрице](https://xab.info/media/2026/10/17/minimozgi-v-probirke-chitayut-shrift-braylya/minimozgi-v-probirke-chitayut-shrift-braylya-1.webp)

## Ключевые тезисы

- Органоиды переднего мозга (~10 000 нейронов) на мультиэлектродных матрицах обработали тактильные данные шрифта Брайля.
- Точность распознавания букв: 61 % у одного органоида и 83 % при объединении трёх образцов.
- Система с органоидами оказалась устойчивее к помехам, чем прямой алгоритм на зашумлённых данных.
- Обучения не было — эксперимент без обратной связи доказал принципиальную возможность обработки тактильной информации.

Направление органоидного интеллекта получило заметный стимул к развитию: впервые выращенный из стволовых клеток человека массив нервной ткани продемонстрировал способность обрабатывать тактильную информацию и определять отдельные символы шрифта Брайля. Исследователи из Бристольского университета (Bristol University) называют результат прорывом, поскольку эксперимент показал принципиальную возможность работы «живых» нейронных сетей с сенсорными данными, которые ранее считались прерогативой электронных процессоров.

### Как устроена установка: от стволовых клеток к мультиэлектродной матрице

В качестве «вычислителя» использовались органоиды переднего мозга размером менее миллиметра каждый, содержащие порядка 10 000 нейронов и вспомогательных клеток. Колонии выращивали на мультиэлектродных матрицах — устройствах, позволяющих одновременно подавать электрические импульсы и регистрировать активность нервных клеток по всей площади образца. Именно такая конфигурация сделала возможным и ввод данных, и считывание нейронного ответа.

### Тактильный сенсор и кодирование букв в электрические сигналы

Данные для передачи в «мозг» формировались тактильным сенсором Evetac, которым сканировали комбинации выпуклых точек, соответствующие 26 буквам шрифта Брайля. Полученную информацию преобразовывали в электрические импульсы, кодируя её в амплитуде, частоте и фазе сигнала, а затем подавали на органоиды через электроды матрицы. Возникающую нейронную активность регистрировали теми же электродами и передавали алгоритму машинного обучения на компьютере.

### Распознавание букв и устойчивость к помехам

Для определения букв применялся метод опорных векторов (SVM), классифицирующий характерные узоры нейронной активности. Один органоид обеспечивал точность распознавания на уровне 61 %, а объединение данных трёх органоидов повышало её до 83 %. В дополнительном испытании система с органоидами оказалась устойчивее к искусственным помехам, чем алгоритм, непосредственно обрабатывавший зашумлённые входные данные, — это даёт основания рассматривать биологические системы как потенциально более надёжный инструмент обработки данных.

### Почему три органоида лучше одного — и чего не хватало эксперименту

Учёные пока затрудняются точно объяснить, почему совместная работа трёх органоидов дала лучший результат, чем одного. Одна из гипотез: различия в нейронных связях и активности отдельных структур дают взаимодополняющую информацию — подобно тому, как три наблюдателя с индивидуальным взглядом формируют более полное представление об объекте. Важно, что эксперимент проводился без обратной связи о правильности распознавания: органоиды получали информацию, но обучения не происходило. Задача состояла в том, чтобы доказать принципиальную возможность обработки изначально тактильной информации, и исследователи её выполнили.

### Перспективы биогибридных вычислений

В дальнейшем команда намерена изучать обработку других тактильных сигналов — информации о текстуре и границах предметов, — а также возможность создания замкнутых систем с обратной связью. Биогибридные вычисления рассматриваются как перспективное направление, однако практическое превосходство таких систем над обычными электронными процессорами пока не доказано, и именно его подтверждение станет следующей целью разработчиков.

## Проверка фактов и источники

- [Человеческие мини-мозги в пробирке научились читать шрифт Брайля window-new](https://3dnews.ru/1150037/chelovecheskie-minimozgi-v-probirke-nauchilis-raspoznavat-shrift-braylya) - Первоисточник: детали установки (органоиды <1 мм, ~10 000 нейронов, мультиэлектродные матрицы, сенсор Evetac, SVM), точность 61%/83%, отсутствие обучения, планы на текстуры и обратную связь.
- [Человеческие ткани вживили в мозг мышей. Зачем это нужно](https://www.rbc.ru/life/news/6aab94fd945bd0f32d4dcd12) - Смежная тема (человеческие клетки в мозге мышей), но не относится к эксперименту с распознаванием Брайля; в оценку фактов не включён.

## Частые вопросы

### Что именно сделали органоиды в эксперименте?

Выращенные из стволовых клеток человека органоиды переднего мозга обработали тактильные данные шрифта Брайля, преобразованные в электрические импульсы, и по их нейронной активности алгоритм определил отдельные буквы.

### Какая точность распознавания была достигнута?

Один органоид давал точность 61 %, а объединение данных трёх органоидов повышало её до 83 %.

### Происходило ли обучение органоидов?

Нет. Эксперимент проводился без обратной связи о правильности распознавания, поэтому обучения не было — цель состояла в доказательстве принципиальной возможности обработки тактильной информации.

### Чем биогибридная система лучше обычного алгоритма?

В испытании система с органоидами оказалась устойчивее к искусственным помехам, чем алгоритм, непосредственно обрабатывавший зашумлённые входные данные. Однако практическое превосходство над электронными процессорами пока не доказано.