W laboratorium Centrum Zaawansowanych Badań nad Mózgiem i Inteligencją Chińskiej Akademii Nauk zespół naukowców po raz pierwszy pokazał, jak pojedynczy neuron działa jak miniaturowy komputer zdolny do elastycznego podejmowania decyzji. To nie jest zwyczajne kolejne odkrycie — to wypełnienie luki, która przez dziesięciolecia uniemożliwiała zrozumienie, dlaczego ludzki mózg radzi sobie z nowymi zadaniami szybciej i skuteczniej niż jakiekolwiek algorytmy.
Dzisiejsze systemy AI naśladują jedynie połączenia między neuronami — „drogi między stacjami”. Nowe badanie pokazuje, że same neurony wykonują złożone obliczenia wewnątrz siebie, pozwalając szybko stawiać hipotezy i uogólniać prawidłowości na podstawie minimalnej liczby przykładów. To wyjaśnia, dlaczego człowiek uczy się na kilku przykładach, a AI wymaga milionów.
Naukowcy z CAS już od kilku lat pracują na styku neurobiologii i nauk obliczeniowych. Ich wcześniejsze prace nad mapowaniem sieci neuronowych i badaniem plastyczności mózgu stworzyły podstawę dla tego przełomu. Ograniczenia instytucjonalne i technologiczne — brak wystarczającej zdolności rozdzielczej narzędzi — długo hamowały postęp, ale zgromadzone doświadczenie i dostęp do zaawansowanego sprzętu pozwoliły zrobić krok naprzód właśnie teraz.
Publiczne oświadczenia podkreślają potencjał dla „następnej generacji AI”, jednak rzeczywisty interes leży głębiej: integracja tego mechanizmu z algorytmami może radykalnie obniżyć zużycie energii i zwiększyć adaptacyjność systemów. Rozbieżność między deklarowanym a rzeczywistym: odkrycie nie tylko „inspiruje”, lecz wskazuje na fundamentalną różnicę w architekturze — biologiczna vs. cyfrowa.
Gdy presja na branżę AI rośnie z powodu wysokich kosztów uczenia modeli, to odkrycie wygląda jak naturalna kontynuacja strategii Chin na rzecz przywództwa w neurotechnologiach. Potwierdza ono pewien wzorzec: chińskie zespoły naukowe systematycznie inwestują w badania podstawowe nad mózgiem, aby zdobyć przewagę konkurencyjną w dziedzinach stosowanych.
Wyobraźcie sobie szachistę, który nie tylko zapamiętuje ruchy, ale w locie przebudowuje całą strategię pod nowego przeciwnika — właśnie tak działa neuron według nowego opisu. To pozwala zrozumieć, dlaczego kopiowanie „połączeń” nie daje elastyczności: trzeba skopiować także wewnętrzną „logikę” komórki.
Odkrycie pokazuje, że przepaść między inteligencją biologiczną a sztuczną nie tkwi w ilości danych, lecz w samej organizacji obliczeń. Następny krok to nie po prostu więcej parametrów, lecz jakościowo odmienna architektura, inspirowana żywym mózgiem.
