Reading time: 7 min
एक independent developer, जिसे biological computing का कोई अनुभव नहीं था, ने Python API से जुड़कर Melbourne की एक प्रयोगशाला में 2 लाख जीवित मानव neurons वाले chip को access किया — और सात दिनों के भीतर उन neurons को 1993 के first-person shooter गेम Doom को control करना सिखा दिया। Neurons इसमें अच्छे नहीं हैं — वे ऐसे खेलते हैं जैसे किसी ने पहली बार keyboard देखा हो। लेकिन वे सीख रहे हैं। और इस system को बनाने वाली कंपनी पहले ही $35,000 प्रति यूनिट के हिसाब से 115 यूनिट ship कर चुकी है।
यह कंपनी है Cortical Labs, जिसकी स्थापना Dr. Hon Weng Chong ने की और जिसका मुख्यालय Melbourne में है। इसका उत्पाद CL1 है, जिसे कंपनी दुनिया का पहला व्यावसायिक रूप से उपलब्ध biological computer कहती है। यह lab में उगाए गए मानव neurons को silicon chip के साथ जोड़कर वह चीज़ बनाता है जिसे Cortical Labs Synthetic Biological Intelligence (SBI) कहती है। Doom का यह प्रदर्शन फरवरी के अंत में YouTube पर घोषित किया गया और इस हफ्ते Popular Science, Tom’s Hardware, The Register समेत लगभग हर tech outlet ने इसे उठाया — यही वह क्षण है जब यह technology प्रयोगशाला की जिज्ञासा से निकलकर ऐसी चीज़ बन गई जिसके साथ developers वास्तव में काम कर सकते हैं। Source code GitHub पर है, API Python में है, और neurons ऑस्ट्रेलिया में एक nutrient bath में जीवित हैं।
यह system असल में काम कैसे करता है
CL1 मानव neurons को एक 59-electrode multielectrode array पर उगाता है, जो धातु और कांच के chip पर बना होता है। ये neurons किसी मस्तिष्क से नहीं निकाले जाते। PerfScience द्वारा मार्च 2026 में प्रकाशित एक विस्तृत तकनीकी विश्लेषण के अनुसार, ये वयस्क त्वचा या रक्तदाताओं की कोशिकाओं से शुरू होते हैं, जिन्हें induced pluripotent stem cells में reprogram किया जाता है और फिर cortical neurons में विकसित किया जाता है। कोशिकाओं को एक sealed life-support chamber में जीवित रखा जाता है जो तापमान, gas exchange और nutrient flow को नियंत्रित करता है। Cortical Labs के अनुसार neurons छह महीने तक जीवित रह सकते हैं।
यह system कंपनी के biOS यानी Biological Intelligence Operating System पर चलता है। यह एक simulated environment बनाता है और उस environment की जानकारी electrodes के ज़रिए electrical stimulation के patterns के रूप में neurons को भेजता है। Neurons अपने electrical spikes वापस भेजते हैं, जिन्हें actions के रूप में interpret किया जाता है। 2022 के Pong प्रदर्शन में संबंध सीधा था: गेंद ऊपर जाए तो paddle ऊपर जाए। लेकिन Doom में समस्या कई गुना कठिन है — गेम तीन-आयामी है, दुश्मन हैं, और खिलाड़ी को explore करना, navigate करना, निशाना लगाना और गोली चलानी होती है।
इस अंतर को पाटने के लिए, Sean Cole — जिस independent developer ने Doom interface बनाया — ने गेम के video feed को electrical stimulation patterns में बदला ताकि neurons उसे process कर सकें। Tom’s Hardware के अनुसार, CTO David Hogan ने mapping समझाई: “अगर neurons एक खास pattern में fire करते हैं तो Doom guy गोली चलाता है। अगर दूसरे pattern में fire करते हैं तो वह दाएं चलता है।” Neurons को reinforcement feedback मिलता है — positive और negative signals जो समय के साथ उनके firing patterns को आकार देते हैं। शाब्दिक अर्थों में, यह reinforcement learning है जो silicon की जगह wetware पर चल रहा है।
यह क्या कर सकता है और क्या नहीं
Cortical Labs के Chief Scientific Officer Brett Kagan ने मौजूदा performance के बारे में साफ़ बात की। Tom’s Hardware के अनुसार, उन्होंने announcement video में कहा: “क्या यह eSports champion है? बिल्कुल नहीं।” System Doom को random input generator से बेहतर खेलता है, लेकिन किसी ऐसे इंसान से भी बदतर जिसने पांच मिनट गेम खेला हो। Kagan का तर्क था कि असल मायने score के नहीं हैं — बल्कि इसके हैं कि neurons ने एक जटिल तीन-आयामी environment में “adaptive, real-time, goal-directed learning” का प्रदर्शन किया। यह Pong की गेंद को आगे-पीछे करने से बिल्कुल अलग स्तर की समस्या है।
इसे संदर्भ में देखिए। 2022 में Cortical Labs के पुराने prototype DishBrain ने Pong लगभग पांच मिनट में सीख लिया था। PerfScience के अनुसार, एक standard deep reinforcement learning system को समान performance तक पहुंचने में करीब 90 मिनट लगते हैं। Neurons computing में तेज़ नहीं हैं — वे data-efficient हैं, कम उदाहरणों से सीखते हैं। अगर यह गुण scale करता है, तो drug discovery और disease modelling के लिए इसके मायने बहुत बड़े हैं, जहां training data तैयार करने की लागत अक्सर सबसे बड़ी बाधा होती है।
Business Model
CL1 को मार्च 2025 में Barcelona के Mobile World Congress में लॉन्च किया गया और पिछले साल की दूसरी छमाही से shipping शुरू हुई। प्रत्येक यूनिट की कीमत $35,000 है, या 30-unit server rack में $20,000 प्रति यूनिट। एक पूरा rack 850 से 1,000 watts खपत करता है — जो, जैसा कि कई outlets ने नोट किया, कुछ high-end gaming PCs से भी कम है। PerfScience के अनुसार, Cortical Labs ने अब तक 115 यूनिट ship की हैं, जिससे list price पर लगभग $4 million का revenue उत्पन्न हुआ है। कंपनी Wetware-as-a-Service (WaaS) भी प्रदान करती है, जिससे शोधकर्ता Cortical Cloud के माध्यम से दूर बैठे neurons को access कर सकते हैं।
IEEE Spectrum के अनुसार, Kagan ने बताया कि कंपनी ने विश्वविद्यालयों, startups और सरकारी संगठनों से drug discovery, neurocomputation, AI acceleration और — कुछ अप्रत्याशित रूप से — Bitcoin mining जैसे अनुप्रयोगों में गहरी रुचि देखी है। मुख्य व्यावसायिक प्रस्ताव यह है कि CL1 pharmaceutical research में पशु परीक्षण का एक नैतिक रूप से बेहतर विकल्प है। चूंकि यह rodent models की जगह मानव neurons का उपयोग करता है, यह दाताओं के बीच genetic अंतर को पकड़ सकता है और रोग-विशिष्ट प्रतिक्रियाओं को उन तरीकों से model कर सकता है जो पशु परीक्षण में संभव नहीं हैं। Cortical Labs इस technology को epilepsy, Alzheimer’s और अन्य neurological स्थितियों के अध्ययन के लिए एक platform के रूप में प्रस्तुत करती है।
प्रतिस्पर्धा का दायरा छोटा है लेकिन बढ़ रहा है। Swiss कंपनी FinalSpark पहले से ही $1,000 प्रति माह से neural organoids तक remote access प्रदान करती है। Indiana University में शोधकर्ताओं ने Brainoware बनाया, एक ऐसा system जिसने सिर्फ दो दिनों के training के बाद speaker identification में 78% accuracy हासिल की। UC San Diego की एक टीम ने organoid-based systems को environmental modelling के लिए प्रस्तावित किया है। चीन में, Tianjin University ने MetaBOC नामक brain-on-chip platform पेश किया। व्यावसायिक रूप से इनमें से कोई भी Cortical Labs जितना आगे नहीं है, लेकिन AI से जुड़ी हर चीज़ में बह रही venture capital की धारा ने biocomputing में जोखिम भरे दांव को भी अचानक fundable बना दिया है।
वह सवाल जिसका जवाब कोई नहीं देना चाहता
नैतिक पहलू से बचना असंभव है, और Cortical Labs ने बचने की कोशिश भी नहीं की है। CL1 पर मौजूद neurons सचेतन नहीं हैं। वे इतने कम और इतने सरल हैं कि जागरूकता जैसी कोई चीज़ पैदा नहीं कर सकते। वर्तमान neuroscience की आम सहमति यह है कि electrode array पर 2 लाख neurons subjective experience उत्पन्न करने में सक्षम नहीं हैं। मानव मस्तिष्क में लगभग 86 अरब neurons हैं जो खरबों synapses से जुड़े हैं। यह अंतर मामूली नहीं है — यह विशाल है।
लेकिन इस technology की दिशा ऐसे सवाल उठाती है जिनका उद्योग के पास अभी कोई जवाब नहीं है। जैसा कि RealClearScience ने जनवरी 2026 के एक विश्लेषण में नोट किया, इन systems में intelligence या consciousness के दावे आज असमर्थित हैं। ये systems प्रतिक्रिया देने और अनुकूलन करने की सरल क्षमता दिखाते हैं, उच्च संज्ञान नहीं। असली सवाल यह है कि क्या होगा जब neuron की संख्या बढ़ेगी, electrode arrays सघन होंगे, और feedback loops अधिक sophisticated बनेंगे। Cortical Labs ने “Minimal Viable Brain” बनाने की बात कही है। यह वाक्यांश — startup संस्कृति से उधार लेकर biological tissue पर लागू किया गया — ऐसे निहितार्थ रखता है जो शायद कंपनी के नियंत्रण से बाहर निकल जाएं।
फिलहाल, CL1 एक $35,000 का बॉक्स है जो मानव neurons को छह महीने तक जीवित रखता है, Python जानने वाले किसी भी व्यक्ति को उनसे संवाद करने देता है, और अभी-अभी इसे 1993 के एक गेम में demons को मारना सिखाया गया है। सबसे महत्वपूर्ण बात जिस पर ध्यान देना चाहिए वह यह है: Doom interface एक अकेले developer ने एक हफ्ते में बनाया, public API का उपयोग करके, बिना किसी neuroscience training के। इसका मतलब है कि इस platform पर कुछ बनाने की बाधा पहले से इतनी कम है कि developer community प्रयोग शुरू कर सकती है। अब असली कहानी यह होगी कि वे आगे क्या बनाते हैं।
