200,000 neuronas humanas aprendieron a jugar Doom, señalando la computación biológica de bajo consumo

Cortical Labs conectó 200,000 neuronas humanas cultivadas a partir de células madre derivadas de la sangre con su interfaz de silicio CL1, enseñando a la cultura a navegar y disparar en Doom. Al traducir el estado del juego en patrones eléctricos y leer picos neuronales como comandos, el sistema mejoró con el entrenamiento, apuntando a una computación biológica de bajo consumo incluso cuando las configuraciones actuales de neurona-chip duran aproximadamente seis meses.

• Aspectos clave:
• Cortical Labs entrenó 200,000 neuronas en CL1 para jugar Doom, avanzando en la biocomputación.
• Brett Kagan dice que una eficiencia cerebral de 20 vatios podría desafiar las demandas de energía de la IA en el futuro próximo.
• Las culturas de CL1 duran unos 6 meses; la supervisión de la FDA y NIH podría moldear usos futuros.

Dentro de un laboratorio en Melbourne, un plato con 200,000 neuronas humanas aprendió a esquivar y disparar en Doom, guiado a través de una interfaz de silicio. La chip CL1 de Cortical Labs tradujo el mundo del juego en patrones eléctricos y leyó los picos como movimiento y disparo, llevando la cultura del plato desde reflejos en Pong hasta navegación en 3D. El juego aún es torpe, pero insinúa una computación biológica que consume poca energía en comparación con la IA hambrienta de electricidad de hoy, una dirección que el equipo dice complementa los modelos convencionales. Si se extiende la vida útil a seis meses y se mejora la consistencia, la misma materia húmeda podría dirigir robots o analizar medicamentos, no solo perseguir demonios pixelados.

Neuronas humanas enfrentan Doom en un avance en laboratorio

Algunos experimentos parecen una mirada al próximo capítulo de la computación. Investigadores de Cortical Labs informan que entrenaron un grupo de 200,000 neuronas para jugar Doom, el juego de disparos en primera persona de 1993 que ayudó a definir los videojuegos modernos. Las neuronas, cultivadas a partir de células madre humanas y conectadas a una interfaz de silicio, aprendieron a navegar pasillos y disparar a enemigos, insinuando un camino para las bio-computadoras que complementen los sistemas de IA actuales.

Cómo aprenden a jugar las neuronas humanas

El equipo comenzó con un comportamiento similar a Pong, luego escaló a las demandas en 3D de Doom. Las neuronas recibieron estímulos eléctricos estructurados vinculados al estado del juego y respondieron con patrones que el sistema tradujo en comandos como mover, girar y disparar. En el centro está el chip personalizado CL1, que convierte eventos visuales en estimulación a través de electrodos y lee la actividad de las células para impulsar acciones en tiempo real.

El rendimiento está lejos de estar listo para eSports. Las células a menudo fallan o corrigen en exceso, pero mejoran con sesiones repetidas a medida que continúa el entrenamiento. Según los investigadores, el objetivo no es una puntería perfecta, sino demostrar un aprendizaje dirigido a metas dentro de una red neural viva, en condiciones que una computadora puede orquestar y medir.

La promesa de la eficiencia biológica

La energía es el titular. Mientras que los grandes modelos de IA actuales consumen megavatios en centros de datos en la nube, el cerebro humano funciona con aproximadamente 20 vatios. Esa eficiencia inspira la búsqueda de sistemas híbridos que puedan reducir las necesidades energéticas para el aprendizaje, la adaptación y el control. Brett Kagan, director científico de Cortical Labs, enmarca el trabajo como un socio de la IA de silicio, no un reemplazo, especialmente para tareas que se benefician del aprendizaje continuo con presupuestos energéticos ajustados.

Para las empresas estadounidenses que entrenan modelos base en GPUs de Nvidia y compiten por escalar la inferencia, incluso una descarga parcial a co-procesadores biológicos podría ser importante. Piensa en bucles de aprendizaje locales para robótica o dispositivos en el borde, mientras los chips convencionales manejan matemáticas de precisión y recuperación a gran escala. La pregunta a corto plazo es dónde se alinean los compromisos en latencia, fiabilidad y costo.

Un futuro más allá de los videojuegos

Los videojuegos son un banco de pruebas útil, pero el objetivo mayor es la ciencia y la industria. La computación biológica podría permitir la selección de medicamentos en tejidos neuronales específicos del paciente, nuevos modelos de enfermedades y controles adaptativos en robótica. Las interfaces siguen siendo frágiles, con una vida útil típica de unos seis meses y salidas que aún no están completamente estandarizadas o programables a gran escala.

Las regulaciones y las salvaguardas éticas deberán mantenerse al día, particularmente en EE. UU. bajo la guía de la FDA y NIH si los usos médicos progresan. Sin embargo, el resultado en el laboratorio es concreto: las neuronas vivas pueden ser entrenadas para actuar en tareas digitales complejas. Desde Doom hasta centros de datos, el viaje ha comenzado, de manera silenciosa y eficiente, dentro de un plato.