200.000 Neurónios Humanos Aprenderam a Jogar Doom, Apontando para a Computação Biológica de Baixo Consumo

Cortical Labs conectou 200.000 neurónios humanos cultivados a partir de células-tronco derivadas do sangue à sua interface de silício CL1, ensinando a cultura a navegar e disparar em Doom. Ao traduzir o estado do jogo em padrões elétricos e ler picos neurais como comandos, o sistema melhorou com o treino, apontando para uma computação biológica de baixo consumo energético, mesmo que as configurações atuais de neurónio-chip durem aproximadamente seis meses.

• Pontos-chave:
• A Cortical Labs treinou 200.000 neurónios no CL1 para jogar Doom, avançando na biocomputação.
• Brett Kagan afirma que uma eficiência cerebral de 20 watts poderia desafiar as demandas de energia da IA a seguir.
• Culturas de CL1 duram cerca de 6 meses; supervisão da FDA e NIH pode moldar usos futuros.

Dentro de um laboratório em Melbourne, uma placa de 200.000 neurónios humanos aprendeu a desviar e disparar em Doom, treinada através de uma interface de silício. O chip CL1 da Cortical Labs traduziu o mundo do jogo em padrões elétricos e leu de volta picos como movimento e fogo, levando a placa de cultura de reflexos de Pong para navegação em 3D. A jogabilidade ainda é desajeitada, mas sugere uma computação biológica que consome pouca energia em comparação com a IA atual, que exige muita eletricidade, uma direção que a equipa diz complementar os modelos convencionais. Estender a vida útil de seis meses e melhorar a consistência poderia permitir que o mesmo hardware vivo controlasse robôs ou avaliasse medicamentos, não apenas perseguisse demónios pixelizados.

Neurónios humanos enfrentam Doom numa inovação de laboratório

Alguns experimentos parecem uma antevisão do próximo capítulo da computação. Pesquisadores da Cortical Labs relatam que treinaram um grupo de 200.000 neurónios para jogar Doom, o jogo de tiro em primeira pessoa de 1993 que ajudou a definir os jogos modernos. Os neurónios, cultivados a partir de células-tronco humanas e ligados a uma interface de silício, aprenderam a navegar por corredores e disparar contra inimigos, sugerindo um caminho para bio-computadores que complementem os sistemas de IA atuais.

Como os neurónios humanos aprendem a jogar

A equipa começou com comportamentos ao nível de Pong, depois evoluiu para as exigências 3D de Doom. Os neurónios receberam estímulos elétricos estruturados ligados ao estado do jogo e responderam com padrões que o sistema traduziu em comandos como mover, virar e disparar. No centro está o chip personalizado CL1, que converte eventos visuais em estímulos através de eletrodos, e depois lê a atividade das células para conduzir ações em tempo real.

O desempenho está longe de estar pronto para e-sports. As células frequentemente disparam de forma incorreta ou fazem correções excessivas, mas melhoram ao longo de sessões repetidas à medida que o treino continua. Segundo os investigadores, o objetivo não é uma mira perfeita, mas demonstrar aprendizagem orientada a objetivos dentro de uma rede neural viva, sob condições que um computador pode orquestrar e medir.

A promessa da eficiência biológica

A energia é o destaque. Onde os grandes modelos de IA atuais consomem megawatts em centros de dados na nuvem, o cérebro humano funciona com cerca de 20 watts. Essa eficiência inspira a busca por sistemas híbridos que possam reduzir as necessidades energéticas para aprendizagem, adaptação e controlo. Brett Kagan, diretor científico da Cortical Labs, enquadra o trabalho como um parceiro da IA de silício, não uma substituição, especialmente para tarefas que beneficiam de aprendizagem contínua com orçamentos energéticos restritos.

Para empresas nos EUA que treinam modelos de base em GPUs Nvidia e correm para escalar inferências, mesmo uma transferência parcial para co-processadores biológicos poderia fazer diferença. Pense em ciclos de aprendizagem locais para robótica ou dispositivos de borda, enquanto chips convencionais lidam com matemática de precisão e recuperação em grande escala. A questão a curto prazo é onde os trade-offs se equilibram em latência, fiabilidade e custo.

Um futuro além dos jogos

Os jogos são um campo de testes útil, mas o objetivo maior é a ciência e a indústria. A computação biológica poderia permitir triagem de medicamentos em tecido neural específico do paciente, novos modelos de doenças e controlos adaptativos em robótica. As interfaces permanecem frágeis, com uma vida útil típica de cerca de seis meses e outputs que ainda não estão totalmente padronizados ou programáveis em escala.

As regras regulatórias e éticas precisarão acompanhar o ritmo, especialmente nos EUA, sob orientação da FDA e NIH, se os usos médicos avançarem. Ainda assim, o resultado do laboratório é concreto: neurónios vivos podem ser treinados para atuar em tarefas digitais complexas. De Doom a centros de dados, a jornada começou, silenciosa e eficiente, dentro de uma placa.