200.000 neuronas humanas aprenden a jugar Doom en el chip CL1 de Cortical Labs

Cortical Labs entrenó 200.000 neuronas humanas en su chip CL1 para jugar Doom, impulsando la computación biológica como un complemento eficiente en energía frente a los sistemas de IA convencionales. El equipo de investigación con sede en Melbourne utilizó una interfaz de silicio para traducir el mundo del juego en patrones eléctricos y leer los picos neuronales como comandos de movimiento y disparo, pasando el cultivo celular del Pong de reflejos a la navegación 3D. Brett Kagan, director científico de Cortical Labs, enmarca el trabajo como una forma de abordar las demandas de energía de la IA, señalando la eficiencia del cerebro humano de unos 20 vatios frente al consumo de megavatios de los grandes modelos de IA actuales en centros de datos en la nube. La demostración busca mostrar el aprendizaje orientado a objetivos dentro de una red neural viva bajo condiciones orquestadas por computadora, aunque el rendimiento aún está muy lejos de la precisión en gaming y las culturas CL1 duran alrededor de seis meses.

Cortical Labs entrena neuronas en el chip CL1 para jugar Doom

El equipo de investigación cultivó las neuronas a partir de células madre humanas y las conectó al chip CL1 personalizado, que convierte eventos visuales en estimulación a través de electrodos. El sistema lee la actividad de las células para impulsar acciones en tiempo real, traduciendo patrones neuronales en comandos como moverse, girar y disparar. El equipo comenzó con un comportamiento de nivel Pong antes de escalar a las exigencias 3D de Doom.

Las neuronas recibieron señales eléctricas estructuradas vinculadas al estado del juego y respondieron con patrones que el sistema interpretó como comandos de juego. El rendimiento muestra fallos frecuentes y sobrecorrecciones, con mejoras en sesiones repetidas a medida que continúa el entrenamiento. Según los investigadores, el objetivo es demostrar el aprendizaje orientado a objetivos dentro de una red neural viva bajo condiciones que una computadora puede orquestar y medir, en lugar de alcanzar precisión al nivel de esports.

Eficiencia del cerebro humano: objetivo de consumo energético de la IA

Mientras los modelos actuales de IA a gran escala consumen megavatios en centros de datos en la nube, el cerebro humano funciona con aproximadamente 20 vatios. Brett Kagan plantea el trabajo como un aliado para la IA en silicio, no como un reemplazo, especialmente para tareas que se benefician del aprendizaje continuo con presupuestos energéticos ajustados. Para las empresas estadounidenses que entrenan modelos fundacionales en GPUs Nvidia y compiten por escalar la inferencia, incluso un descarte parcial en co-procesadores biológicos podría importar en escenarios como bucles locales de aprendizaje para robótica o dispositivos edge, mientras que los chips convencionales manejan la matemática de precisión y la recuperación a gran escala.

Aplicaciones de computación biológica más allá del gaming

El equipo identifica el cribado de fármacos en tejido neural específico de pacientes, nuevos modelos de enfermedad y controles adaptativos en robótica como posibles aplicaciones. Las interfaces siguen siendo frágiles, con una vida útil típica de alrededor de seis meses y salidas que aún no están totalmente estandarizadas o programables a escala. Los marcos regulatorios y las salvaguardas éticas deberán mantenerse al ritmo, particularmente en EE. UU. bajo la guía de la FDA y el NIH si avanzan los usos médicos.

FAQ

¿Qué logró Cortical Labs con neuronas humanas y Doom?
Cortical Labs entrenó 200.000 neuronas humanas cultivadas a partir de células madre para jugar Doom usando su chip CL1. El sistema traduce los eventos visuales del juego en patrones eléctricos que estimulan las neuronas y luego lee su actividad como comandos de juego como movimiento y disparo. El trabajo demuestra el aprendizaje orientado a objetivos en una red neural viva bajo control por computadora.

¿Por qué Cortical Labs compara la eficiencia del cerebro con el consumo energético de la IA?
Brett Kagan señala que el cerebro humano opera con aproximadamente 20 vatios, mientras que los modelos grandes de IA de hoy consumen megavatios en centros de datos en la nube. La investigación explora la computación biológica como complemento de la IA convencional para tareas que requieren aprendizaje continuo con presupuestos energéticos ajustados, como robótica o dispositivos edge, mientras que los chips de silicio manejan matemáticas de precisión y operaciones a gran escala.

¿Cuánto duran las culturas neurales de CL1?
Las culturas CL1 tienen una vida útil típica de alrededor de seis meses. Las interfaces siguen siendo frágiles y las salidas aún no están totalmente estandarizadas o programables a escala, según el equipo de investigación.