Cortical Labsは、自社のCL1チップで200,000個のヒトのニューロンを訓練し、Doomをプレイさせることで、生物学的コンピューティングを従来のAIシステムのエネルギー効率の高い補完として前進させた。メルボルン拠点の研究チームは、シリコンのインターフェースを使ってゲームの世界を電気的なパターンに変換し、神経スパイクを移動や発射の指令として読み取ることで、ポンの反射から3Dナビゲーションへと培養皿の可能性を押し広げた。Cortical Labsの最高科学責任者（CSO）であるBrett Kaganは、この取り組みをAIの電力需要への対応だと位置づけ、人間の脳が約20ワットで効率的に動く一方で、今日の大規模AIモデルはクラウドのデータセンター全体でメガワット級の消費電力になると述べる。このデモは、コンピュータがオーケストレーションした条件下で、生きた神経ネットワークの中に目的指向の学習を示すことを狙っているが、性能は精密なゲームプレイにはほど遠く、CL1の培養は約6か月しか持たない。
Cortical Labs、Doomのゲームプレイ用にCL1チップでニューロンを訓練
研究チームは、ヒトの幹細胞からニューロンを増やし、それを専用のCL1チップに接続した。CL1チップは視覚イベントを電極に対する刺激へと変換する。システムは細胞の活動を読み取り、リアルタイムで行動を駆動し、神経パターンを「移動」「旋回」「発射」のような指令へ翻訳する。チームはまずポン級の挙動から始め、次にDoomの3D要求へと段階的に引き上げた。
ニューロンはゲーム状態に結びついた構造化された電気的キューを受け取り、システムがゲームプレイ指令として解釈するパターンで応答した。性能は誤作動や過剰な修正が頻発しており、訓練が続く中で反復セッションごとに改善している。研究者らによれば、目標は、コンピュータがオーケストレーションし計測できる条件下で、生きた神経ネットワークの中に目的指向の学習を示すことであり、eスポーツ級の精度を達成することではない。
ヒトの脳の効率目標：AIの電力消費
今日の大規模AIモデルがクラウドのデータセンター全体でメガワット級を使う一方で、ヒトの脳はおよそ20ワットで動く。Brett Kaganは、この取り組みをシリコンAIの代替ではなくパートナーとして位置づけ、特に、エネルギー予算が厳しい中で継続学習が有益となるタスクに適していると述べる。Nvidia GPUで基盤モデルを訓練し、推論のスケールに向けて競争する米国企業にとっては、生物学的な共同プロセッサへの一部のオフロードでさえ、ロボティクスやエッジデバイスにおけるローカル学習ループのような状況では意味がある可能性がある。従来のチップは精密な計算と、大規模なリトリーバル（検索）を担う。
ゲーム以外のバイオ計算アプリケーション
チームは、患者固有の神経組織を使った薬剤スクリーニング、新たな疾患モデル、そしてロボティクスにおける適応制御を潜在的な用途として挙げている。インターフェースは依然として脆く、典型的な寿命は約6か月で、出力はまだ完全に標準化されておらず、スケールに応じてプログラム可能でもない。規制面および倫理面のガードレールは歩調を合わせて整える必要があり、特に医療用途が進む場合には、米国でFDAやNIHのガイダンスに沿って対応が求められる。
FAQ
Cortical LabsはヒトのニューロンとDoomで何を達成しましたか？
Cortical Labsは、幹細胞から育てたヒトのニューロン20万個をCL1チップで訓練し、Doomをプレイさせた。システムはゲームの視覚イベントを電気的パターンに変換してニューロンを刺激し、その後、ニューロンの活動を移動や発射のようなゲームプレイ指令として読み取る。この取り組みは、コンピュータ制御下の生きた神経ネットワークにおける目的指向の学習を示すものだ。
なぜCortical Labsは脳の効率をAIの電力消費と比べるのですか？
Brett Kaganは、ヒトの脳が約20ワットで動く一方、今日の大規模AIモデルはクラウドのデータセンターでメガワット級を消費すると述べる。研究は、生物学的コンピューティングを、エネルギー予算が厳しい状況で継続学習を必要とするタスク、たとえばロボティクスやエッジデバイスに対して、従来のAIを補完するものとして探っている。その一方で、シリコンチップは精密な計算や大規模な処理を担う。
CL1の神経培養はどれくらい持ちますか？
CL1の培養の典型的な寿命は約6か月だ。研究チームによれば、インターフェースは脆いままであり、出力はまだ完全に標準化されておらず、スケールに応じてプログラム可能でもない。
