200.000 neurônios humanos aprendem a jogar Doom no chip CL1 da Cortical Labs

A Cortical Labs treinou 200.000 neurônios humanos em seu chip CL1 para jogar Doom, avançando a computação biológica como um complemento energeticamente eficiente para sistemas convencionais de IA. A equipe de pesquisa sediada em Melbourne usou uma interface de silício para traduzir o mundo do jogo em padrões elétricos e ler disparos neurais como comandos de movimento e disparo, levando a cultura em placa do reflexo de Pong para a navegação 3D. Brett Kagan, diretor científico da Cortical Labs, enquadra o trabalho como uma forma de lidar com as demandas de energia da IA, destacando a eficiência aproximada do cérebro humano de 20 watts versus o consumo de megawatts dos grandes modelos de IA de hoje nos data centers em nuvem. A demonstração tem como objetivo mostrar aprendizado orientado a objetivos dentro de uma rede neural viva sob condições orquestradas por computador, embora o desempenho ainda esteja muito distante de uma precisão para jogos e as culturas em CL1 durem cerca de seis meses.

Cortical Labs Treina Neurônios no Chip CL1 para Jogar Doom

A equipe de pesquisa cultivou os neurônios a partir de células-tronco humanas e os conectou ao chip CL1 personalizado, que converte eventos visuais em estimulação ao longo de eletrodos. O sistema lê a atividade das células para acionar ações em tempo real, traduzindo padrões neurais em comandos como mover, virar e atirar. A equipe começou com comportamento no nível de Pong antes de escalar para as exigências 3D do Doom.

Os neurônios receberam sinais elétricos estruturados ligados ao estado do jogo e responderam com padrões que o sistema interpretou como comandos de jogabilidade. O desempenho mostra falhas frequentes e correções excessivas, com melhora em sessões repetidas à medida que o treinamento continua. Segundo os pesquisadores, o objetivo é demonstrar aprendizado orientado a objetivos dentro de uma rede neural viva sob condições que um computador pode orquestrar e medir, e não atingir precisão no nível de eSports.

Eficiência do Cérebro Humano como Meta para o Consumo de Energia da IA

Enquanto os grandes modelos de IA atuais usam megawatts em data centers na nuvem, o cérebro humano opera com aproximadamente 20 watts. Brett Kagan posiciona o trabalho como um parceiro para a IA em silício, em vez de uma substituição, especialmente para tarefas que se beneficiam de aprendizado contínuo com orçamentos de energia apertados. Para empresas dos EUA treinando modelos de base em GPUs Nvidia e correndo para escalar a inferência, até mesmo um descarregamento parcial para coprocessadores biológicos pode ser relevante em cenários como loops locais de aprendizado para robótica ou dispositivos na borda, enquanto chips convencionais cuidam de contas de precisão e de operações de grande escala de recuperação.

Aplicações de Computação Biológica Além dos Jogos

A equipe identifica triagem de drogas em tecido neural específico do paciente, novos modelos de doenças e controles adaptativos na robótica como aplicações potenciais. As interfaces permanecem frágeis, com uma vida útil típica em torno de seis meses e saídas que ainda não estão totalmente padronizadas ou programáveis em escala. Barreiras regulatórias e éticas precisarão acompanhar o ritmo, especialmente nos EUA sob orientações da FDA e do NIH caso os usos médicos avancem.

FAQ

O que a Cortical Labs conseguiu com neurônios humanos e Doom?
A Cortical Labs treinou 200.000 neurônios humanos cultivados a partir de células-tronco para jogar Doom usando seu chip CL1. O sistema traduz eventos visuais do jogo em padrões elétricos que estimulam os neurônios e, em seguida, lê a atividade deles como comandos de jogabilidade, como movimento e disparo. O trabalho demonstra aprendizado orientado a objetivos em uma rede neural viva sob controle de computador.

Por que a Cortical Labs compara eficiência do cérebro com consumo de energia da IA?
Brett Kagan observa que o cérebro humano opera com aproximadamente 20 watts, enquanto os grandes modelos de IA atuais consomem megawatts em data centers na nuvem. A pesquisa explora a computação biológica como um complemento à IA convencional para tarefas que exigem aprendizado contínuo com orçamentos de energia apertados, como robótica ou dispositivos na borda, enquanto chips de silício lidam com contas de precisão e operações em grande escala.

Quanto tempo duram as culturas neurais do CL1?
As culturas de CL1 têm uma vida útil típica em torno de seis meses. As interfaces continuam frágeis e as saídas ainda não estão totalmente padronizadas ou programáveis em escala, segundo a equipe de pesquisa.