200.000 neurônios humanos aprenderam a jogar Doom, apontando para a computação biológica de baixo consumo de energia

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

• Pontos principais:
• Cortical Labs treinou 200.000 neurônios 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 com 200.000 neurônios humanos aprendeu a se desviar e atirar em Doom, treinada por meio 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 disparo, levando a cultura de uma resposta reflexa de Pong para navegação em 3D. O jogo ainda é desajeitado, mas sugere uma computação biológica que consome pouca energia em comparação com a IA atual, que exige muita eletricidade, uma direção que a equipe diz complementar os modelos convencionais. Estender a vida útil de seis meses e melhorar a consistência poderia fazer do mesmo hardware vivo o suficiente para conduzir robôs ou testar medicamentos, não apenas perseguir demônios pixelados.

Neurônios humanos enfrentam Doom em uma inovação de laboratório

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

Como neurônios humanos aprendem a jogar

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

O desempenho ainda 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 treinamento continua. Segundo os pesquisadores, o objetivo não é uma mira perfeita, mas demonstrar aprendizado orientado 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. Enquanto 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 o consumo de energia para aprendizado, adaptação e controle. Brett Kagan, diretor científico da Cortical Labs, enxerga o trabalho como um parceiro da IA de silício, não uma substituição, especialmente para tarefas que se beneficiam de aprendizado contínuo com orçamentos energéticos restritos.

Para empresas dos EUA treinando modelos de base em GPUs Nvidia e acelerando a escala de inferência, até uma transferência parcial para co-processadores biológicos pode fazer diferença. Pense em ciclos de aprendizado local para robótica ou dispositivos de borda, enquanto chips convencionais lidam com cálculos de precisão e recuperação em grande escala. A questão de curto prazo é onde os trade-offs se equilibram em latência, confiabilidade e custo.

Um futuro além dos jogos

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

As regulamentações e diretrizes éticas precisarão acompanhar esse ritmo, especialmente nos EUA, sob orientação da FDA e NIH, se os usos médicos avançarem. Ainda assim, o resultado do laboratório é concreto: neurônios 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.