200 000 людських нейронів навчилися грати в Doom, що вказує на енергозберігаюче біологічне обчислення

Кортекальні лабораторії підключили 200 000 людських нейронів, вирощених із стовбурових клітин крові, до свого кремнієвого інтерфейсу CL1, навчивши культуру орієнтуватися та стріляти у Doom. Перетворюючи стан гри у електричні патерни та зчитуючи нейронні спайки як команди, система покращувалася з тренуванням, вказуючи на низькоенергетичні біологічні обчислення, навіть якщо сучасні нейронно-чипові системи тривають приблизно шість місяців.

• Ключові висновки:
• Кортекальні лабораторії навчили 200 000 нейронів на CL1 грати у Doom, просуваючи біообчислення.
• Бретт Каган каже, що ефективність мозку у 20 ват може наступного разу кинути виклик енергоспоживанню ШІ.
• Культури CL1 тривають близько 6 місяців; регуляторний нагляд FDA та NIH може визначити майбутнє використання.

У лабораторії в Мельбурні тарілка з 200 000 людських нейронів навчилася ухилятися та стріляти у Doom, керуючись через кремнієвий інтерфейс. Чип Cortical Labs CL1 перетворював світ гри у електричні патерни та зчитував спайки як рухи і вогонь, підвищуючи рівень від рефлексів Pong до навігації у 3D. Гра все ще не ідеальна, але вона натякає на біологічні обчислення, що споживають менше енергії порівняно з сучасним енергомістким ШІ, і команда каже, що це доповнює традиційні моделі. Якщо подовжити життєвий цикл до шести місяців і підвищити стабільність, ця біологічна система може керувати роботами або тестувати ліки, а не лише переслідувати піксельних демонів.

Людські нейрони беруть участь у Doom у лабораторному прориві

Деякі експерименти здаються поглядом у наступну главу обчислень. Дослідники з Кортекальних лабораторій повідомляють, що вони навчили групу з 200 000 нейронів грати у Doom, шутер від першої особи 1993 року, який допоміг визначити сучасні ігри. Нейрони, вирощені з людських стовбурових клітин і підключені до кремнієвого інтерфейсу, навчилися орієнтуватися у коридорах і стріляти по ворогах, натякаючи на шлях для біо-комп’ютерів, що доповнюють сучасні системи ШІ.

Як людські нейрони навчаються грати у ігри

Команда почала з поведінки рівня Pong, а потім підвищила рівень до 3D-вимог Doom. Нейрони отримували структуровані електричні сигнали, пов’язані з станом гри, і реагували патернами, які система перетворювала на команди, такі як рух, поворот і стрільба. У центрі — спеціальний чип CL1, який перетворює візуальні події у стимуляцію через електроди, а потім зчитує активність клітин для керування діями у реальному часі.

Результати далекі від рівня еспорту. Клітини часто неправильно реагують або перебільшують, але з часом покращуються з повторними сесіями тренувань. За словами дослідників, мета — не ідеальна точність, а демонстрація цілеспрямованого навчання всередині живої нейронної мережі, у умовах, які комп’ютер може організувати і виміряти.

Обіцянка біологічної ефективності

Головна перевага — енергоспоживання. Там, де сучасні великі моделі ШІ споживають мегавати у хмарних дата-центрах, людський мозок працює приблизно на 20 ватах. Ця ефективність надихає пошук гібридних систем, які могли б зменшити енергоспоживання для навчання, адаптації та управління. Бретт Каган, головний науковий співробітник Кортекальних лабораторій, визначає цю роботу як партнерство з кремнієвим ШІ, а не заміну, особливо для завдань, що виграють від безперервного навчання з обмеженим енергоспоживанням.

Для американських компаній, що тренують базові моделі на Nvidia GPU і прагнуть масштабувати інференцію, навіть часткова передача обчислень біологічним співпроцесорам може мати значення. Уявіть локальні цикли навчання для робототехніки або краєвих пристроїв, тоді як традиційні чипи займаються точними обчисленнями і великим пошуком. Ближча перспектива — визначити, де співвідношення між затримкою, надійністю і вартістю є оптимальним.

Майбутнє поза іграми

Ігри — зручна тестова платформа, але більшою метою є наука і промисловість. Біологічне обчислення може дозволити тестування ліків на пацієнтській нейронній тканині, створення нових моделей захворювань і адаптивне управління у робототехніці. Інтерфейси залишаються крихкими, з типовим життєвим циклом близько шести місяців і виходами, які ще не стандартизовані або програмовані у масштабі.

Регуляторні та етичні норми мають йти в ногу з часом, особливо в США під керівництвом FDA та NIH, якщо медичне застосування прогресуватиме. Проте результат у лабораторії є конкретним: живі нейрони можна навчити діяти у складних цифрових завданнях. Від Doom до дата-центрів — шлях уже розпочато, тихо і ефективно, всередині тарілки.