200 000 neurones humains ont appris à jouer à Doom, suggérant un calcul biologique à faible consommation d'énergie

Cortical Labs a connecté 200 000 neurones humains cultivés à partir de cellules souches dérivées du sang à son interface en silicium CL1, enseignant à la culture à naviguer et tirer dans Doom. En traduisant l’état du jeu en motifs électriques et en lisant les pics neuronaux comme des commandes, le système s’est amélioré avec l’entraînement, pointant vers un calcul biologique à faible consommation même si les configurations actuelles de neurones-puces durent environ six mois.

• Principaux enseignements :
• Cortical Labs a entraîné 200 000 neurones sur CL1 pour jouer à Doom, faisant progresser la biocomputation.
• Brett Kagan affirme qu’une efficacité cérébrale de 20 watts pourrait prochainement défier les exigences énergétiques de l’IA.
• Les cultures CL1 durent environ 6 mois ; la supervision de la FDA et du NIH pourrait façonner les usages futurs.

Dans un laboratoire de Melbourne, une boîte de 200 000 neurones humains a appris à esquiver et tirer dans Doom, encadrée par une interface en silicium. La puce CL1 de Cortical Labs a traduit le monde du jeu en motifs électriques et a lu les pics comme des mouvements et des tirs, faisant passer la culture de réflexes Pong à une navigation en 3D. Le jeu reste maladroit, mais il suggère un calcul biologique qui consomme peu d’énergie par rapport à l’IA gourmande en électricité d’aujourd’hui, une direction que l’équipe dit compléter les modèles conventionnels. En étendant la durée de vie à six mois et en renforçant la cohérence, cette même matière humide pourrait aussi piloter des robots ou tester des médicaments, pas seulement chasser des démons pixelisés.

Des neurones humains affrontent Doom dans une avancée en laboratoire

Certaines expériences ressemblent à un aperçu du prochain chapitre de l’informatique. Des chercheurs de Cortical Labs rapportent avoir entraîné un groupe de 200 000 neurones à jouer à Doom, le jeu de tir à la première personne de 1993 qui a contribué à définir le jeu moderne. Les neurones, cultivés à partir de cellules souches humaines et connectés à une interface en silicium, ont appris à naviguer dans des couloirs et à tirer sur des ennemis, suggérant une voie pour des bio-ordinateurs qui complètent les systèmes d’IA actuels.

Comment les neurones humains apprennent à jouer

L’équipe a commencé avec un comportement de niveau Pong, puis a évolué vers les exigences 3D de Doom. Les neurones recevaient des signaux électriques structurés liés à l’état du jeu et répondaient par des motifs que le système traduisait en commandes comme se déplacer, tourner et tirer. Au cœur se trouve la puce personnalisée CL1, qui convertit les événements visuels en stimulation à travers des électrodes, puis lit l’activité des cellules pour piloter des actions en temps réel.

Les performances sont loin d’être prêtes pour l’e-sport. Les cellules se déchargent souvent de manière incorrecte ou font des corrections excessives, puis s’améliorent lors de sessions répétées à mesure que l’entraînement continue. Selon les chercheurs, l’objectif n’est pas une visée parfaite mais de démontrer un apprentissage orienté vers un but à l’intérieur d’un réseau neuronal vivant, dans des conditions qu’un ordinateur peut orchestrer et mesurer.

La promesse de l’efficacité biologique

L’énergie est le mot-clé. Alors que les grands modèles d’IA d’aujourd’hui consomment des mégawatts dans des centres de données cloud, le cerveau humain fonctionne à environ 20 watts. Cette efficacité inspire la recherche de systèmes hybrides qui pourraient réduire les besoins en énergie pour l’apprentissage, l’adaptation et le contrôle. Brett Kagan, directeur scientifique de Cortical Labs, présente ce travail comme un partenaire de l’IA en silicium, non comme un remplacement, surtout pour les tâches qui bénéficient d’un apprentissage continu avec des budgets énergétiques serrés.

Pour les entreprises américaines entraînant des modèles de base sur des GPU Nvidia et cherchant à faire évoluer l’inférence, même un déchargement partiel vers des co-processeurs biologiques pourrait compter. Pensez à des boucles d’apprentissage locales pour la robotique ou les dispositifs en périphérie, tandis que les puces conventionnelles gèrent la mathématique de précision et la récupération à grande échelle. La question à court terme est de savoir où se situent les compromis en termes de latence, fiabilité et coût.

Un avenir au-delà du jeu vidéo

Le jeu reste un terrain d’essai pratique, mais l’objectif plus large est la science et l’industrie. La calculabilité biologique pourrait permettre le criblage de médicaments sur des tissus neuronaux spécifiques au patient, de nouveaux modèles de maladies, et des contrôles adaptatifs en robotique. Les interfaces restent fragiles, avec une durée de vie typique d’environ six mois et des sorties qui ne sont pas encore entièrement standardisées ou programmables à grande échelle.

Les règles réglementaires et éthiques devront suivre le rythme, notamment aux États-Unis sous la supervision de la FDA et du NIH si les usages médicaux progressent. Cependant, le résultat en laboratoire est concret : des neurones vivants peuvent être entraînés à agir sur des tâches numériques complexes. De Doom aux centres de données, le voyage a commencé, discrètement et efficacement, à l’intérieur d’une boîte.