200,000个人类神经元学会了玩《毁灭战士》（Doom），指向低功耗的生物计算

Cortical Labs 将20万个人类神经元连接到其 CL1 硅接口，从血源干细胞培养而成，教会培养物在毁灭战士中导航和射击。通过将游戏状态转化为电信号模式并读取神经尖峰作为指令，该系统在训练中得到了提升，显示出低功耗生物计算的潜力，即使目前的神经元芯片装置大约只能持续六个月。

• 主要要点：
• Cortical Labs 在 CL1 上训练了20万神经元以玩毁灭战士，推动生物计算的发展。
• Brett Kagan 表示20瓦的脑部效率可能在未来挑战AI的能耗需求。
• CL1培养物大约持续6个月；FDA 和 NIH 的监管可能会影响未来的应用。

在墨尔本的实验室中，一盘由20万个人类神经元组成的培养物学会了在毁灭战士中侧移和射击，通过硅接口进行指导。Cortical Labs 的 CL1 芯片将游戏世界转化为电信号模式，并将尖峰信号读取为运动和射击指令，将培养皿从乒乓反应提升到3D导航。虽然表现仍然笨拙，但它暗示了比当今耗电的AI更节能的生物计算方向，团队表示这与传统模型互补。延长六个月的寿命并提高一致性，同样的软硬件未来可以用来操控机器人或筛查药物，而不仅仅是追逐像素化的恶魔。

人类神经元在实验室中挑战毁灭战士

一些实验似乎预示着计算的下一篇章。Cortical Labs 的研究人员报告称，他们训练了一簇20万神经元以玩毁灭战士，这款1993年的第一人称射击游戏帮助定义了现代游戏。由人类干细胞培养而成并连接到硅接口的神经元学会了导航走廊和射击敌人，暗示了未来生物计算机可以补充当今AI系统的路径。

人类神经元如何学习游戏

团队从乒乓球水平的行为开始，然后升级到毁灭战士的3D需求。神经元接收与游戏状态相关的结构化电信号，并以系统转化为移动、转向和射击等指令的模式响应。核心是定制的 CL1 芯片，它将视觉事件转化为电极刺激，然后读取细胞活动以实时驱动动作。

性能远未达到电子竞技水平。细胞经常误发或过度修正，但随着训练的持续，表现会逐步改善。研究人员表示，目标不是完美瞄准，而是在一个活的神经网络中展示目标导向的学习能力，在计算机可以调度和测量的条件下进行。

生物效率的潜力

能源是主要话题。如今的大型AI模型在云数据中心消耗兆瓦电力，而人脑的能耗大约只有20瓦。这种效率激发了对混合系统的探索，旨在降低学习、适应和控制的能耗。Cortical Labs 的首席科学官 Brett Kagan 将这项工作视为对硅基AI的合作伙伴，而非替代品，特别是在需要持续学习且能量预算紧张的任务中。

对于在Nvidia GPU上训练基础模型并竞相扩展推理能力的美国公司来说，即使部分卸载到生物协处理器也可能具有意义。可以设想在机器人或边缘设备中使用本地学习环路，而传统芯片处理精密数学和大规模检索。短期内的关键问题是延迟、可靠性和成本的权衡在哪里。

超越游戏的未来

游戏是一个便捷的测试平台，但更大的目标是科学和工业。生物计算可以实现基于患者特异性神经组织的药物筛查、新的疾病模型以及机器人中的自适应控制。接口仍然脆弱，寿命大约六个月，输出尚未完全标准化或大规模可编程。

监管和伦理的监管框架需要跟上步伐，特别是在美国，FDA 和 NIH 的指导下，如果医疗用途取得进展。尽管如此，实验室的结果是具体的：活的神经元可以被训练以执行复杂的数字任务。从毁灭战士到数据中心，这一旅程已经开始，悄然而高效地在培养皿中展开。