200,000 个神经元学会在 Cortical Labs 的 CL1 芯片上玩 Doom

Cortical Labs 在其 CL1 芯片上训练了 20 万个（200,000）人类神经元，让它们玩《毁灭战士》（Doom），推动生物计算成为对传统 AI 系统的节能补充。该位于墨尔本的研究团队使用硅接口将游戏世界转译为电信号模式，并将神经尖峰读取为移动与开火命令，将培养皿的能力从类似《乒乓球》（Pong）的反射推进到 3D 导航。Cortical Labs 首席科学官 Brett Kagan 将这项工作定位为应对 AI 的用电需求，指出人类大脑的效率约为 20 瓦，而当今大型 AI 模型在云数据中心的功耗可达兆瓦级。这一演示旨在展示在计算机可编排与控制条件下，活体神经网络内部的目标导向学习，尽管性能仍远未达到精确游戏的水平，而且 CL1 培养基的寿命约为六个月。

Cortical Labs 在 CL1 芯片上训练神经元以进行 Doom 游戏

研究团队从人类干细胞培养神经元，并将其连接到自定义的 CL1 芯片，该芯片会将视觉事件转换为电极上的刺激。系统读取细胞的活动以实时驱动动作，将神经模式转译为诸如移动、转向和射击等指令。团队先从 Pong 级别的行为开始，然后逐步升级到《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提示，并以系统可解释为游戏指令的模式作出响应。性能表现为频繁的误触发和过度纠正；随着训练继续并进行重复会话，表现会有所提升。据研究人员称，目标是在活体神经网络中展示在计算机可编排与测量的条件下实现目标导向学习，而不是实现电竞级别的精确度。

人类大脑效率的 AI 耗电目标

在当今大型 AI 模型会在云数据中心拉动兆瓦级功耗的情况下，人类大脑的运行功率约为 20 瓦。Brett Kagan 将这项工作定位为硅基 AI 的合作伙伴，而非替代方案，尤其适用于需要在紧约束能耗预算下进行持续学习的任务。对于美国公司在 Nvidia GPU 上训练基础模型，并竞相扩大推理规模来说，即便是将部分工作卸载到生物协处理器，某些场景也可能产生影响，例如用于机器人或边缘设备的本地学习闭环，而传统芯片则负责精确运算与大规模检索。

超越游戏的生物计算应用

团队认为，面向特定患者神经组织的药物筛选、新疾病模型以及机器人中的自适应控制，都可能成为潜在应用。接口依然脆弱，典型寿命约为六个月，而且输出尚未完全标准化，也无法在规模上进行可编程化。监管与伦理的护栏需要跟上，特别是在美国：如果医疗用途推进，将需要在 FDA 与 NIH 的指导下相应进行。

FAQ

Cortical Labs 用人类神经元和 Doom 取得了什么成果？
Cortical Labs 在其 CL1 芯片上，训练了从干细胞生长出的 20 万个人类神经元来玩《毁灭战士》（Doom）。系统将游戏的视觉事件转译为电信号模式来刺激神经元，然后读取它们的活动作为游戏指令，例如移动与射击。该工作展示了在计算机控制下的活体神经网络中的目标导向学习。

为什么 Cortical Labs 要把大脑效率与 AI 耗电量进行对比？
Brett Kagan 指出，人类大脑的运行功率约为 20 瓦，而当今大型 AI 模型在云数据中心的功耗可达兆瓦级。研究将生物计算视为对传统 AI 的补充，用于需要持续学习且能耗预算紧约束的任务，例如机器人或边缘设备；而硅芯片则负责精确数学运算与大规模操作。

CL1 神经培养物能维持多久？
根据研究团队的说法，CL1 培养物的典型寿命约为六个月。接口依然脆弱，输出目前尚未完全标准化，也无法在规模上进行可编程化。