200 000 neurones humains ont appris à jouer au destin, ce qui indique un calcul biologique à faible consommation – Bitcoin News

Dans un laboratoire de Melbourne, une parabole de 200 000 neurones humains a appris à mitrailler et à tirer dans Doom, grâce à une interface en silicium. La puce CL1 de Cortical Labs a traduit le monde du jeu en modèles électriques et a relu les pointes sous forme de mouvement et de feu, poussant le plat de culture des réflexes Pong à la navigation 3D. La pièce est encore maladroite, mais elle fait allusion à l'informatique biologique qui consomme de l'énergie à côté de l'IA actuelle, gourmande en électricité, une direction qui, selon l'équipe, complète les modèles conventionnels. Allongez la durée de vie de six mois et resserrez la cohérence, et le même logiciel humide pourrait diriger des robots ou filtrer des médicaments, et pas seulement chasser des démons pixelisés.

Les neurones humains affrontent Doom lors d'une percée 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 pour jouer à Doom, le jeu de tir à la première personne de 1993 qui a contribué à définir le jeu moderne. Les neurones, issus de cellules souches humaines et connectés à une interface en silicium, ont appris à naviguer dans les couloirs et à tirer sur les ennemis, laissant entrevoir une voie pour les bio-ordinateurs qui complètent les systèmes d'IA d'aujourd'hui.

Comment les neurones humains apprennent à jouer

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

Les performances sont loin d’être prêtes pour l’esport. Les cellules ont souvent des ratés ou une correction excessive, puis s'améliorent au fil des séances répétées à mesure que l'entraînement se poursuit. Selon les chercheurs, l’objectif n’est pas un objectif parfait mais la démonstration d’un apprentissage ciblé au sein d’un réseau neuronal vivant, dans des conditions qu’un ordinateur peut orchestrer et mesurer.

La promesse de l’efficacité biologique

L'énergie fait la une des journaux. Alors que les grands modèles d’IA actuels consomment des mégawatts dans les centres de données cloud, le cerveau humain fonctionne à environ 20 watts. Cette efficacité inspire la recherche de systèmes hybrides susceptibles de réduire les besoins en énergie pour l’apprentissage, l’adaptation et le contrôle. Brett Kagan, directeur scientifique de Cortical Labs, considère ce travail comme un partenaire de l'IA sur silicium, et non comme un substitut, en particulier pour les tâches qui bénéficient d'un apprentissage continu avec des budgets énergétiques serrés.

Pour les entreprises américaines qui forment des modèles de base sur les GPU Nvidia et se lancent dans une course à l'inférence à grande échelle, même un transfert partiel vers des coprocesseurs biologiques pourrait avoir de l'importance. Pensez aux boucles d'apprentissage locales pour la robotique ou les appareils de pointe, tandis que les puces conventionnelles gèrent les mathématiques 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, de fiabilité et de coût.

Un avenir au-delà du jeu

Le jeu est un banc d’essai pratique, mais la cible la plus large est la science et l’industrie. L'informatique biologique pourrait permettre le dépistage de médicaments sur des tissus neuronaux spécifiques à un 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.

https://www.youtube.com/watch?v=-CSEEXKTuY

Les garde-fous réglementaires et éthiques devront suivre le rythme, en particulier aux États-Unis, sous la direction de la FDA et du NIH, si les utilisations médicales progressent. Pourtant, le résultat du 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, silencieusement et efficacement, à l'intérieur d'une parabole.