Cortical Labs đã huấn luyện 200.000 neuron người trên chip CL1 để chơi Doom, thúc đẩy điện toán sinh học như một giải pháp bổ trợ tiết kiệm năng lượng cho các hệ thống AI truyền thống. Nhóm nghiên cứu đặt tại Melbourne đã dùng một giao diện silicon để chuyển thế giới của trò chơi thành các mẫu điện và đọc các xung thần kinh như lệnh điều khiển di chuyển và bắn, đưa đĩa nuôi cấy từ phản xạ kiểu Pong sang điều hướng 3D. Brett Kagan, giám đốc khoa học tại Cortical Labs, mô tả công việc này là cách giải quyết nhu cầu tiêu thụ điện của AI, khi bộ não người có hiệu suất xấp xỉ 20 watt so với mức tiêu thụ megawatt của các mô hình AI lớn hiện nay trên các trung tâm dữ liệu đám mây. Phần trình diễn nhằm chứng minh việc học định hướng mục tiêu trong một mạng thần kinh sống dưới các điều kiện được máy tính điều phối, dù hiệu năng vẫn còn rất xa so với độ chính xác của game eSports và các nền văn hóa CL1 tồn tại khoảng 6 tháng.
Cortical Labs huấn luyện neuron trên chip CL1 để chơi Doom
Nhóm nghiên cứu nuôi cấy neuron từ tế bào gốc người và kết nối chúng với chip CL1 do họ tự phát triển, chip này chuyển các sự kiện hình ảnh thành kích thích trên các điện cực. Hệ thống đọc hoạt động của tế bào để điều khiển hành động theo thời gian thực, chuyển các mẫu thần kinh thành lệnh như di chuyển, quay đầu và bắn. Nhóm bắt đầu với hành vi ở mức Pong trước khi nâng lên các yêu cầu 3D của Doom.
Các neuron nhận các tín hiệu điện có cấu trúc gắn với trạng thái của trò chơi và đáp lại bằng những mẫu mà hệ thống diễn giải thành lệnh chơi game. Hiệu năng cho thấy tần suất bắn nhầm cao và hiệu chỉnh quá tay, nhưng cải thiện dần qua các phiên lặp khi quá trình huấn luyện tiếp tục. Theo các nhà nghiên cứu, mục tiêu là chứng minh học định hướng mục tiêu trong một mạng thần kinh sống dưới các điều kiện mà máy tính có thể điều phối và đo lường, chứ không phải đạt độ chính xác như eSports.
Mục tiêu hiệu suất của não người nhằm giảm tiêu thụ điện của AI
Trong khi các mô hình AI lớn ngày nay rút ra megawatt từ các trung tâm dữ liệu đám mây, bộ não người vận hành ở mức xấp xỉ 20 watt. Brett Kagan định vị công việc này như một đối tác song hành với AI bằng silicon thay vì thay thế, đặc biệt cho các tác vụ cần học liên tục với ngân sách năng lượng chặt chẽ. Với các công ty Mỹ đang huấn luyện mô hình nền tảng trên GPU Nvidia và chạy đua mở rộng suy luận, việc chuyển tải một phần sang bộ đồng xử lý sinh học thậm chí có thể đáng giá trong các tình huống như vòng lặp học cục bộ cho robot hoặc thiết bị biên, trong khi chip truyền thống đảm nhiệm toán học độ chính xác và truy xuất quy mô lớn.
Ứng dụng điện toán sinh học ngoài trò chơi
Nhóm xác định sàng lọc thuốc trên mô mô thần kinh của từng bệnh nhân, mô hình bệnh mới và điều khiển thích nghi trong robot là các ứng dụng tiềm năng. Các giao diện vẫn mong manh, với tuổi thọ điển hình khoảng 6 tháng và đầu ra hiện chưa được chuẩn hóa hoàn toàn hoặc lập trình được ở quy mô lớn. Các rào cản pháp lý và chuẩn mực đạo đức sẽ cần theo kịp, đặc biệt tại Mỹ dưới hướng dẫn của FDA và NIH nếu việc ứng dụng y tế tiến triển.
Câu hỏi thường gặp
Cortical Labs đã đạt được gì với neuron người và Doom?
Cortical Labs đã huấn luyện 200.000 neuron người nuôi từ tế bào gốc để chơi Doom bằng chip CL1. Hệ thống chuyển các sự kiện hình ảnh của trò chơi thành các mẫu điện để kích thích neuron, rồi đọc hoạt động của chúng như các lệnh chơi game như di chuyển và bắn. Nghiên cứu cho thấy học định hướng mục tiêu trong một mạng thần kinh sống dưới sự điều khiển của máy tính.
Vì sao Cortical Labs so sánh hiệu suất của não với mức tiêu thụ điện của AI?
Brett Kagan cho biết bộ não người hoạt động ở mức xấp xỉ 20 watt, trong khi các mô hình AI lớn ngày nay tiêu tốn megawatt trên các trung tâm dữ liệu đám mây. Nghiên cứu xem điện toán sinh học như một giải pháp bổ sung cho AI truyền thống đối với các tác vụ cần học liên tục với ngân sách năng lượng chặt chẽ, như robotics hoặc thiết bị biên, trong khi chip silicon đảm nhiệm toán học độ chính xác và vận hành quy mô lớn.
Các nền nuôi cấy thần kinh CL1 tồn tại được bao lâu?
Các nền nuôi cấy CL1 có tuổi thọ điển hình khoảng 6 tháng. Theo nhóm nghiên cứu, các giao diện vẫn mong manh và đầu ra hiện chưa được chuẩn hóa hoàn toàn hay lập trình được ở quy mô lớn.
