在墨尔本的一间实验室里，一盘200,000个人类神经元学习在《毁灭战士》中横扫和射击，通过硅接口进行指导。皮层实验室的CL1芯片将游戏世界转化为电信号，并将尖峰信号读取为运动和射击，将培养皿的反应从乒乓球的反射推向3D导航。虽然游戏表现仍显笨拙，但它暗示生物计算能够在当今电力需求旺盛的AI旁边轻松运行，团队表示这个方向与传统模型相辅相成。如果能拉长六个月的寿命并提高一致性，类似的生物软硬件不仅可以追逐像素化的恶魔，还可以控制机器人或筛选药物。

一些实验让人觉得像是在窥探计算的下一个章节。皮层实验室的研究人员报告称，他们训练了一组200,000个神经元玩《毁灭战士》，这款被誉为现代游戏的经典1993年第一人称射击游戏。神经元由人类干细胞生长而成，连接到硅接口，学习在走廊中导航并对敌人开火，暗示生物计算机可以补充现有的AI系统。

团队从乒乓球级别的行为开始，然后逐步提高至《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，并以系统可以翻译为移动、转向和射击等命令的模式作出响应。核心是定制的CL1芯片，它将视觉事件转化为电极间的刺激，然后读取细胞的活动以实时驱动动作。

性能远未达到电子竞技的水平。这些细胞经常发生误射或过度校正，然后在重复的训练过程中逐渐改进。研究人员表示，目标不是完美的瞄准，而是在活的神经网络内展示目标导向的学习，在计算机可以协调和测量的条件下。

能源是重点。如今大型AI模型在云数据中心的电力需求达到兆瓦，而人类大脑的运行功率大约为20瓦。这种效率激励人们探索能够降低学习、适应和控制能耗的混合系统。皮层实验室的首席科学官布雷特·卡根将这项工作视为硅基AI的合作伙伴，而不是替代品，特别是对于需要不断学习且能量预算紧张的任务。

对于在Nvidia GPU上训练基础模型并争相扩展推理的美国公司来说，即使部分卸载到生物协处理器也可能至关重要。可以考虑机器人或边缘设备的本地学习循环，而传统芯片则处理精确的数学计算和大规模数据检索。近期的问题是，权衡在延迟、可靠性和成本上如何配置。

游戏是一个方便的测试平台，但更大的目标是科学和工业。生物计算可能使基于特定患者神经组织的药物筛选、新疾病模型和机器人学的自适应控制成为可能。接口仍然脆弱，典型的寿命约为六个月，输出尚未完全标准化或可大规模编程。

监管和伦理框架需要加快步伐，特别是在美国根据FDA和NIH的指导如果医学用途得到进展。但是，实验室的结果是明确的：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，这段旅程已经开始，悄然且高效地在一个培养皿内展开。

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。