Australski biotehnološki startup Cortical Labs tvrdi kako je uspješno programirao žive ljudske neurone za igranje kultne videoigre Doom iz 1993. godine. Tim je stvorio niz mikroelektroda uzgojivši na njemu 200 tisuća moždanih stanica. Čip neuronskog računalnog sustava CL-1 prevodi digitalne podatke igre u električne biološke signale.

Isti je startup 2021. postigao prekretnicu u wetware računarstvu obučavajući biološki čip za igranje Ponga. Tada je uzgajao preko 800 tisuća živih moždanih stanica na nizovima mikroelektroda kako bi stvorio hibridni sustav sposoban za razmjenu električnih signala s digitalnim okruženjem.

Kroz mukotrpan trening, ovi su neuroni naučili primati senzorne povratne informacije i slati motoričke naredbe za upravljanje reketima u igri. Pokazalo se kako stanice uzgojene u laboratoriju mogu biti integrirane u funkcionalne računalne petlje.

Koristeći svoj početni hardver i softver, Cortical Labs je uložio više od godinu i pol intenzivnog truda kako bi uspješno obučio svoje biološke čipove za igranje Ponga. Pa su se prebacili na Doom. 

Primarna prepreka bila je prevođenje Doomovih vizualnih podataka u električne obrasce koje bi neuroni bez očiju mogli "vidjeti" i interpretirati. Programer Sean Cole - s minimalnim iskustvo u biološkom računalstvu - navodno je riješio ovaj izazov za samo tjedan dana. S novim sučeljem temeljenim na Pythonu, programer je naučio neurone kako se kretati u 3D okruženju igre.

Prevođenjem rezultirajuće neuronske aktivnosti natrag u digitalne naredbe, stanice su autonomno navigirale, ciljale neprijatelje i pucale iz oružja u stvarnom vremenu. Iako trenutno nema vještinu ljudskog igrača, sustav je pokazao ključnu prednost učeći igru ​​brže od umjetne inteligencije temeljene na siliciju.

Istraživači vjeruju kako će, uz novije algoritme učenja, ovi biološki procesori nastaviti smanjivati ​​jaz u performansama.

Iako je točan broj neurona u prosječnom ljudskom mozgu i dalje predmet znanstvene rasprave, procjenjuje se kako bi ih moglo biti na desetke milijardi. Dvjesto tisuća korištenih u eksperimentu nije, dakle, puno. 

Treba još puno toga otkriti o mehanizmu kojim ove slijepe stanice percipiraju igru ​​ili razumiju svoje ciljeve. Ali, uspješna interakcija s takvim 3D okruženjem važna je prekretnica usposobnosti kontrole i treniranja živih neuronskih sustava. Također, označava pomak prema praktičnim primjenama, poput korištenja bioloških računala za kontrolu robotskih udova.