Neurones humains vivants jouent à Doom : réalité et limites Des neurones humains sur une puce tentent Doom, mais la réalité est plus nuancée que la hype. Depuis ce week-end, des neurones humains vivants jouent à Doom alimentent les discussions autour de Cortical Labs et des interfaces cerveau-machine.
Depuis ce week-end, des neurones humains vivants jouent à Doom alimentent les discussions autour de Cortical Labs et des interfaces cerveau-machine. L'histoire est séduisante, mais elle n'implique pas un cerveau humain maîtrisant Doom sur une boîte de pétri. En coulisses, on voit surtout une démonstration technique qui mérite d'être éclaircie sur ce que cela signifie réellement.
Contexte et architecture de la démonstration
La démonstration repose sur une puce CL1 intégrant environ 200 000 neurones humains vivants placés sur un réseau multi-électrodes array, développé par Cortical Labs. Pour « jouer » à Doom, Sean Cole — partenaire du laboratoire — utilise une API fournie par l'entreprise afin d'exploiter le réseau sur la CL1.
Les neurones ne voient pas l'image via une caméra. Le flux vidéo du jeu est d'abord transformé par ViZDoom en données structurées (position du joueur, vie, ennemis, etc.). Ces données sont ensuite traduites en signaux électriques qui stimulent les zones sensorielles du CL1 et déclenchent des actions dans le jeu.
Comment les signaux et l'apprentissage interagissent
David Hogan, CTO de Cortical Labs, décrit le mécanisme: lorsqu'un démon apparaît à l'écran, des électrodes stimulent une zone du cortex simulée sur le côté gauche et les spikes — pics d'activité électrique — sont captés par le système et interprétés comme des commandes (avancer, tirer, tourner). Le programme ajuste ensuite ses actions en fonction des retours, avec un renforcement positif ou négatif via l'électrostimulation.
Pour l'instant, les chercheurs précisent que les cellules se comportent comme un débutant face à un ordinateur, mais elles montrent qu'elles peuvent localiser des ennemis et tirer, et elles progressent au fil des sessions.
Ce que révèle le protocole et les limites
Le pipeline commence par ViZDoom et la fonction get_observation, qui extrait des informations sur l'état du jeu et les convertit en signaux destinés au CL1. Ensuite, les neurones produisent des spikes qui sont décodés par l’ordinateur pour générer des actions. L’apprentissage se fait par renforcement: une récompense pour les bonnes actions et des “points” en cas d’erreur, où l’amplitude est la même mais la fréquence des spikes peut augmenter en cas d’erreur.
Des tests d’ablation mentionnés dans le code ppo_doom.py vérifient que le réseau neuronal apporte un vrai bénéfice par rapport à des signaux aléatoires ou nuls. En clair, le système ne peut pas se reposer sur le décodeur: les spikes du CL1 restent nécessaires pour l’apprentissage.
Ce que cela signifie pour l'avenir et les limites
Au-delà du Doom, l’objectif affiché par Cortical Labs n’est pas de battre des humains à des jeux, mais de concevoir des architectures informatiques plus économes en énergie et d’ouvrir des voies pour accélérer la recherche médicale, réduire les tests sur les animaux et améliorer la santé humaine. Doom est ici une étape qui démontre la faisabilité d’un système hybride biologie-système informatique, mais ce n’est pas une démonstration d’autonomie cognitive.
Les contextes et les limites restent visibles: le réseau ne « voit » pas le jeu comme un humain, et le rôle des neurones est d’apprendre des mappings entre signaux et actions, avec une dépendance forte au décodeur et à l’encodage des données.
Pour terminer
En résumé, Doom sert de terrain d’expérimentation, et la démonstration est surtout un pas technique dans une voie plus large vers des systèmes hybrides et énergétiquement plus efficaces. Le progrès est réel, mais les implications restent à nuancer et à suivre sur le long terme.
