KildeYouTube

Publisert 25. februar 2026

Cortical Labs

Vertskap:Dr. Alon Loeffler

Dette er et AI-generert sammendrag. Kildevideoen inneholder demonstrasjoner, visuelt innhold og kontekst som ikke dekkes her. Se videoen → · Slik lages artiklene våre →

Kort fortalt

Det australske selskapet Cortical Labs har fått levende menneskelige hjerneceller til å spille Doom på sin biologiske datamaskin (en datamaskin som bruker levende celler i stedet for vanlige databrikker) CL1. Cellene er ikke hentet fra noen sin hjerne: de er nevroner (nerveceller) dyrket fra menneskelige stamceller (celler som kan utvikle seg til ulike celletyper) i et laboratorium og plassert på en silisiumchip. CL1 inneholder rundt 200 000 slike nevroner, som mottar spilldata som elektriske signaler og sender tilbake impulser som tolkes som kommandoer: skyt, beveg deg, snu. Uavhengig forsker Sean Cole kodet spillet på under én uke ved hjelp av selskapets nye sky-API (et programmeringsverktøy som lar utviklere sende kommandoer til nevronene med vanlig kode), noe som er dramatisk raskere enn Pong-milepælen i 2021 som tok over 18 måneder. Cortical Labs mener de nå har løst det grunnleggende grensesnittproblemet og inviterer utviklere og forskere til å bygge videre på plattformen.

Hva skjedde

Cortical Labs har fått levende menneskelige hjerneceller til å spille Doom på sin biologiske datamaskin CL1. Videoen, publisert 25. februar 2026, viser Dr. Alon Loeffler fra selskapet forklare hvordan de bygde et grensesnitt mellom det digitale spillet og de biologiske nevronene.

De rundt 200 000 laboratoriedyrkede nevronene sitter på en mikrochip kalt et multielektrode-array (MEA), en plate med mange bittesmå elektroder som kan både stimulere og registrere aktivitet fra nevronene (0:44).

For å koble Doom til nevronene måtte teamet oversette spillets digitale verden til nevronenes naturlige språk: elektrisitet. (2:44) Når en fiende dukker opp til venstre på skjermen, stimulerer spesifikke elektroder den sensoriske sonen (området som mottar informasjon) av nevronkulturen (samlingen av dyrkede nerveceller) på venstre side. Nevronene reagerer med elektriske signaler kalt spikes (korte elektriske impulser), og disse mønstrene tolkes deretter som motorkommandoer (styringssignaler): skyt, beveg deg til høyre, snu. (3:08)

Sean Cole, en uavhengig forsker som samarbeidet med Cortical Labs, satte opp hele Doom-løsningen på under én uke ved hjelp av Cortical Cloud, selskapets skyplattform. (3:38)

Kontekst og bakgrunn

Cortical Labs har jobbet med biologisk databehandling, altså beregning som bruker levende celler i stedet for tradisjonell elektronikk, siden 2021. At hjerneceller nå kan kjøre kode er et konkret eksempel på den pågående debatten om hva en datamaskin egentlig er — noe Andrej Karpathy drøfter fra et annet perspektiv. Det året demonstrerte selskapet sitt DishBrain-prosjekt, der nevroner lærte å spille Pong. Den milepælen tok over 18 måneder å nå med daværende hardware og programvare, og Pong er dessuten langt enklere enn Doom: ballen går opp, padlen går opp, et direkte input-output-forhold (forholdet mellom hva som går inn og hva som kommer ut). (2:04)

Doom er en helt annen utfordring. Spillet er tredimensjonalt, har fiender, krever utforskning av omgivelsene og rask beslutningstaking. For å løse dette bygde Cortical Labs et API slik at utviklere kan sende Python-kommandoer til nevronene i CL1, uten å måtte forstå den biologiske underliggende mekanikken i detalj. (2:50)

Ifølge selskapets nettside er CL1 beskrevet som verdens første biologiske datamaskin som kan programmeres direkte med kode. Cortical Cloud, skyplattformen som åpnet i mars 2026, er nå tilgjengelig for alle utviklere og forskere.

Hva det betyr

Loeffler er tydelig på hva demonstrasjonen egentlig viser: nevronene spiller ikke Doom som en mester. De spiller mer som en nybegynner som aldri har sett en datamaskin, dør mye og beveger seg tilfeldig. (3:56)

Poenget er likevel ikke prestasjonsnivået, men at nevronene viser tegn til læring. De finner fiender, skyter og snur seg. (4:07) Og viktigst: selskapet mener de nå har løst det fundamentale grensesnittproblemet, altså utfordringen med å kommunisere pålitelig med levende nevroner i sanntid.

«Vi har løst grensesnittproblemet», sier Loeffler i videoen. «Vi har en måte å samhandle med disse cellene i sanntid og trene dem til å gjøre ting som å spille Doom.» (4:31) Neste steg er bedre læringsmekanismer, bedre belønningssignaler og bedre tilbakemelding til nevronene.

Cortical Labs løfter også frem potensial langt utenfor spill: dramatisk lavere energiforbruk enn tradisjonell AI og muligheten til å lære fra langt mindre datamengder. Selskapet nevner helsesektoren, spesielt persontilpasset medisin og celleterapi (behandling der levende celler brukes som medisin), som mulige bruksområder på sikt.

Åpen plattform

API-et er åpent, Cortical Cloud er tilgjengelig, og selskapet inviterer aktivt utviklere og forskere til å bidra. (6:08) Utfordringene som gjenstår handler om bedre måter å kode informasjon på gjennom elektrisk stimulering, og om hvordan man best tolker nevronenes respons.

Hvordan tolke disse påstandene

Demonstrasjonen er imponerende som proof of concept (en demonstrasjon av at konseptet fungerer), men det er grunn til å ha noen forbehold i bakhodet.

Nevronene er nybegynnere, ikke eksperter. Selskapet er åpne om dette, og det er faktisk et poeng i seg selv: systemet viser at grensesnittet fungerer, ikke at det er klart til praktisk bruk. Veien fra «kan spille Doom dårlig» til «kan løse virkelige problemer bedre enn silisiumbaserte systemer» er lang og uprøvd.

Påstanden om lavere energiforbruk og bedre læring fra lite data er fremtidsrettet. Det er lovende hypoteser, men det foreligger per i dag ikke offentlig publiserte data som dokumenterer dette på en skala som kan sammenlignes med tradisjonell AI-hardware.

Grensesnittproblemet er løst er en sterk formulering. Det er mer presist å si at et fungerende grensesnitt er demonstrert under kontrollerte forhold, og at dette åpner for videre forskning.

Ordliste

Kilder og ressurser