Tem uma cena que parece saída de ficção científica, mas aconteceu de verdade em março de 2026: cerca de 200 mil neurônios humanos vivos, cultivados em laboratório e integrados a um microchip de silício, foram filmados jogando Doom.
Não é uma simulação de neurônios. Não é um modelo matemático tentando imitar o cérebro. São Células cerebrais humanas reais, vivas, respondendo a estímulos elétricos e tomando decisões dentro de um dos jogos mais icônicos da história dos videogames.
A empresa por trás disso é a Cortical Labs, uma biotech australiana que vem acumulando conquistas impressionantes nos últimos anos. A startup demonstrou seu computador biológico CL1, apelidado de “corpo em uma caixa”, jogando Doom, e compartilhou um vídeo mostrando a partida e explicando os processos por trás dessa façanha.
O feito é muito mais do que uma curiosidade tecnológica. Ele representa um ponto de virada real na maneira como entendemos o que pode ser um processador de informação.
Leia também: Computador Quântico de Silício no Reino Unido promete revolucionar a indústria de semicondutores
O que é o computador biológico CL1 e como ele funciona
A máquina que mistura silício com tecido vivo
O CL1 é descrito pela própria Cortical Labs como o primeiro computador biológico implantável por código do mundo. Mas o que isso significa na prática?
O CL1 é uma unidade autônoma na qual neurônios humanos cultivados em laboratório, derivados de amostras de pele ou sangue de doadores adultos, reprogramados em células-tronco pluripotentes induzidas e depois diferenciados em células cerebrais, ficam posicionados sobre uma matriz de eletrodos plana com 59 eletrodos em metal e vidro.
Célula-tronco pluripotente induzida é um tipo celular que os cientistas conseguem criar a partir de células adultas comuns (como as da pele), revertendo-as a um estado inicial a partir do qual podem se transformar em praticamente qualquer tipo de célula do corpo. No caso do CL1, essas células são guiadas para se tornarem neurônios funcionais, exatamente como os que existem no cérebro humano.
O Sistema de Suporte à vida dentro do Dispositivo
Para manter essas células vivas fora de um organismo, o CL1 precisa replicar as condições internas do corpo. Dentro do módulo CL1, o tecido vivo fica dentro de uma câmara selada ligada a um sistema de suporte à vida interno que controla a composição do gás, a temperatura e a filtração de resíduos. Em condições ideais de laboratório, os neurônios permanecem ativos e viáveis por até seis meses.
Seis meses de vida útil para neurônios fora de um corpo é um número notável. Isso torna o dispositivo viável para pesquisas de longa duração, o que é justamente o foco comercial atual da empresa.
O CL1 é o primeiro computador biológico que permite que laboratórios médicos e de pesquisa testem como neurônios reais processam informações, oferecendo uma alternativa eticamente superior aos testes em animais enquanto fornece dados humanos mais relevantes e precisos.
Leia Também
O biOS: O sistema operacional que fala com neurônios
Como código humano se comunica com células cerebrais
Um dos aspectos mais intrigantes do CL1 é o biOS, que é a sigla para Biological Intelligence Operating System, ou Sistema Operacional de Inteligência Biológica em português.
Pense nele como o equivalente do Windows ou do Linux para um computador convencional, com a diferença de que, em vez de gerenciar arquivos e processos de software, ele gerencia sinais elétricos que entram e saem de células cerebrais vivas.
O biOS cria um mundo simulado e envia informações diretamente aos neurônios sobre seu ambiente. À medida que os neurônios reagem, seus impulsos afetam esse mundo simulado. A empresa traz esses neurônios à vida e os integra ao biOS com uma mistura de silício rígido e tecido mole.
Essa arquitetura de comunicação bidirecional é fundamental. Os neurônios não estão simplesmente recebendo ordens. Eles estão interagindo com um ambiente virtual de forma ativa, e as respostas que geram são o que a máquina “lê” como comandos. É uma lógica completamente diferente da programação tradicional.
A interface de estimulação bidirecional
Para gerenciar esse substrato biológico, a Cortical Labs projetou um sistema operacional chamado biOS, que envia e recebe estímulos elétricos por meio do conjunto de eletrodos. Os desenvolvedores podem implantar código diretamente na camada de neurônios, onde sinais de retorno moldam caminhos adaptativos muito semelhantes às sinapses em um cérebro biológico.
Sinapses são as conexões entre neurônios, as junções onde um sinal elétrico passa de uma célula para outra. No cérebro humano, essas conexões se fortalecem ou enfraquecem conforme aprendemos algo novo.
O sistema do CL1 replica exatamente esse mecanismo com sinais de recompensa e punição, o que é a base do aprendizado por reforço. Mas diferente dos algoritmos de inteligência artificial que simulam esse processo matematicamente, aqui os neurônios fazem isso de forma intrínseca, como resultado de quatro bilhões de anos de evolução.
De Pong ao Doom: A Evolução da Biocomputação
O Projeto DishBrain
A história começa antes do CL1. A Cortical Labs, a empresa australiana de biotecnologia que cultivou 800 mil neurônios humanos em um chip e os ensinou a jogar Pong em 2022, respondeu à pergunta mais antiga do hardware na internet: pode rodar Doom? Pode.
Naquele experimento de 2022, chamado de DishBrain, o protótipo usava apenas oito eletrodos com uma latência (atraso de resposta) de cinco milissegundos.
Os neurônios aprenderam a jogar Pong em cerca de cinco minutos, enquanto um algoritmo padrão de aprendizado por reforço profundo levaria aproximadamente 90 minutos para alcançar o mesmo resultado. A velocidade de aprendizado foi o que chamou a atenção da comunidade científica.
Por que Doom é um salto muito maior do que Pong
Pong é bidimensional, tem apenas um objeto em movimento e pede uma resposta motora simples: mover uma raquete para cima ou para baixo. Doom é outra categoria completamente diferente. Doom adiciona ambientes tridimensionais, diferentes inimigos, uma variedade de armas para escolher e uma série de decisões em tempo real enquanto sob pressão.
É exatamente essa complexidade que forçou a Cortical Labs a desenvolver uma infraestrutura completamente nova. A complexidade do Doom inspirou a criação da “Cortical Cloud” para treinar tarefas mais complexas.
A Cortical Cloud é, essencialmente, uma plataforma de computação em nuvem que permite que pesquisadores e desenvolvedores conectem seus experimentos ao CL1 remotamente, sem precisar ter o hardware físico do dispositivo em mãos.
Como os neurônios aprenderam a jogar Doom
A tradução do mundo digital para a linguagem elétrica
O processo de ensinar neurônios a jogar um videogame exige resolver um problema aparentemente impossível: como fazer células biológicas entenderem pixels?
Para adaptar o jogo de 33 anos e permitir que o CL1 o executasse, a empresa precisou “traduzir o mundo digital do Doom para a linguagem biológica dos neurônios, que é a eletricidade”, explicou Kagan.
Na prática, isso significa transformar cada quadro do jogo em um padrão de estimulação elétrica específico. Inimigos vindo pela esquerda geram um conjunto de sinais, paredes geram outro, passagens abertas geram um terceiro.
Os neurônios recebem esses inputs, processam internamente e disparam seus próprios padrões, que o sistema mapeia de volta para ações dentro do jogo.
Padrões de disparo que controlam o personagem
Mapeando o feed de vídeo do jogo em “padrões de estimulação elétrica”, o computador estimulou várias áreas da cultura neural, que reagiu a essa estimulação, aparecendo como picos no monitor de atividade do dispositivo. “Se os neurônios disparam em um padrão específico, o personagem do Doom atira”, disse o CTO da Cortical Labs, David Hogan. “Se disparam em outro padrão, ele se move para a direita, e assim por diante.”
A implementação técnica foi feita por um desenvolvedor independente chamado Sean Cole, que trabalhou em colaboração com a Cortical Labs. Cole usou a plataforma de nuvem da Cortical Labs para essencialmente ensinar os neurônios como jogar o jogo por meio da Interface de Programação de Aplicativos (API) da empresa em “menos de uma semana”.
API, sigla para Application Programming Interface ou Interface de Programação de Aplicativos, é um conjunto de regras que permite que diferentes sistemas de software se comuniquem entre si. No caso do CL1, a API é o que permite que desenvolvedores externos escrevam código em linguagens conhecidas, como Python, e enviem comandos para o hardware biológico sem precisar entender todos os detalhes do funcionamento interno.
Inteligência Biológica Sintética: Um novo Paradigma Computacional
O que diferencia a biocomputação da inteligência artificial tradicional
A Cortical Labs usa deliberadamente o termo Inteligência Biológica Sintética para se distanciar do conceito de Inteligência Artificial. A distinção não é apenas de marketing. A Cortical Labs chama esse modelo computacional de “Inteligência Biológica Sintética”, um termo destinado a distinguir a computação viva da inteligência artificial tradicional.
Numa rede neural artificial convencional, o aprendizado acontece por meio de um algoritmo matemático chamado retropropagação (em inglês, backpropagation), que ajusta parâmetros numéricos chamados pesos com base nos erros cometidos.
Esse processo exige enormes quantidades de dados e energia computacional. Nos neurônios reais do CL1, o aprendizado acontece por plasticidade neural, que é a capacidade que os neurônios têm de reorganizar suas conexões em resposta à experiência. Não há necessidade de um algoritmo externo de ajuste. A biologia faz o trabalho.
Eficiência energética como argumento competitivo
Um dos ângulos mais concretos da proposta da Cortical Labs é a eficiência de consumo de energia. Cada unidade é vendida por 35 mil dólares (20 mil por unidade em racks de 30 unidades), e um rack completo consome apenas 850 a 1.000 watts. As primeiras 115 unidades começaram a ser enviadas em 2025.
Para ter uma referência: um servidor de inteligência artificial de alto desempenho pode consumir dezenas de quilowatts apenas para uma tarefa de treinamento. Um rack completo de CL1, com 30 unidades, ficaria dentro de um kilowatt. Isso é uma diferença de ordem de magnitude que pode ser decisiva em pesquisas que precisam rodar continuamente por meses.
Limitações reais e o que está por vir
Não é um campeão de eSports, mas está aprendendo
A Cortical Labs é honesta sobre o estágio atual do sistema. O Dr. Brett Kagan declarou que o sistema claramente está aprendendo, mas que o feedback para as ações corretas e incorretas precisa ser refinado. A Cortical Labs está satisfeita por ter “resolvido o problema de interface” para interagir com as células cerebrais em tempo real, treiná-las e moldar seu comportamento.
Os neurônios podem facilmente superar ações aleatórias, mas ainda ficam aquém do nível de habilidade de um humano médio. O personagem vagueia por estágios básicos, percebe inimigos se aproximando e atira neles, mas as ações reais parecem incertas e irregulares no vídeo divulgado.
Isso é esperado e, em certo sentido, é exatamente o ponto. O que a Cortical Labs está demonstrando não é que os neurônios são bons em Doom agora. É que eles são capazes de aprender, adaptar-se e responder a estímulos complexos em tempo real. O refinamento virá com melhores métodos de treinamento, e a empresa está apostando que a comunidade de desenvolvedores vai ajudar a descobrir como fazer isso.
Aplicações além dos videogames
O Doom foi escolhido como demonstração porque é culturalmente reconhecível e tecnicamente desafiador o suficiente para provar o ponto. Mas a empresa deixa claro que jogos não são o destino final. A Cortical Labs projeta usar essa tecnologia para estudar função cerebral com clareza sem precedentes por meio da computação biológica, que captura a adaptabilidade neural e o aprendizado em tempo real, revelando mecanismos de doenças e efeitos de compostos na cognição.
Pesquisas sobre Alzheimer, desenvolvimento de novos medicamentos, testes de toxicidade de substâncias no sistema nervoso e desenvolvimento de terapias celulares são alguns dos caminhos que o CL1 pode percorrer. O fato de os neurônios serem humanos e não de ratos, como nos modelos convencionais de pesquisa, é uma vantagem científica e ética ao mesmo tempo.
Leia Também
A Cortical Cloud e a chamada para desenvolvedores
Um ecossistema aberto para pesquisa biológica
O encerramento do vídeo publicado pela Cortical Labs é quase um convite formal: “os neurônios estão prontos”. A empresa está construindo ativamente um ecossistema ao redor do CL1, e a Cortical Cloud é a peça central dessa estratégia.
O desenvolvedor independente Sean Cole usou a plataforma de nuvem da Cortical Labs para conectar o Doom ao CL1 através da API da empresa, e o código-fonte está disponível no GitHub, o repositório colaborativo de código mais usado no mundo. Isso significa que qualquer desenvolvedor pode estudar exatamente como o Doom foi implementado no sistema e usar isso como ponto de partida para seus próprios experimentos.
A abertura do código e da plataforma é uma estratégia deliberada. A Cortical Labs sabe que não tem como sozinha explorar todas as possibilidades de uma tecnologia tão nova. Abrir a API para pesquisadores, estudantes e desenvolvedores independentes multiplica exponencialmente o ritmo de descobertas. É o mesmo modelo que funcionou para a computação pessoal e para a internet.
O que esse avanço significa para o futuro da tecnologia
O que a Cortical Labs está construindo levanta questões que vão muito além da engenharia. Quando neurônios humanos aprendem a jogar Doom, estamos olhando para um sistema que processa informação, adapta-se ao ambiente e toma decisões. Não é um ser consciente, não é um cérebro completo (um cérebro humano tem cerca de 85 bilhões de neurônios, contra os 200 mil do CL1), mas é algo que rompe com a separação que sempre tivemos entre computação e biologia.
Segundo alguns cientistas, sistemas biológicos têm a capacidade de aprender determinadas funções muito mais rapidamente do que inteligências artificiais baseadas em silício em certos contextos. Diferente das IAs tradicionais, que requerem algoritmos de retropropagação, os neurônios se adaptam naturalmente por meio da plasticidade intrínseca.
Se a promessa se confirmar, a biocomputação pode não substituir os processadores de silício, mas sim abrir um caminho paralelo para problemas que os chips convencionais resolvem de forma ineficiente: ambientes dinâmicos e incertos, aprendizado com poucos exemplos, tomada de decisão em tempo real com restrições de energia. O Doom foi apenas o começo de uma conversa muito mais longa.
