Biocomputação, IA e medicina se unem no CL1, o primeiro computador biológico comercial com neurônios humanos. Veja como essa tecnologia disruptiva pode revolucionar a inteligência artificial, reduzir testes em animais e abrir caminho para novas formas de computação consciente.

5–7 minutes

“A graphic representation of data abstracted from banks of every computer in the human system. Unthinkable complexity. Lines of light ranged in the nonspace of the mind, clusters and constellations of data. Like city lights, receding…” — William Gibson, Neuromancer

Maurício Pinheiro

Keywords: CL1, Biocomputação, Computador com neurônios humanos, Inteligência artificial biológica, Computador biológico, O que é biocomputação, Como funciona o CL1, Neurônios humanos em computadores, Cortical Labs CL1, DishBrain, Sistema operacional biológico, CL1 computador biológico preço, IA com células humanas, Cérebro artificial, Futuro da inteligência artificial, Biologia sintética e computação, Neurônios cultivados em laboratório, Aprendizado por reforço com neurônios vivos, Aplicações da biocomputação na medicina, Diferença entre IA tradicional e biocomputação, Células-tronco humanas, Redes neurais biológicas, Chip com neurônios vivos, Aprendizado adaptativo, Ética em inteligência artificial, Consciência artificial, Eficiência energética em IA, Testes farmacêuticos com neurônios, Inteligência sintética, Computação inspirada no cérebro

Imagine um cérebro vivo, crescendo sobre um chip de silício. Agora imagine que esse cérebro é capaz de aprender, responder a estímulos, interagir com sistemas digitais e, talvez em breve, pensar. Isso não é ficção científica. Em 2025, a startup australiana Cortical Labs apresentou ao mundo o CL1, o primeiro computador comercial feito com neurônios humanos cultivados em laboratório. Uma peça de tecnologia que inaugura uma nova era: a da biocomputação.

A proposta do CL1 é tão ousada quanto simples. Ele reúne cerca de 800 mil neurônios humanos vivos sobre uma malha de microeletrodos capaz de enviar e receber sinais elétricos. Tudo isso acontece dentro de uma cápsula de suporte vital, onde temperatura, nutrientes e gases são controlados com precisão. O resultado é um organismo híbrido — parte máquina, parte biologia — que já pode ser comprado por laboratórios e instituições por cerca de 35 mil dólares. E o mais intrigante: também está disponível via nuvem, como um cérebro acessível por assinatura.

Para entender o impacto dessa invenção, é preciso primeiro compreender o que é, afinal, biocomputação. Trata-se de um campo emergente que une biologia, engenharia, física e ciência da computação na tentativa de substituir os tradicionais transistores de silício por elementos vivos — como proteínas, DNA ou, como no caso do CL1, neurônios. Enquanto os computadores clássicos operam com base na lógica binária (zeros e uns), os sistemas biológicos processam informação de maneira adaptativa, distribuída e surpreendentemente eficiente. A natureza, afinal, levou bilhões de anos para aperfeiçoar o cérebro humano — por que não aproveitar esse legado?

A ideia de computar com vida não é exatamente nova. Em 1994, o cientista Leonard Adleman já havia demonstrado como o DNA podia ser usado para resolver problemas matemáticos complexos. Anos depois, pesquisadores de Stanford construíram circuitos lógicos com RNA. Mas foi apenas em 2022 que o conceito ganhou contornos mais concretos com o projeto DishBrain: um pequeno conjunto de neurônios que aprendeu a jogar Pong, o clássico jogo dos anos 70, em tempo real, usando apenas estímulos elétricos como recompensa e punição (aprendizado de máquina por reforço).

O CL1 é a evolução desse experimento. O que antes era uma curiosidade em laboratório agora se transforma em uma plataforma funcional, escalável e comercializável. Seus neurônios são cultivados a partir de células-tronco humanas e organizados sobre uma matriz de eletrodos que atuam como portas de entrada e saída para sinais elétricos. Cada pulso enviado ou recebido gera uma resposta mensurável. Em pouco tempo, o sistema começa a formar padrões, a se adaptar e até a antecipar eventos. Em outras palavras: começa a aprender.

Esse processo é possível graças ao biOS, o sistema operacional desenvolvido pela Cortical Labs, que traduz comandos digitais em linguagem biológica e vice-versa. É por meio dele que cientistas podem “programar” os neurônios vivos. O DishBrain, por exemplo, aprendeu a jogar Pong porque recebia estímulos agradáveis ao rebater a bola e sinais desagradáveis quando falhava. Em poucos minutos, os neurônios começaram a entender o jogo, ajustar o comportamento e melhorar sua performance.

O mais surpreendente é que tudo isso ocorre com um consumo de energia quase irrisório. Enquanto grandes modelos de inteligência artificial, como os que alimentam assistentes virtuais e tradutores automáticos, consomem megawatts em enormes datacenters, o CL1 funciona com menos de mil watts por ano. Essa eficiência energética é uma das promessas mais sedutoras da biocomputação: aprender como o cérebro usa tão pouco para fazer tanto.

Mas o potencial do CL1 vai além da IA. Na medicina, ele pode servir como plataforma de testes para medicamentos neurológicos, simulando o comportamento de redes humanas reais sem necessidade de animais de laboratório. Também pode ajudar no estudo de doenças degenerativas, como Alzheimer e Parkinson, permitindo que pesquisadores observem o impacto de drogas diretamente sobre neurônios humanos, em tempo real.

No entanto, como toda tecnologia disruptiva, o CL1 levanta dilemas profundos. Os neurônios cultivados são vivos. Respondem a estímulos. Aprendem. Estariam conscientes? Sofrem? Por enquanto, a resposta é não — os especialistas garantem que eles são sentientes, mas não possuem consciência, memória ou qualquer experiência subjetiva. Mesmo assim, é impossível evitar as perguntas éticas que essa fronteira começa a tocar.

Outra limitação prática é o tempo de vida das culturas neurais: cerca de seis meses. Após esse período, os neurônios perdem funcionalidade e precisam ser substituídos. Além disso, não existe, ainda, uma forma eficaz de transferir memória de uma geração de neurônios para outra. Cada novo CL1 começa como uma tabula rasa, o que impõe desafios para projetos de longo prazo.

Apesar disso, o futuro da biocomputação parece inevitável. A própria Cortical Labs já anunciou planos de ampliar a quantidade de neurônios, desenvolver redes mais complexas e oferecer acesso remoto por meio da Cortical Cloud — uma espécie de cérebro como serviço. Outras empresas seguem o mesmo caminho, testando interfaces neurais para robôs, drones e sistemas adaptativos que possam aprender com menos dados e reagir com mais inteligência.

No fim das contas, o CL1 não é apenas uma máquina. Ele é um símbolo. Um prenúncio de que a separação entre biologia e tecnologia talvez esteja se desfazendo. Se a inteligência artificial tentou imitar o cérebro, a biocomputação está dando um passo além: ela o incorpora.

Vivemos um tempo em que a vida se torna código, e o código se torna vivo. O CL1 é apenas o primeiro capítulo de uma história que ainda está sendo escrita — talvez por cérebros que nem nasceram ainda, mas que já começaram a pensar.

Referências:

  • Adleman, Leonard M. Molecular Computation of Solutions to Combinatorial Problems. Science, vol. 266, no. 5187, 1994, pp. 1021–1024.
  • Goldwag, J., Wang, G. DishBrain plays Pong and promises more. Nature Machine Intelligence 5, 568–569 (2023).

#CL1 #Biocomputação #ComputadorBiológico #NeurôniosHumanos #IA #InteligênciaArtificial #IAbiológica #ComputaçãoBiológica #CérebroArtificial #NeurôniosVivos #RedesNeuraisBiológicas #ChipBiológico #DishBrain #CorticalLabs #SistemaOperacionalBiológico #BiologiaSintética #CélulasTroncoHumanas #FuturodaIA #ÉticaNaIA #ConsciênciaArtificial #AprendizadoAdaptativo #AprendizadoPorReforço #TestesFarmacêuticos #TecnologiaeVida #InovaçãoCientífica #Neurotecnologia #IAeMedicina #ComputaçãoInspiradaNoCérebro #RevoluçãoDigital #TecnologiaDoFuturo

Copyright 2026 AI-Talks.org

Similar Posts

  • | | | |

    Veículos autônomos

    ByMaurício Veloso Brant Pinheiro

    Os veículos autônomos estão revolucionando a indústria automotiva e transformando a forma como nos deslocamos. Controlados por computadores e inteligência artificial (IA), esses carros são capazes de perceber o ambiente, tomar decisões e realizar manobras sem a necessidade de um motorista humano. Com diferentes níveis de automação, desde o Nível 0, em que o motorista humano é responsável por todas as tarefas de condução, até o Nível 5, em que nenhum motorista humano é necessário, os veículos autônomos estão constantemente evoluindo. Essa tecnologia promete benefícios como maior segurança no trânsito, eficiência no transporte, redução de custos e conveniência para os usuários. No entanto, a adoção generalizada desses veículos também traz desafios e questões éticas importantes, incluindo preocupações com segurança e a necessidade de tomar decisões éticas em situações de emergência. Neste artigo, exploraremos os diferentes níveis de automação, os benefícios e desafios associados aos veículos autônomos, além das implicações éticas e mudanças sociais que podem ocorrer com sua adoção generalizada. À medida que avançamos em direção a um futuro impulsionado pela IA e automação, os veículos autônomos têm o potencial de transformar nossa forma de locomoção, apresentando promessas empolgantes e desafios significativos.

  • | | | |

    Learn how to create your own Neural Network for Deep Learning in a few steps

    ByMaurício Veloso Brant Pinheiro

    Deep neural networks have transformed the way we approach various AI applications, from computer vision to speech recognition. With their ability to learn from data and make complex decisions, deep neural networks have unlocked new levels of accuracy and efficiency in many areas of AI technology. But have you ever wondered how to create your own neural network for deep learning?
    In this paper, we explore the process of building a neural network, step by step. By actively engaging with the concepts and techniques involved, you will gain hands-on experience and truly learn the ins and outs of neural networks. We will guide you through the process of building a neural network, starting from a simple one-layered network (with one percepron or artificial neuron) to a complex network with multiple hidden layers and many neurons.
    Our focus is on helping you gain knowledge and understanding of deep neural networks, and we will provide you with the tools and resources you need to build and train your own neural network. By following our steps and doing it yourself, you will be able to take your understanding of deep neural networks to the next level.
    Join us on this journey and discover the power of building your own deep neural network. We will also guide you on how to train your network in a future post, so stay tuned!

  • | | | | |

    The 37% Rule

    ByMaurício Veloso Brant Pinheiro

    The 37% Rule reveals the mathematics behind human choices, Tinder, choice overload, algorithmic anxiety and decision theory. Discover how the famous Optimal Stopping Problem explains relationships, artificial intelligence, dating apps and why we never seem able to stop searching.

  • | | | | |

    Amara’s Law and Artificial Intelligence

    ByMaurício Veloso Brant Pinheiro

    AI is not failing. Our sense of time is.

    Amara’s Law explains the central illusion of artificial intelligence: we expect AI to transform everything at science-fiction speed, then dismiss it when reality moves more slowly. But while the hype collapses, the infrastructure keeps growing. Expert systems disappointed. Neural networks were declared dead. AI winters came and went. Then came deep learning, Transformers, ChatGPT, and autonomous agents.

    The mistake is not believing that AI will change the world. The mistake is expecting the revolution next year while ignoring what it may do over the next twenty.

    AI does not need consciousness to eliminate tasks, weaken professions, reshape education, automate bureaucracy, manipulate information, and redistribute power. It does not need to replace everyone. It only needs to become cheap, invisible, and embedded everywhere.

    We are probably overestimating AI in the short term.

    We are almost certainly underestimating what will happen when society becomes dependent on it.

  • | | | |

    Who Is Afraid of the Odds?

    ByMaurício Veloso Brant Pinheiro

    Ten days after Flávio Bolsonaro overtook Lula for the first time on Polymarket, Brazil blocked Polymarket, Kalshi, and other prediction-market platforms. The official justification was regulatory: according to the government, these contracts functioned as unauthorized bets. Months later, however, those markets continue to produce electoral signals that differ from traditional polling. The episode raises a broader question: when polls, models, and money point in different directions, should a democracy restrict the instrument—or try to understand why it disagrees with the others?

  • | | | |

    Existem Estrelas Verdes?

    ByMaurício Veloso Brant Pinheiro

    Maurício Pinheiro, um apaixonado pelos mistérios celestes, ousa questionar: onde estão as estrelas verdes? Apesar de diversas análises sugerirem que as estrelas não são literalmente verdes, ilusões ópticas e fenômenos astronômicos podem criar essa aparência, ou será baboseira? Os modelos de linguagem oferecem várias perspectivas, mas a pergunta persiste, alimentando a curiosidade. Em suma, o universo ainda guarda surpresas coloridas para nós! Mas falando sério, nunca vi uma… Deixo para vocês descobrirem com a ajuda dos nossos chatbots mais perspicazes.