Levende datacentre: Hvorfor AI vender sig mod menneskelige neuroner

Traders Union
Alle nyheder
Redaktionens Valg
Sådan kan Cortical Labs' teknologi ændre fremtidens computere

Alle nyheder

Tophistorier

Redaktionens Valg

Aktier

Kryptovaluta

Finansielle Nyheder

Valutaer

Råvarer

Virksomheder

Darina Pashchenko

13.03.2026

Levende datacentre: Hvorfor AI vender sig mod menneskelige neuroner — Biologiske computere: Hvordan hjerneceller kan ændre arkitekturen i AI-datacentre

Mens teknologigiganterne fortsætter med at bygge stadig mere kraftfulde datacentre til kunstig intelligens, søger nogle forskere efter en helt anden computerarkitektur. Den australske startup Cortical Labs har introduceret et system, hvor beregningerne ikke udføres af siliciumchips, men af menneskelige hjerneceller, der er dyrket i et laboratorium. Dette eksperiment kan markere begyndelsen på en æra med biologiske computere, hvor grænsen mellem biologi og teknologi gradvist bliver udvisket.

Denne artikel er oversat fra originalen. Læs den oprindelige version af vores korrespondent her.

Biologiske computere som en ny tilgang til databehandling

I flere år er udviklingen af kunstig intelligens løbet ind i den samme barriere - computerkraft. Jo mere komplekse modellerne bliver, jo mere energi og infrastruktur kræver datacentrene. På den baggrund har den australske startup Cortical Labs præsenteret en usædvanlig løsning: en prototype på et biologisk datacenter, hvor beregningerne ikke udføres af processorer, men af menneskelige hjerneceller. Ifølge Bloomberg er der planlagt to steder i Singapore og Melbourne, hvor disse biocomputere skal fungere.

En sådan udvikling kan virke som et videnskabeligt eksperiment, men interessen for dem vokser netop på grund af begrænsningerne i den traditionelle computerarkitektur. Moderne GPU-klynger bruger hundredvis af watt pr. chip og kræver enorme datacentre, mens biologiske neurale systemer kan være i stand til at løse lærings- og tilpasningsopgaver med betydeligt lavere energiforbrug. Hvis disse teknologier fortsætter med at udvikle sig, kan det ikke bare være endnu en opstart, men et forsøg på at gentænke selve principperne bag, hvordan computersystemer fungerer.

Hvordan biologiske computere fungerer

Kernen i Cortical Labs' udvikling er et system, hvor levende nerveceller er forbundet med en siliciumchip. Neuronerne dyrkes i et laboratorium og placeres på et særligt elektrodearray, som gør det muligt for forskerne både at aflæse deres aktivitet og sende elektriske signaler til dem. I bund og grund skaber dette en tovejsgrænseflade: Elektronik stimulerer cellerne, og cellerne reagerer med elektriske impulser, der kan fortolkes som beregningsoutput.

Det vigtigste ved sådanne systemer er neuronernes evne til at lære og tilpasse sig. I modsætning til klassiske processorer, der udelukkende udfører programmerede instruktioner, kan levende neurale netværk ændre deres adfærd afhængigt af indkommende signaler. Eksperimenter med disse systemer har allerede vist, at biologiske neurale kulturer er i stand til grundlæggende læring. I DishBrain-systemet lærte dyrkede neuroner f.eks. at interagere med en simulering af spillet Pong ved at tilpasse deres aktivitet til det, der skete på skærmen - resultaterne af dette eksperiment blev offentliggjort i tidsskriftet Neuron. I senere demonstrationer viste forskere også, at neurokulturer kunne reagere på elementer af gameplay i Doom og danne enkle modeller for læring og adaptiv adfærd.

Loading...

Tweetet blev slettet af forfatteren.

Men vi gemte alt 🙂.

I praksis repræsenterer dette et hybridsystem, hvor biologi arbejder sammen med programmerbar elektronik. Siliciumchips leverer grænsefladen og signalbehandlingen, mens neurale celler udfører en del af beregningsarbejdet ved hjælp af deres læringsmekanismer. Denne tilgang kan forbinde to verdener - kunstig intelligens og neurobiologi - og skabe en ny type computere, som i øjeblikket eksisterer et sted mellem et laboratorieeksperiment og en fremtidig teknologisk platform.

Hvorfor industrien leder efter alternativer til traditionelle datacentre

Moderne AI-modeller kræver stadig større GPU-klynger, og det kan tage uger at træne store neurale netværk, mens de bruger enorme ressourcer. Verdens største teknologivirksomheder bygger nu datacentre til en værdi af milliarder af dollars, fordi computerinfrastruktur er blevet den vigtigste begrænsende faktor i AI-udvikling.

Samtidig vokser energibyrden også. Moderne datacentre bruger allerede omkring 1 %-1,5 % af verdens elektricitet, og afkøling af dem kræver betydelige mængder vand.

Loading...

Tweetet blev slettet af forfatteren.

Men vi gemte alt 🙂.

En enkelt højtydende GPU kan forbruge mellem 400 W og 700 W, og store klynger indeholder tusindvis af sådanne chips. Derfor er AI-infrastrukturen ved at blive et af de mest energiintensive segmenter i den digitale økonomi.

Derfor er forskere for nylig begyndt at søge efter alternative computerarkitekturer. Biologiske systemer kan potentielt være langt mere effektive. For eksempel bruger et enkelt CL1-modul fra Cortical Labs omkring 30 W, hvilket er en størrelsesorden mindre end moderne grafikprocessorer. Selvom disse teknologier stadig er på et tidligt stadie, viser deres fremkomst, at industrien er begyndt at søge efter løsninger på energikrisen inden for databehandling, som følger med den hurtige vækst i kunstig intelligens.

Hvor biologisk databehandling kan anvendes

Indtil videre er biologiske computersystemer stadig en eksperimentel teknologi, men forskere diskuterer allerede flere områder, hvor de kan vise sig at være særligt nyttige. Et af de mest oplagte er grundlæggende hjerneforskning. Neurale kulturer forbundet med elektroniske grænseflader gør det muligt for forskere at observere, hvordan signaler dannes, hvordan celler reagerer på stimuli, og hvordan læring opstår i neurale netværk. For neurovidenskaben giver det mulighed for at studere processer, som det er næsten umuligt at observere direkte i den levende hjerne.

En anden vigtig anvendelse er sygdomsmodellering og lægemiddeludvikling. Neurale kulturer kan dyrkes ud fra menneskeceller og bruges som modeller til at studere neurodegenerative sygdomme som Alzheimers eller Parkinsons. I disse systemer kan forskerne observere, hvordan den neurale aktivitet ændrer sig under påvirkning af forskellige stoffer, og teste potentielle behandlinger hurtigere og mere præcist end i traditionelle laboratoriemodeller.

Endelig kan sådanne systemer også spille en rolle i den fremtidige udvikling af kunstig intelligens. Levende neurale netværk har en naturlig evne til at lære og tilpasse sig, hvilket gør dem til en potentiel platform til at eksperimentere med nye læringsalgoritmer. I modsætning til konventionelle neurale netværk, der kræver enorme computerressourcer til træning, kan biologiske systemer demonstrere adaptiv adfærd gennem interaktioner mellem celler. Derfor kan biologisk computing vise sig at være særligt lovende inden for områder, hvor læring, selvorganisering og tilpasning til nye data er afgørende.

Ny teknologi betyder nye regler

Fremkomsten af biologiske computersystemer rejser uundgåeligt nye spørgsmål - ikke kun teknologiske, men også etiske. I modsætning til traditionelle computere bruger disse platforme levende menneskeceller og befinder sig derfor i skæringspunktet mellem flere områder: bioteknologi, neurovidenskab og den digitale industri. Som følge heraf bevæger diskussionerne om sådanne projekter sig ud over laboratorierne og bliver et emne for debat blandt forskere, advokater og bioetiske specialister.

Et af de centrale spørgsmål er, hvor grænsen går mellem biologisk materiale og et system, der er i stand til at vise tegn på følsomhed eller kompleks adfærd. Nutidens neurale kulturer er relativt simple strukturer bestående af titusinder eller hundredtusinder af celler, og de har ingen bevidsthed. Ikke desto mindre erkender forskerne, at der kan opstå nye udfordringer, efterhånden som teknologien udvikler sig - fra standarder for biosikkerhed til regler for brug af menneskeceller og begrænsninger i skabelsen af mere komplekse neurale systemer.

Derfor argumenterer eksperter i stigende grad for, at de juridiske og etiske rammer for den fremtidige biologiske computerindustri bør diskuteres på forhånd. Hvis sådanne teknologier i sidste ende bevæger sig ud over laboratorierne og bliver en del af computerinfrastrukturen, vil de sandsynligvis kræve særskilt regulering - ligesom det skete med genetisk forskning og kunstig intelligens. Jo før denne samtale begynder, jo større er chancen for, at udviklingen af dette nye teknologiske felt ikke bare vil gå hurtigt, men også ansvarligt.

Dette materiale kan indeholde tredjepartsmeninger, ingen af dataene og oplysningerne på denne webside udgør investeringsrådgivning i henhold til vores Ansvarsfraskrivelse. Selvom vi overholder strenge Redaktionelle Retningslinjer, kan dette indlæg indeholde referencer til produkter fra vores partnere.

Kunne du lide artiklen?