Lebende Rechenzentren: Warum KI auf menschliche Neuronen setzt

Während Technologiegiganten immer leistungsfähigere Rechenzentren für künstliche Intelligenz bauen, suchen einige Forscher nach einer völlig anderen Rechenarchitektur. Das australische Start-up-Unternehmen Cortical Labs hat ein System vorgestellt, bei dem die Berechnungen nicht von Siliziumchips, sondern von im Labor gezüchteten menschlichen Gehirnzellen durchgeführt werden. Dieses Experiment könnte den Beginn der Ära der biologischen Computer markieren, in der die Grenze zwischen Biologie und Technologie allmählich verschwimmt.

Biologische Computer als neuer Ansatz für das Rechnen

Solche Entwicklungen mögen wie ein wissenschaftliches Experiment anmuten, aber das Interesse daran wächst gerade wegen der Beschränkungen der herkömmlichen Computerarchitektur. Moderne GPU-Cluster verbrauchen Hunderte von Watt pro Chip und erfordern riesige Rechenzentren, während biologische neuronale Systeme in der Lage sein könnten, Lern- und Anpassungsaufgaben mit deutlich geringerem Energieverbrauch zu lösen. Wenn sich diese Technologien weiterentwickeln, könnte dies nicht nur ein weiteres Startup-Unternehmen sein, sondern ein Versuch, die Grundsätze der Funktionsweise von Computersystemen neu zu überdenken.

Wie biologische Computer funktionieren

Das Hauptmerkmal solcher Systeme ist die Fähigkeit der Neuronen, zu lernen und sich anzupassen. Im Gegensatz zu klassischen Prozessoren, die ausschließlich programmierte Anweisungen ausführen, können lebende neuronale Netze ihr Verhalten in Abhängigkeit von eingehenden Signalen ändern. Experimente mit diesen Systemen haben bereits gezeigt, dass biologische neuronale Kulturen zu grundlegendem Lernen fähig sind. Im DishBrain-System lernten kultivierte Neuronen beispielsweise, mit einer Simulation des Spiels Pong zu interagieren, indem sie ihre Aktivität an das Geschehen auf dem Bildschirm anpassten - die Ergebnisse dieses Experiments wurden in der Zeitschrift Neuron veröffentlicht. In späteren Demonstrationen zeigten die Forscher auch, dass neuronale Kulturen auf Elemente des Spiels Doom reagieren und einfache Modelle des Lernens und adaptiven Verhaltens bilden können.

Loading...

Der Tweet wurde vom Autor gelöscht.

Aber wir haben alles gespeichert 🙂.

In der Praxis handelt es sich um ein Hybridsystem, bei dem die Biologie mit programmierbarer Elektronik zusammenarbeitet. Siliziumchips sorgen für die Schnittstelle und die Signalverarbeitung, während neuronale Zellen mit Hilfe ihrer Lernmechanismen einen Teil der Rechenarbeit übernehmen. Dieser Ansatz könnte zwei Welten miteinander verbinden - künstliche Intelligenz und Neurobiologie - und so eine neue Art der Datenverarbeitung schaffen, die derzeit noch zwischen einem Laborexperiment und einer zukünftigen technologischen Plattform angesiedelt ist.

Warum die Industrie nach Alternativen zu herkömmlichen Rechenzentren sucht

Gleichzeitig nimmt auch die Energiebelastung zu. Moderne Rechenzentren verbrauchen bereits etwa 1 bis 1,5 % des weltweiten Stroms, und für ihre Kühlung werden erhebliche Mengen an Wasser benötigt.

Loading...

Der Tweet wurde vom Autor gelöscht.

Aber wir haben alles gespeichert 🙂.

Ein einzelner Hochleistungs-GPU kann zwischen 400 W und 700 W verbrauchen, und große Cluster enthalten Tausende solcher Chips. Infolgedessen wird die KI-Infrastruktur zu einem der energieintensivsten Segmente der digitalen Wirtschaft.

Aus diesem Grund haben Forscher in letzter Zeit begonnen, nach alternativen Rechnerarchitekturen zu suchen. Biologische Systeme könnten potenziell viel effizienter sein. So verbraucht ein einzelnes CL1-Modul von Cortical Labs etwa 30 W, eine Größenordnung weniger als moderne Grafikprozessoren. Obwohl sich diese Technologien noch in einem frühen Stadium befinden, zeigt ihr Aufkommen, dass die Industrie beginnt, nach Lösungen für die Energiekrise in der Datenverarbeitung zu suchen, die mit dem schnellen Wachstum der künstlichen Intelligenz einhergeht.

Wo das biologische Rechnen eingesetzt werden könnte

Eine weitere wichtige Anwendung ist die Modellierung von Krankheiten und die Entwicklung von Medikamenten. Neuronale Kulturen können aus menschlichen Zellen gezüchtet und als Modelle für die Untersuchung neurodegenerativer Krankheiten wie Alzheimer oder Parkinson verwendet werden. In diesen Systemen können Forscher beobachten, wie sich die neuronale Aktivität unter dem Einfluss verschiedener Substanzen verändert, und potenzielle Behandlungen schneller und genauer testen als in herkömmlichen Labormodellen.

Schließlich könnten solche Systeme auch bei der künftigen Entwicklung der künstlichen Intelligenz eine Rolle spielen. Lebende neuronale Netze besitzen von Natur aus die Fähigkeit zu lernen und sich anzupassen, was sie zu einer potenziellen Plattform für das Experimentieren mit neuen Lernalgorithmen macht. Im Gegensatz zu herkömmlichen neuronalen Netzen, die enorme Rechenressourcen für das Training benötigen, können biologische Systeme durch die Interaktion zwischen den Zellen ein adaptives Verhalten zeigen. Aus diesem Grund könnte sich die biologische Datenverarbeitung als besonders vielversprechend in Bereichen erweisen, in denen Lernen, Selbstorganisation und Anpassung an neue Daten von wesentlicher Bedeutung sind.

Neue Technologie bedeutet neue Regeln

Eine der Schlüsselfragen ist, wo die Grenze zwischen biologischem Material und einem System liegt, das in der Lage ist, Anzeichen von Sensibilität oder komplexem Verhalten zu zeigen. Die heutigen Nervenkulturen sind relativ einfache Strukturen, die aus Zehn- oder Hunderttausenden von Zellen bestehen und kein Bewusstsein besitzen. Dennoch räumen die Forscher ein, dass sich mit der Weiterentwicklung der Technologie neue Herausforderungen ergeben könnten - von den Normen für die biologische Sicherheit über die Vorschriften für die Verwendung menschlicher Zellen bis hin zu den Beschränkungen für die Schaffung komplexerer neuronaler Systeme.

Aus diesem Grund plädieren Experten zunehmend dafür, dass der rechtliche und ethische Rahmen für die künftige Biocomputing-Industrie bereits im Vorfeld diskutiert werden sollte. Wenn solche Technologien schließlich über die Labore hinausgehen und Teil der Computerinfrastruktur werden, werden sie wahrscheinlich gesonderte Regelungen erfordern - ähnlich wie bei der Genforschung und der künstlichen Intelligenz. Je früher diese Diskussion beginnt, desto größer ist die Chance, dass die Entwicklung dieses neuen Technologiefeldes nicht nur schnell, sondern auch verantwortungsvoll voranschreitet.