Ζωντανά κέντρα δεδομένων: Γιατί η τεχνητή νοημοσύνη στρέφεται προς τους ανθρώπινους νευρώνες

Ενώ οι τεχνολογικοί κολοσσοί συνεχίζουν να κατασκευάζουν ολοένα και πιο ισχυρά κέντρα δεδομένων για την τεχνητή νοημοσύνη, ορισμένοι ερευνητές αναζητούν μια εντελώς διαφορετική αρχιτεκτονική υπολογιστών. Η αυστραλιανή νεοφυής εταιρεία Cortical Labs παρουσίασε ένα σύστημα στο οποίο οι υπολογισμοί δεν εκτελούνται από τσιπ πυριτίου αλλά από ανθρώπινα εγκεφαλικά κύτταρα που αναπτύσσονται σε εργαστήριο. Το πείραμα αυτό μπορεί να σηματοδοτήσει την αρχή της εποχής των βιολογικών υπολογιστών, όπου τα όρια μεταξύ βιολογίας και τεχνολογίας σταδιακά θολώνουν.

Οι βιολογικοί υπολογιστές ως νέα προσέγγιση της πληροφορικής

Τέτοιες εξελίξεις μπορεί να μοιάζουν με επιστημονικό πείραμα, αλλά το ενδιαφέρον γι' αυτές αυξάνεται ακριβώς λόγω των περιορισμών της παραδοσιακής αρχιτεκτονικής των υπολογιστών. Οι σύγχρονες συστάδες GPU καταναλώνουν εκατοντάδες βατ ανά τσιπ και απαιτούν τεράστια κέντρα δεδομένων, ενώ τα βιολογικά νευρωνικά συστήματα μπορεί να είναι ικανά να επιλύουν εργασίες μάθησης και προσαρμογής με σημαντικά χαμηλότερη κατανάλωση ενέργειας. Εάν οι τεχνολογίες αυτές συνεχίσουν να αναπτύσσονται, αυτό θα μπορούσε να αποτελέσει όχι απλώς μια ακόμη νεοφυή επιχείρηση, αλλά μια προσπάθεια επανεξέτασης των ίδιων των αρχών πίσω από τον τρόπο λειτουργίας των υπολογιστικών συστημάτων.

Πώς λειτουργούν οι βιολογικοί υπολογιστές

Το βασικό χαρακτηριστικό τέτοιων συστημάτων είναι η ικανότητα των νευρώνων να μαθαίνουν και να προσαρμόζονται. Σε αντίθεση με τους κλασικούς επεξεργαστές που εκτελούν αυστηρά προγραμματισμένες εντολές, τα ζωντανά νευρωνικά δίκτυα μπορούν να αλλάζουν τη συμπεριφορά τους ανάλογα με τα εισερχόμενα σήματα. Πειράματα με αυτά τα συστήματα έχουν ήδη δείξει ότι οι βιολογικές νευρωνικές καλλιέργειες είναι ικανές για βασική μάθηση. Για παράδειγμα, στο σύστημα DishBrain, καλλιεργημένοι νευρώνες έμαθαν να αλληλεπιδρούν με μια προσομοίωση του παιχνιδιού Pong, προσαρμόζοντας τη δραστηριότητά τους σε ό,τι συνέβαινε στην οθόνη - τα αποτελέσματα αυτού του πειράματος δημοσιεύτηκαν στο περιοδικό Neuron. Σε μεταγενέστερες επιδείξεις, οι ερευνητές έδειξαν επίσης ότι οι νευρωνικές καλλιέργειες μπορούσαν να ανταποκριθούν σε στοιχεία του παιχνιδιού στο Doom, σχηματίζοντας απλά μοντέλα μάθησης και προσαρμοστικής συμπεριφοράς.

Loading...

Το tweet διαγράφηκε από τον συγγραφέα.

Αλλά αποθηκεύσαμε τα πάντα 🙂.

Στην πράξη, αυτό αντιπροσωπεύει ένα υβριδικό σύστημα όπου η βιολογία συνεργάζεται με προγραμματιζόμενα ηλεκτρονικά. Τα τσιπ πυριτίου παρέχουν τη διεπαφή και την επεξεργασία σήματος, ενώ τα νευρικά κύτταρα εκτελούν μέρος της υπολογιστικής εργασίας χρησιμοποιώντας τους μηχανισμούς μάθησης που διαθέτουν. Αυτή η προσέγγιση θα μπορούσε να συνδέσει δύο κόσμους - την τεχνητή νοημοσύνη και τη νευροβιολογία - δημιουργώντας έναν νέο τύπο υπολογιστών που σήμερα υπάρχει κάπου μεταξύ ενός εργαστηριακού πειράματος και μιας μελλοντικής τεχνολογικής πλατφόρμας.

Γιατί η βιομηχανία αναζητά εναλλακτικές λύσεις στα παραδοσιακά κέντρα δεδομένων

Ταυτόχρονα, αυξάνεται και η ενεργειακή επιβάρυνση. Τα σύγχρονα κέντρα δεδομένων καταναλώνουν ήδη περίπου το 1%-1,5% της παγκόσμιας ηλεκτρικής ενέργειας και η ψύξη τους απαιτεί σημαντικές ποσότητες νερού.

Loading...

Το tweet διαγράφηκε από τον συγγραφέα.

Αλλά αποθηκεύσαμε τα πάντα 🙂.

Μια μεμονωμένη GPU υψηλής απόδοσης μπορεί να καταναλώνει μεταξύ 400 W και 700 W, ενώ τα μεγάλα clusters περιέχουν χιλιάδες τέτοια τσιπ. Ως αποτέλεσμα, η υποδομή ΤΝ γίνεται ένα από τα πιο ενεργοβόρα τμήματα της ψηφιακής οικονομίας.

Αυτός είναι ο λόγος για τον οποίο οι ερευνητές άρχισαν πρόσφατα να αναζητούν εναλλακτικές αρχιτεκτονικές υπολογισμού. Τα βιολογικά συστήματα θα μπορούσαν δυνητικά να είναι πολύ πιο αποδοτικά. Για παράδειγμα, μία μόνο μονάδα CL1 από την Cortical Labs καταναλώνει περίπου 30 W, μια τάξη μεγέθους λιγότερο από τους σύγχρονους επεξεργαστές γραφικών. Αν και οι τεχνολογίες αυτές βρίσκονται ακόμη σε πρώιμο στάδιο, η εμφάνισή τους δείχνει ότι η βιομηχανία αρχίζει να αναζητά λύσεις για την ενεργειακή κρίση στους υπολογιστές που συνοδεύει τη ραγδαία ανάπτυξη της τεχνητής νοημοσύνης.

Πού θα μπορούσε να εφαρμοστεί η βιολογική πληροφορική

Μια άλλη σημαντική εφαρμογή αφορά τη μοντελοποίηση ασθενειών και την ανάπτυξη φαρμάκων. Οι νευρικές καλλιέργειες μπορούν να αναπτυχθούν από ανθρώπινα κύτταρα και να χρησιμοποιηθούν ως μοντέλα για τη μελέτη νευροεκφυλιστικών ασθενειών όπως η νόσος του Αλτσχάιμερ ή η νόσος του Πάρκινσον. Σε αυτά τα συστήματα, οι ερευνητές μπορούν να παρατηρήσουν πώς αλλάζει η νευρική δραστηριότητα υπό την επίδραση διαφόρων ουσιών και να δοκιμάσουν πιθανές θεραπείες ταχύτερα και ακριβέστερα από ό,τι σε παραδοσιακά εργαστηριακά μοντέλα.

Τέλος, τα συστήματα αυτά μπορεί επίσης να διαδραματίσουν ρόλο στη μελλοντική ανάπτυξη της τεχνητής νοημοσύνης. Τα ζωντανά νευρωνικά δίκτυα διαθέτουν εκ φύσεως την ικανότητα να μαθαίνουν και να προσαρμόζονται, γεγονός που τα καθιστά μια πιθανή πλατφόρμα για τον πειραματισμό με νέους αλγόριθμους μάθησης. Σε αντίθεση με τα συμβατικά νευρωνικά δίκτυα που απαιτούν τεράστιους υπολογιστικούς πόρους για την εκπαίδευση, τα βιολογικά συστήματα μπορούν να επιδείξουν προσαρμοστική συμπεριφορά μέσω αλληλεπιδράσεων μεταξύ των κυττάρων. Για το λόγο αυτό, η βιολογική πληροφορική θα μπορούσε να αποδειχθεί ιδιαίτερα υποσχόμενη σε τομείς όπου η μάθηση, η αυτοοργάνωση και η προσαρμογή σε νέα δεδομένα είναι απαραίτητες.

Νέα τεχνολογία σημαίνει νέους κανόνες

Ένα από τα βασικά ερωτήματα αφορά το πού βρίσκεται το όριο μεταξύ του βιολογικού υλικού και ενός συστήματος ικανού να επιδεικνύει σημάδια ευαισθησίας ή σύνθετης συμπεριφοράς. Οι σημερινές νευρικές καλλιέργειες είναι σχετικά απλές δομές που αποτελούνται από δεκάδες ή εκατοντάδες χιλιάδες κύτταρα και δεν διαθέτουν συνείδηση. Παρ' όλα αυτά, οι ερευνητές αναγνωρίζουν ότι καθώς η τεχνολογία αναπτύσσεται, ενδέχεται να προκύψουν νέες προκλήσεις - από τα πρότυπα βιοασφάλειας έως τους κανόνες που διέπουν τη χρήση ανθρώπινων κυττάρων και τους περιορισμούς στη δημιουργία πιο πολύπλοκων νευρικών συστημάτων.

Αυτός είναι ο λόγος για τον οποίο οι εμπειρογνώμονες υποστηρίζουν όλο και περισσότερο ότι το νομικό και ηθικό πλαίσιο για τη μελλοντική βιομηχανία βιολογικών υπολογιστών θα πρέπει να συζητηθεί εκ των προτέρων. Εάν οι τεχνολογίες αυτές τελικά ξεπεράσουν τα εργαστήρια και γίνουν μέρος της υπολογιστικής υποδομής, είναι πιθανό να απαιτήσουν ξεχωριστή ρύθμιση - όπως συνέβη με τη γενετική έρευνα και την τεχνητή νοημοσύνη. Όσο νωρίτερα ξεκινήσει αυτή η συζήτηση, τόσο μεγαλύτερη είναι η πιθανότητα η ανάπτυξη αυτού του νέου τεχνολογικού τομέα να προχωρήσει όχι μόνο γρήγορα αλλά και υπεύθυνα.