Elävät datakeskukset: Miksi tekoäly kääntyy ihmisen hermosolujen puoleen

Samalla kun teknologiajätit jatkavat yhä tehokkaampien datakeskusten rakentamista tekoälyä varten, jotkut tutkijat etsivät täysin erilaista laskentajärjestelmäarkkitehtuuria. Australialainen startup-yritys Cortical Labs on esitellyt järjestelmän, jossa laskutoimituksia eivät suorita piisirut vaan laboratoriossa kasvatetut ihmisen aivosolut. Tämä kokeilu saattaa merkitä biologisten tietokoneiden aikakauden alkua, jolloin biologian ja teknologian välinen raja hämärtyy vähitellen.

Biologiset tietokoneet uutena lähestymistapana tietojenkäsittelyyn

Tällainen kehitys saattaa vaikuttaa tieteelliseltä kokeilulta, mutta kiinnostus niitä kohtaan kasvaa juuri perinteisen laskentajärjestelmän rajoitusten vuoksi. Nykyaikaiset GPU-klusterit kuluttavat satoja watteja sirua kohti ja vaativat massiivisia datakeskuksia, kun taas biologiset hermojärjestelmät saattavat pystyä ratkaisemaan oppimis- ja sopeutumistehtäviä huomattavasti pienemmällä energiankulutuksella. Jos nämä teknologiat kehittyvät edelleen, kyseessä ei ehkä ole vain uusi startup-yritys, vaan yritys miettiä uudelleen koko laskentajärjestelmien toimintaperiaatteet.

Miten biologiset tietokoneet toimivat

Tällaisten järjestelmien keskeinen ominaisuus on neuronien kyky oppia ja sopeutua. Toisin kuin klassiset prosessorit, jotka suorittavat tiukasti ohjelmoituja ohjeita, elävät hermoverkot voivat muuttaa käyttäytymistään saapuvien signaalien mukaan. Näillä järjestelmillä tehdyt kokeet ovat jo osoittaneet, että biologiset hermokulttuurit kykenevät perusoppimiseen. Esimerkiksi DishBrain-järjestelmässä viljellyt neuronit oppivat toimimaan vuorovaikutuksessa Pong-pelin simulaation kanssa ja mukauttamaan toimintansa sen mukaan, mitä ruudulla tapahtui - tämän kokeen tulokset julkaistiin Neuron-lehdessä. Myöhemmissä esityksissä tutkijat osoittivat myös, että neuronaaliviljelmät pystyivät reagoimaan Doom-pelin pelielementteihin ja muodostamaan yksinkertaisia malleja oppimisesta ja mukautuvasta käyttäytymisestä.

Loading...

Tweetin poisti sen kirjoittaja.

Mutta me tallensimme kaiken 🙂.

Käytännössä tämä edustaa hybridijärjestelmää, jossa biologia toimii yhdessä ohjelmoitavan elektroniikan kanssa. Piisirut tarjoavat käyttöliittymän ja signaalinkäsittelyn, kun taas hermosolut suorittavat osan laskennallisesta työstä oppimismekanismeillaan. Tämä lähestymistapa voisi yhdistää kaksi maailmaa - tekoälyn ja neurobiologian - luoden uudenlaisen tietojenkäsittelyn, joka on tällä hetkellä jossain laboratoriokokeen ja tulevaisuuden teknologisen alustan välissä.

Miksi teollisuus etsii vaihtoehtoja perinteisille datakeskuksille?

Samaan aikaan myös energiataakka kasvaa. Nykyaikaiset datakeskukset kuluttavat jo nyt noin 1-1,5 prosenttia maailman sähköstä, ja niiden jäähdyttäminen vaatii merkittäviä määriä vettä.

Loading...

Tweetin poisti sen kirjoittaja.

Mutta me tallensimme kaiken 🙂.

Yksittäinen huipputehokas GPU voi kuluttaa 400-700 W, ja suuret klusterit sisältävät tuhansia tällaisia siruja. Tämän seurauksena tekoälyinfrastruktuurista on tulossa yksi digitaalitalouden energiaintensiivisimmistä segmenteistä.

Tämän vuoksi tutkijat ovat viime aikoina alkaneet etsiä vaihtoehtoisia laskentaarkkitehtuureja. Biologiset järjestelmät voisivat mahdollisesti olla paljon tehokkaampia. Esimerkiksi Cortical Labsin yksi CL1-moduuli kuluttaa noin 30 W, mikä on suuruusluokkaa vähemmän kuin nykyaikaiset grafiikkasuorittimet. Vaikka nämä teknologiat ovat vielä alkuvaiheessa, niiden ilmaantuminen osoittaa, että teollisuus on alkanut etsiä ratkaisuja tekoälyn nopeaan kasvuun liittyvään tietojenkäsittelyn energiakriisiin.

Missä biologista tietojenkäsittelyä voitaisiin soveltaa

Toinen tärkeä sovellus liittyy sairauksien mallintamiseen ja lääkekehitykseen. Hermoviljelmiä voidaan kasvattaa ihmissoluista ja käyttää malleina Alzheimerin ja Parkinsonin taudin kaltaisten hermoston rappeutumissairauksien tutkimisessa. Näissä järjestelmissä tutkijat voivat tarkkailla, miten hermoston toiminta muuttuu eri aineiden vaikutuksesta, ja testata mahdollisia hoitoja nopeammin ja tarkemmin kuin perinteisissä laboratoriomalleissa.

Lisäksi tällaisilla järjestelmillä voi olla merkitystä myös tekoälyn kehittämisessä tulevaisuudessa. Elävillä neuroverkoilla on luonnostaan kyky oppia ja sopeutua, mikä tekee niistä potentiaalisen alustan uusien oppimisalgoritmien kokeiluun. Toisin kuin perinteiset neuroverkot, joiden harjoittelu vaatii valtavia laskentaresursseja, biologiset järjestelmät voivat osoittaa sopeutuvaa käyttäytymistä solujen välisten vuorovaikutusten kautta. Tästä syystä biologinen tietojenkäsittely voi osoittautua erityisen lupaavaksi aloilla, joilla oppiminen, itseorganisoituminen ja sopeutuminen uusiin tietoihin ovat olennaisen tärkeitä.

Uusi teknologia tarkoittaa uusia sääntöjä

Yksi keskeisistä kysymyksistä koskee sitä, missä kulkee raja biologisen materiaalin ja sellaisen järjestelmän välillä, joka kykenee osoittamaan merkkejä herkkyydestä tai monimutkaisesta käyttäytymisestä. Nykyiset hermoviljelmät ovat suhteellisen yksinkertaisia rakenteita, jotka koostuvat kymmenistä tai sadoista tuhansista soluista, eikä niillä ole tietoisuutta. Tutkijat ovat kuitenkin tietoisia siitä, että teknologian kehittyessä voi syntyä uusia haasteita - bioturvallisuusstandardeista ihmissolujen käyttöä koskeviin sääntöihin ja monimutkaisempien hermojärjestelmien luomista koskeviin rajoituksiin.

Tämän vuoksi asiantuntijat ovat yhä useammin sitä mieltä, että tulevan biologisen tietojenkäsittelyteollisuuden oikeudellisista ja eettisistä puitteista olisi keskusteltava etukäteen. Jos tällaiset teknologiat lopulta siirtyvät laboratorioiden ulkopuolelle ja tulevat osaksi tietojenkäsittelyinfrastruktuuria, ne vaativat todennäköisesti erillistä sääntelyä - aivan kuten tapahtui geenitutkimuksen ja tekoälyn kohdalla. Mitä nopeammin tämä keskustelu aloitetaan, sitä suuremmat ovat mahdollisuudet siihen, että tämän uuden teknologia-alan kehitys etenee paitsi nopeasti myös vastuullisesti.