Élő adatközpontok: Miért fordul az AI az emberi idegsejtek felé?

Miközben a technológiai óriások egyre nagyobb teljesítményű adatközpontokat építenek a mesterséges intelligencia számára, egyes kutatók teljesen más számítási architektúrát keresnek. A Cortical Labs ausztrál startup cég olyan rendszert mutatott be, amelyben a számításokat nem szilíciumchipek, hanem laboratóriumban növesztett emberi agysejtek végzik. Ez a kísérlet a biológiai számítógépek korszakának kezdetét jelentheti, ahol a biológia és a technológia közötti határ fokozatosan elmosódik.

A biológiai számítógépek mint a számítástechnika új megközelítése

Az ilyen fejlesztések tudományos kísérletnek tűnhetnek, de az érdeklődés irántuk éppen a hagyományos számítástechnikai architektúra korlátai miatt növekszik. A modern GPU-klaszterek chipenként több száz wattot fogyasztanak, és hatalmas adatközpontokat igényelnek, míg a biológiai neurális rendszerek lényegesen alacsonyabb energiafogyasztás mellett is képesek lehetnek tanulási és alkalmazkodási feladatok megoldására. Ha ezek a technológiák tovább fejlődnek, akkor ez nem csak egy újabb startupot jelenthet, hanem a számítástechnikai rendszerek működésének alapelveinek újragondolására tett kísérletet.

Hogyan működnek a biológiai számítógépek

Az ilyen rendszerek legfontosabb jellemzője a neuronok tanulási és alkalmazkodási képessége. A klasszikus processzorokkal ellentétben, amelyek szigorúan programozott utasításokat hajtanak végre, az élő neuronhálózatok a beérkező jelek függvényében képesek megváltoztatni viselkedésüket. Az ilyen rendszerekkel végzett kísérletek már kimutatták, hogy a biológiai neurális kultúrák képesek alapvető tanulásra. A DishBrain rendszerben például a tenyésztett neuronok megtanultak interakcióba lépni a Pong játék szimulációjával, és aktivitásukat a képernyőn zajló eseményekhez igazították - a kísérlet eredményeit a Neuron című folyóiratban publikálták. Későbbi demonstrációk során a kutatók azt is megmutatták, hogy a Doom játék játék elemeire is képesek reagálni a neurális kultúrák, egyszerű modelleket alkotva a tanulásról és az adaptív viselkedésről.

Loading...

A tweetet a szerző törölte.

De mi mindent elmentettünk 🙂.

A gyakorlatban ez egy olyan hibrid rendszert jelent, ahol a biológia együtt dolgozik a programozható elektronikával. A szilícium chipek biztosítják az interfészt és a jelfeldolgozást, míg az idegsejtek a tanulási mechanizmusaik segítségével végzik a számítási munka egy részét. Ez a megközelítés összekapcsolhat két világot - a mesterséges intelligenciát és a neurobiológiát -, létrehozva egy újfajta számítástechnikát, amely jelenleg valahol a laboratóriumi kísérlet és egy jövőbeli technológiai platform között létezik.

Miért keresi az ipar a hagyományos adatközpontok alternatíváit?

Ezzel párhuzamosan az energiaterhek is egyre nőnek. A modern adatközpontok már most is a világ villamosenergia-termelésének mintegy 1-1,5%-át fogyasztják, hűtésükhöz pedig jelentős mennyiségű vízre van szükség.

Loading...

A tweetet a szerző törölte.

De mi mindent elmentettünk 🙂.

Egyetlen nagy teljesítményű GPU 400 és 700 W között fogyaszt, a nagy klaszterek pedig több ezer ilyen chipet tartalmaznak. Ennek eredményeképpen a mesterséges intelligencia infrastruktúrája a digitális gazdaság egyik legintenzívebb energiaigényű szegmensévé válik.

Ezért a kutatók az utóbbi időben alternatív számítási architektúrák után kutatnak. A biológiai rendszerek potenciálisan sokkal hatékonyabbak lehetnek. A Cortical Labs egyetlen CL1 modulja például körülbelül 30 W-ot fogyaszt, ami nagyságrenddel kevesebb, mint a modern grafikus processzoroké. Bár ezek a technológiák még korai stádiumban vannak, megjelenésük azt mutatja, hogy az ipar kezd megoldásokat keresni a mesterséges intelligencia gyors növekedésével együtt járó számítástechnikai energiaválságra.

Hol lehetne alkalmazni a biológiai számítástechnikát

Egy másik fontos alkalmazás a betegségek modellezése és a gyógyszerfejlesztés. Az emberi sejtekből neurális kultúrákat lehet tenyészteni, és modellként felhasználni az olyan neurodegeneratív betegségek tanulmányozására, mint az Alzheimer- vagy a Parkinson-kór. Ezekben a rendszerekben a kutatók megfigyelhetik, hogyan változik az idegi aktivitás különböző anyagok hatására, és gyorsabban és pontosabban tesztelhetik a lehetséges kezeléseket, mint a hagyományos laboratóriumi modellekben.

Végül az ilyen rendszerek szerepet játszhatnak a mesterséges intelligencia jövőbeli fejlesztésében is. Az élő neurális hálózatok természetüknél fogva rendelkeznek a tanulás és az alkalmazkodás képességével, ami potenciális platformot jelent az új tanulási algoritmusok kikísérletezéséhez. A hagyományos neurális hálózatokkal ellentétben, amelyek betanításához hatalmas számítási erőforrásokra van szükség, a biológiai rendszerek a sejtek közötti kölcsönhatások révén képesek adaptív viselkedést tanúsítani. Emiatt a biológiai számítástechnika különösen ígéretesnek bizonyulhat olyan területeken, ahol a tanulás, az önszerveződés és az új adatokhoz való alkalmazkodás alapvető fontosságú.

Az új technológia új szabályokat jelent

Az egyik legfontosabb kérdés az, hogy hol húzódik a határ a biológiai anyag és az érzékenység vagy az összetett viselkedés jeleit mutatni képes rendszer között. A mai idegi kultúrák viszonylag egyszerű, több tíz- vagy százezer sejtből álló struktúrák, és nem rendelkeznek tudattal. Mindazonáltal a kutatók elismerik, hogy a technológia fejlődésével új kihívások merülhetnek fel - a biológiai biztonsági előírásoktól kezdve az emberi sejtek felhasználására vonatkozó szabályokig és a bonyolultabb idegi rendszerek létrehozásának korlátozásáig.

Ezért a szakértők egyre inkább amellett érvelnek, hogy a jövőbeli biológiai számítástechnikai ipar jogi és etikai kereteit előre meg kell vitatni. Ha az ilyen technológiák végül túllépnek a laboratóriumokon és a számítástechnikai infrastruktúra részévé válnak, valószínűleg külön szabályozást igényelnek majd - hasonlóan a genetikai kutatás és a mesterséges intelligencia esetében történthez. Minél hamarabb kezdődik ez a beszélgetés, annál nagyobb az esélye annak, hogy ennek az új technológiai területnek a fejlődése nemcsak gyorsan, hanem felelősségteljesen is haladjon.