Żywe centra danych: dlaczego sztuczna inteligencja zwraca się ku ludzkim neuronom

Podczas gdy giganci technologiczni nadal budują coraz potężniejsze centra danych dla sztucznej inteligencji, niektórzy badacze poszukują zupełnie innej architektury obliczeniowej. Australijski startup Cortical Labs zaprezentował system, w którym obliczenia wykonywane są nie przez krzemowe chipy, ale przez ludzkie komórki mózgowe wyhodowane w laboratorium. Eksperyment ten może oznaczać początek ery komputerów biologicznych, w której granica między biologią a technologią stopniowo się zaciera.

Komputery biologiczne jako nowe podejście do informatyki

Takie rozwiązania mogą wydawać się eksperymentem naukowym, ale zainteresowanie nimi rośnie właśnie ze względu na ograniczenia tradycyjnej architektury obliczeniowej. Nowoczesne klastry GPU zużywają setki watów na chip i wymagają ogromnych centrów danych, podczas gdy biologiczne systemy neuronowe mogą być zdolne do rozwiązywania zadań uczenia się i adaptacji przy znacznie niższym zużyciu energii. Jeśli technologie te będą nadal się rozwijać, może to stanowić nie tylko kolejny startup, ale próbę ponownego przemyślenia samych zasad działania systemów obliczeniowych.

Jak działają komputery biologiczne

Kluczową cechą takich systemów jest zdolność neuronów do uczenia się i adaptacji. W przeciwieństwie do klasycznych procesorów, które ściśle wykonują zaprogramowane instrukcje, żywe sieci neuronowe mogą zmieniać swoje zachowanie w zależności od przychodzących sygnałów. Eksperymenty z tymi systemami wykazały już, że biologiczne kultury neuronowe są zdolne do podstawowego uczenia się. Na przykład w systemie DishBrain hodowane neurony nauczyły się interakcji z symulacją gry Pong, dostosowując swoją aktywność do tego, co działo się na ekranie - wyniki tego eksperymentu zostały opublikowane w czasopiśmie Neuron. W późniejszych demonstracjach naukowcy wykazali również, że kultury neuronalne mogą reagować na elementy rozgrywki w grze Doom, tworząc proste modele uczenia się i zachowań adaptacyjnych.

Loading...

Tweet został usunięty przez autora.

Ale wszystko zapisaliśmy 🙂.

W praktyce jest to system hybrydowy, w którym biologia współpracuje z programowalną elektroniką. Krzemowe chipy zapewniają interfejs i przetwarzanie sygnału, podczas gdy komórki neuronowe wykonują część pracy obliczeniowej, wykorzystując swoje mechanizmy uczenia się. Takie podejście może połączyć dwa światy - sztucznej inteligencji i neurobiologii - tworząc nowy rodzaj obliczeń, który obecnie istnieje gdzieś pomiędzy eksperymentem laboratoryjnym a przyszłą platformą technologiczną.

Dlaczego przemysł szuka alternatywy dla tradycyjnych centrów danych

Jednocześnie rośnie również obciążenie energetyczne. Nowoczesne centra danych zużywają już około 1%-1,5% światowej energii elektrycznej, a ich chłodzenie wymaga znacznych ilości wody.

Loading...

Tweet został usunięty przez autora.

Ale wszystko zapisaliśmy 🙂.

Pojedynczy wysokowydajny procesor graficzny może zużywać od 400 W do 700 W, a duże klastry zawierają tysiące takich układów. W rezultacie infrastruktura sztucznej inteligencji staje się jednym z najbardziej energochłonnych segmentów gospodarki cyfrowej.

Dlatego też naukowcy zaczęli ostatnio poszukiwać alternatywnych architektur obliczeniowych. Systemy biologiczne mogą być potencjalnie znacznie bardziej wydajne. Przykładowo, pojedynczy moduł CL1 od Cortical Labs zużywa około 30 W, czyli o rząd wielkości mniej niż nowoczesne procesory graficzne. Chociaż technologie te są wciąż na wczesnym etapie, ich pojawienie się pokazuje, że branża zaczyna szukać rozwiązań kryzysu energetycznego w informatyce, który towarzyszy szybkiemu rozwojowi sztucznej inteligencji.

Gdzie można zastosować obliczenia biologiczne

Innym ważnym zastosowaniem jest modelowanie chorób i opracowywanie leków. Kultury neuronowe mogą być hodowane z ludzkich komórek i wykorzystywane jako modele do badania chorób neurodegeneracyjnych, takich jak choroba Alzheimera czy Parkinsona. W tych systemach naukowcy mogą obserwować, jak aktywność neuronalna zmienia się pod wpływem różnych substancji i testować potencjalne terapie szybciej i dokładniej niż w tradycyjnych modelach laboratoryjnych.

Wreszcie, takie systemy mogą również odegrać rolę w przyszłym rozwoju sztucznej inteligencji. Żywe sieci neuronowe naturalnie posiadają zdolność uczenia się i adaptacji, co czyni je potencjalną platformą do eksperymentowania z nowymi algorytmami uczenia się. W przeciwieństwie do konwencjonalnych sieci neuronowych, które wymagają ogromnych zasobów obliczeniowych do szkolenia, systemy biologiczne mogą wykazywać zachowania adaptacyjne poprzez interakcje między komórkami. Z tego powodu obliczenia biologiczne mogą okazać się szczególnie obiecujące w obszarach, w których uczenie się, samoorganizacja i adaptacja do nowych danych są niezbędne.

Nowa technologia oznacza nowe zasady

Jedno z kluczowych pytań dotyczy tego, gdzie leży granica między materiałem biologicznym a systemem zdolnym do wykazywania oznak wrażliwości lub złożonego zachowania. Dzisiejsze kultury neuronalne są stosunkowo prostymi strukturami składającymi się z dziesiątek lub setek tysięcy komórek i nie posiadają świadomości. Niemniej jednak naukowcy przyznają, że wraz z rozwojem technologii mogą pojawić się nowe wyzwania - od standardów bezpieczeństwa biologicznego po zasady regulujące wykorzystanie ludzkich komórek i ograniczenia w tworzeniu bardziej złożonych systemów neuronowych.

Dlatego też eksperci coraz częściej twierdzą, że ramy prawne i etyczne dla przyszłego przemysłu obliczeń biologicznych powinny być omawiane z wyprzedzeniem. Jeśli takie technologie ostatecznie wyjdą poza laboratoria i staną się częścią infrastruktury obliczeniowej, prawdopodobnie będą wymagały odrębnych regulacji - podobnie jak miało to miejsce w przypadku badań genetycznych i sztucznej inteligencji. Im szybciej rozpocznie się ta rozmowa, tym większa szansa, że rozwój tej nowej dziedziny technologii będzie postępował nie tylko szybko, ale i odpowiedzialnie.