Живі дата-центри: навіщо ШІ людські нейрони

Поки технологічні гіганти будують дедалі потужніші дата-центри для штучного інтелекту, частина дослідників шукає зовсім іншу архітектуру обчислень. Австралійський стартап Cortical Labs представив систему, у якій обчислення виконують не кремнієві чипи, а вирощені в лабораторії клітини людського мозку. Цей експеримент може стати початком епохи біологічних комп’ютерів, де межа між біологією та технологіями поступово розмивається.

Біологічні комп’ютери як новий підхід до обчислень

Розвиток штучного інтелекту вже кілька років упирається в один і той самий бар’єр — обчислювальні потужності. Чим складнішими стають моделі, тим більше енергії та обладнання потребують дата-центри. На цьому тлі австралійський стартап Cortical Labs представив незвичайне рішення: прототип біологічного дата-центру, у якому обчислення виконують не процесори, а клітини людського мозку. Як повідомляє Bloomberg, два майданчики, де працюватимуть біокомп’ютери, планують створити в Сінгапурі та Мельбурні.

Подібні розробки можуть здаватися науковим експериментом, але інтерес до них зростає саме через обмеження традиційної архітектури обчислень. Сучасні GPU-кластери споживають сотні ват на один чип і потребують величезних дата-центрів, тоді як біологічні нейронні системи потенційно здатні розв’язувати завдання навчання та адаптації зі значно меншими енерговитратами. Якщо такі технології отримають розвиток, може йтися не просто про новий стартап, а про спробу переосмислити сам принцип роботи обчислювальних систем.

Як працюють біологічні комп’ютери

В основі розробки Cortical Labs лежить система, де живі нейронні клітини поєднуються з кремнієвим чипом. Нейрони вирощують у лабораторії та розміщують на спеціальній матриці електродів, яка дозволяє одночасно зчитувати їхню активність і надсилати їм електричні сигнали. По суті, утворюється двосторонній інтерфейс: електроніка стимулює клітини, а клітини відповідають електричними імпульсами, які можна інтерпретувати як обчислювальний результат.

Головна особливість таких систем — здатність нейронів навчатися й адаптуватися. На відміну від класичних процесорів, які суворо виконують задані інструкції, живі нейронні мережі можуть змінювати поведінку залежно від вхідних сигналів. Експерименти з такими системами вже показували, що біологічні нейронні культури здатні до елементарного навчання. Наприклад, у системі DishBrain вирощені нейрони навчилися взаємодіяти з симуляцією гри Pong, адаптуючи свою активність до того, що відбувається на екрані — результати цього експерименту були опубліковані в журналі Neuron. У подальших демонстраціях дослідники також показували, що нейронні культури можуть реагувати на елементи ігрового процесу в Doom, формуючи найпростіші моделі навчання та адаптивної поведінки.

Loading...

Твіт було видалено автором.

Але ми все зберегли 🙂.

Фактично йдеться про гібридну систему, де біологія працює разом із програмованою електронікою. Кремнієві чипи забезпечують інтерфейс і обробку сигналів, а нейронні клітини виконують частину обчислювальної роботи, використовуючи власні механізми навчання. Такий підхід може поєднати два світи — штучний інтелект і нейробіологію, створюючи новий тип обчислень, який поки що перебуває десь між лабораторним експериментом і майбутньою технологічною платформою.

Чому індустрія шукає альтернативу традиційним дата-центрам

Сучасні моделі ШІ потребують дедалі більше GPU-кластерів, а навчання великих нейромереж може тривати тижнями та споживати величезні ресурси. Найбільші технологічні компанії сьогодні будують дата-центри вартістю мільярди доларів, адже саме обчислювальна інфраструктура стає головним обмеженням для розвитку штучного інтелекту.

Але разом із цим зростає й енергетичне навантаження. Сучасні дата-центри вже споживають 1%-1,5% світової електроенергії, а їхнє охолодження потребує значних обсягів води.

Loading...

Твіт було видалено автором.

Але ми все зберегли 🙂.

Один високопродуктивний GPU може споживати від 400 Вт до 700 Вт, і у великих кластерах такі чипи працюють тисячами. У результаті інфраструктура ШІ перетворюється на один із найбільш енергомістких сегментів цифрової економіки.

Саме тому останнім часом дослідники шукають альтернативні архітектури обчислень. Біологічні системи потенційно можуть виявитися значно ефективнішими: наприклад, один модуль CL1 від Cortical Labs споживає близько 30 Вт — на порядок менше, ніж сучасні графічні процесори. Поки такі технології перебувають на ранній стадії, але сам факт їх появи показує, що індустрія починає шукати вихід з енергетичної кризи обчислень, яка супроводжує стрімке зростання штучного інтелекту.

Де можуть застосовуватися біологічні обчислення

Поки біологічні обчислювальні системи залишаються експериментальною технологією, дослідники вже обговорюють кілька напрямів, де вони можуть виявитися особливо корисними. Один із найочевидніших — фундаментальні дослідження мозку. Нейронні культури, підключені до електронних інтерфейсів, дозволяють спостерігати за тим, як формуються сигнали, як клітини реагують на стимули і як виникає навчання на рівні окремих нейронних мереж. Для нейробіології це можливість вивчати процеси, які в живому мозку залишаються практично недоступними для прямого спостереження.

Інший важливий сценарій пов’язаний із моделюванням захворювань і розробкою ліків. Нейронні культури можна вирощувати з людських клітин і використовувати як модель для вивчення нейродегенеративних захворювань — наприклад, хвороби Альцгеймера або Паркінсона. У таких системах науковці можуть спостерігати, як змінюється активність нейронів під впливом різних речовин, і тестувати потенційні препарати швидше та точніше, ніж у традиційних лабораторних моделях.

Нарешті, подібні системи можуть відіграти роль і в розвитку штучного інтелекту. Живі нейронні мережі мають природну здатність до навчання й адаптації, тому їх розглядають як можливу платформу для експериментів із новими алгоритмами навчання. На відміну від класичних нейромереж, які потребують величезних обчислювальних ресурсів для тренування, біологічні системи можуть демонструвати адаптивну поведінку вже на рівні клітинних взаємодій. Тому біологічні обчислення можуть виявитися особливо перспективними там, де важливі навчання, самоорганізація та адаптація до нових даних.

Нова технологія — нові правила

Поява біологічних обчислювальних систем неминуче викликає нові питання — не лише технологічні, а й етичні. На відміну від традиційних комп’ютерів, такі платформи використовують живі людські клітини, а отже опиняються на перетині одразу кількох галузей: біотехнологій, нейронауки та цифрової індустрії. Саме тому обговорення подібних проєктів виходить за межі лабораторій і стає предметом дискусій серед дослідників, юристів і фахівців із біоетики.

Одне з головних питань пов’язане з тим, де проходить межа між біологічним матеріалом і системою, здатною демонструвати ознаки чутливості або складної поведінки. Сучасні нейронні культури являють собою відносно прості структури, що складаються з десятків або сотень тисяч клітин, і не мають свідомості. Проте самі дослідники визнають, що з розвитком технологій можуть з’явитися нові виклики — від стандартів біобезпеки до правил роботи з людськими клітинами та обмежень на створення складніших нейронних систем.

Саме тому експерти дедалі частіше говорять про необхідність заздалегідь обговорювати правові та етичні рамки майбутньої індустрії біологічних обчислень. Якщо такі технології справді почнуть виходити за межі лабораторій і ставати частиною обчислювальної інфраструктури, їм, ймовірно, знадобиться окреме регулювання, так само як це сталося з генетичними дослідженнями або штучним інтелектом. І чим раніше розпочнеться ця розмова, тим вищі шанси, що розвиток нової технологічної галузі відбуватиметься не лише швидко, а й відповідально.