Startup provádí experimenty v datových centrech poháněných laboratorně vypěstovanými lidskými neurony, aby otestoval, zda živé buňky mohou být efektivnější alternativou k tradičním počítačům.
podle Carly Page
Publikováno před 4 dny
v zprávy
(Zdroj obrázku: Yuichiro Chino přes Getty Images)
Australský startup staví to, co by se mohlo stát jedním z prvních „biologických datových center“ na světě, a doplňuje křemíkové počítačové čipy čipy osazenými živými lidskými neurony.
Kortikální laboratořeSpolečnost stojící za tímto projektem otevřela svůj první závod v australském Melbourne a plánuje postavit větší závod v Singapuru. Místo racků plných tradičních serverů budou tyto závody obsahovat Systémy CL1 od společnosti, která kombinuje laboratorně vypěstované neurony se standardními elektronickými součástkami. Cílem není zcela nahradit křemík, ale prozkoumat, zda živé neuronové systémy mohou doplňovat stávající hardware pro specifické výpočetní úkoly.
Koncept spočívá na zdánlivě jednoduchém principu: neurony jsou již zpracovateli informací. Mozkové neurony přenášejí elektrické signály a vytvářejí vzorce, které se v průběhu času vyvíjejí. Některá z těchto spojení se posilují, zatímco jiná oslabují, což vytváří neustálou restrukturalizaci, která je základem učení. Tradiční čipy se takto nechovají, protože se řídí předem definovanými instrukcemi, místo aby se přizpůsobovaly na základě zpětné vazby.
Výzkumníci strávili roky snahou využít biologické učení. V dřívější práci publikované v časopise Neuron vědci z Cortical Labs pěstovali neurony na čipu a poté je naučili hrát zjednodušenou verzi Pongu připojením k simulovanému prostředí. Tento výkon se opíral o uzavřenou zpětnovazební smyčku: když neurony vytvářely užitečné chování, vstupy se stávaly předvídatelnějšími; když se jim to nepodařilo, signály se stávaly chaotičtějšími. Postupem času se neurony stabilizovaly a vytvářely pravidelnější vzory.
Stejný princip je základem novějších demonstrací, zejména experimentů, kde Podobné systémy interagovaly se zjednodušenými verzemi hry Doom.Tyto konfigurace zůstávají velmi restriktivní, ale ukazují, že živé neuronové sítě mohou být orientovány na cílené chování, pokud jsou integrovány do systému řízeného zpětnou vazbou.
Živé počítačové čipy
Systém CL1 je hybridní zařízení, jehož každá jednotka obsahuje přibližně 200 000 lidských neuronů odvozených z kmenových buněk a pěstovaných přímo na křemíkovém čipu. Tyto neurony jsou uspořádány na poli mikroelektrod, které slouží jako rozhraní mezi biologií a elektronikou. Elektrody mohou stimulovat buňky elektrickými signály a zaznamenávat výslednou aktivitu v reálném čase.
Obklopuje ho život udržující systém, který chrání buňky, poskytuje jim živiny, reguluje teplotu a udržuje stabilní prostředí. Softwarová vrstva poté převádí biologické signály na digitální vstupy a výstupy a transformuje vzorce neuronální aktivity do dat použitelných počítačem.
V terminologii informatiky se neurony chovají méně jako procesor provádějící instrukce a více jako dynamický systém, který transformuje vstupy do složitých vzorců. Tomu se někdy říká „rezervoir computing“, kdy systém s bohatým vnitřním chováním zpracovává signály, které může interpretovat externí software.
Zájem o tento přístup úzce souvisí s rychlým růstemumělá inteligence (AI). Pro trénování a provoz moderních systémů AI je zapotřebí obrovské množství výpočetního výkonu a datová centra, která je podporují, spotřebovávají značné množství elektřiny a vodu. S rostoucí poptávkou obavy ohledně spotřeby energie a dlouhodobá omezení konvenčního návrhu čipů se zostřují.
Biologické systémy nabízejí jiný model. Lidský mozek pracuje s výkonem přibližně 20 wattů.Je však schopen s pozoruhodnou efektivitou vykonávat úkoly, jako je rozpoznávání vzorů, učení a rozhodování. Výzkumníci pracující v oblasti bioinformatiky tvrdí, že systémy založené na neuronech by v principu mohly zvládat určité pracovní zátěže s výrazně nižšími energetickými nároky než systémy založené na křemíku.
Výhoda nespočívá v hrubé rychlosti nebo přesnosti. Křemík zůstává mnohem lepší pro deterministické výpočty a zpracování ve velkém měřítku.návnada Jejich silná stránka spočívá spíše v přizpůsobivosti. Neurony se přirozeně reorganizují v reakci na vstup, což by je mohlo učinit užitečnými pro úkoly zahrnující učení se z řídkých nebo zašumených dat. Například tyto systémy mají tendenci vynikat v úkolech, jako je rozpoznávání vzorů, senzorické zpracování a rozhodování v nejistotě.
Společnost Cortical Labs zasazuje svou technologii do této nově vznikající oblasti. Zástupci společnosti tvrdí, že její systémy vyžadují relativně málo energie a mohly by nakonec nabídnout efektivnější způsob zpracování určitých typů informací. Tato tvrzení však zůstávají spekulativní a současné systémy jsou omezené jak rozsahem, tak kapacitou.
Vznikající infrastruktura, omezené kapacity
Zařízení popisovaná jako datová centra zůstávají v porovnání s průmyslovými standardy skromná. Společnost Cortical Labs nezveřejnila počet jednotek ve svém melbournském areálu, ale její systémy CL1 jsou zařízení laboratorního rozsahu, což znamená, že současná nasazení pravděpodobně zahrnují desítky jednotek, nikoli tisíce. Pro srovnání, hyperscale datová centra provozovaná společnostmi Amazon, Microsoft a Google obsahují desítky tisíc serverů v budovách, které mohou přesáhnout 93 000 metrů čtverečních.
Plánované zařízení společnosti Cortical v Singapuru by mělo umožnit větší škálovatelnost, ale stále je ve výstavbě.
Schopnosti jsou stejně omezené. Prokázání, že neurony se dokáží učit jednoduché úkoly podobné hře, je důležitým důkazem existence konceptu, ale od reálných aplikací má daleko. Stále neexistují žádné důkazy o tom, že by biologické systémy mohly konkurovat grafickým procesorům (GPU) nebo procesorům (CPU) v typech úloh, které dominují moderní výpočetní technice, jako je rozsáhlé trénování umělé inteligence nebo vysokofrekvenční zpracování dat.
„Navzdory značnému pokroku, jehož bylo v neurovědě dosaženo za poslední století, základní principy zpracování a ukládání informací v mozku zdaleka nejsou pochopeny.“ deklarováno Steve Fuber, počítačový vědec, matematik a inženýr počítačového hardwaru. „V této rané fázi vývoje takových systémů zůstává mnoho neznámého… Stále jsme daleko od identifikace optimálního přístupu, který by byl v této oblasti stejně všestranný, jako je univerzální programovatelný procesor v oblasti konvenčních výpočtů.“
Zároveň toto úsilí odráží širší posun ve způsobu, jakým se zkoumá výpočetní technika. Vzhledem k tomu, že tradiční přístupy narážejí na fyzikální a ekonomická omezení, vědci hledají alternativy, které by se ještě před několika lety zdály nemožné. Biologické systémy patří k nejnekonvenčnějším možnostem, včetně systému CL1 a... Čipy impregnované DNA.
Živé buňky jsou ze své podstaty složitější než tranzistory. Vyžadují kontrolované podmínky, neustálý přísun živin a neustálé monitorování, uvedli vědci. Jejich chování se může lišit vzorek od vzorku a jejich životnost je omezená. Zvětšení živých buněk na úroveň dostatečně spolehlivou pro použití v infrastruktuře představuje velkou technickou výzvu.
Zůstávají také otázky ohledně reprodukovatelnosti a kontroly. Křemíkové čipy se za definovaných podmínek chovají předvídatelně, což neplatí pro biologické systémy. Zajištění konzistentního výkonu ve větším měřítku bude nezbytné pro to, aby se tato technologie posunula za experimentální fázi.
Začínají se objevovat i etické úvahy. Současné neuronové kultury se zdaleka nepodobají ničemu vědomému, ale výzkumníci v této oblasti již volají po stanovení... jasné pokyny jak se systémy stávají složitějšími. Problém není bezprostředně relevantní, ale s vývojem technologií je těžké ho ignorovat.
Projekt společnosti Cortical Labs je prozatím především prvním pokusem o přesun bioinformatiky z laboratoře do něčeho, co se podobá skutečné infrastruktuře. Základní vědecké poznatky jsou v malém měřítku důvěryhodné a s vývojem systémů umělé inteligence roste i motivace zkoumat alternativy křemíku.
Nejisté zůstává, zda lze tyto dva přístupy smysluplně kombinovat. Současné systémy jsou omezené, křehké a zdaleka komerčně konkurenceschopné. Nicméně dláždí cestu novému způsobu myšlení o informatice.
Místo spoléhání se výhradně na rychlejší a efektivnější křemík někteří vědci začínají zkoumat, zda by živé systémy se svou složitostí a nepředvídatelností mohly nakonec hrát roli v tom, jak stroje zpracovávají informace.
Carly Page je technologická novinářka a reklamní copywriterka s více než desetiletou praxí v oblasti kybernetické bezpečnosti, nově vznikajících technologií a digitální politiky. Dříve zastávala pozici hlavní reportérky pro kybernetickou bezpečnost ve společnosti TechCrunch.
Nyní pracuje samostatně a píše články, analýzy, rozhovory a reportáže pro publikace jako Forbes, IT Pro, LeadDev, Resilience Media, The Register, TechCrunch, TechFinitive, TechRadar, TES, The Telegraph, TIME, Uswitch, WIRED a mnoho dalších. Carly se také věnuje psaní a editaci pro technologické společnosti a pořádání akcí.
Prameny): Livescience.com na stopě Liliane Held Khawam Děkujeme mu.
Obchodní podmínky
Odebírat
Zpráva
Moje komentáře