Уже несколько десятилетий ученые пытаются воспроизвести работу человеческого мозга, чтобы использовать его огромные возможности. Однако сложные системы искусственного интеллекта, имитирующие работу человеческих нейронов, требуют больших затрат энергии и имеют сравнительно ограниченные возможности. Поэтому швейцарская компания FinalSpark выбрала другой подход и представила инновационный процессор, состоящий из 16 органоидов головного мозга. Этот биопроцессор, состоящий из живых нейронов, способных обучаться и обрабатывать информацию так же, как нейроны в мозге, потребляет в миллион раз меньше энергии, чем обычные цифровые процессоры.

Этот новый подход, известный как wetware computing, использует органоиды мозга, созданные в лаборатории, для обработки информации. Под wetware понимается сочетание программного, аппаратного обеспечения и биологических устройств для достижения этой цели. «Слияние искусственного интеллекта, последних достижений биологии и технологий стволовых клеток открыло новые горизонты в области синтетической биологии«, — говорит д-р Фред Джордан, соучредитель компании FinalSpark.

Биоинформатика как решение с низким энергопотреблением

По мнению исследователей, это важный шаг на пути к будущему, в котором технологии и биология будут работать в синергии. Подход, предложенный FinalSpark, потенциально открывает путь к новой эре вычислений со значительно меньшим воздействием на окружающую среду. Биоинформатический стартап объяснил, что эта платформа не просто объединяет биологические концепции с вычислениями, а «использует» органоиды, полученные из трехмерных культур тканей, полученных из нейронных стволовых клеток. В общей сложности 16 органоидов размещены в четырех сетях, каждая из которых подключена к восьми электродам и микрофлюидической системе, подающей воду и питательные вещества к клеткам.

Клетки мозга объединяются в органоиды и помещаются в сети, соединенные с электродами.

Исследователи FinalSpark считают, что органический биопроцессор, когда он созреет, может стать интересной альтернативой традиционным системам машинного обучения. Хотя в основе этих двух технологий лежат одни и те же механизмы, между ними есть одно существенное различие: потребляемая энергия. Это всегда было одним из центральных вопросов в области ИИ. Например, GPT-4 использует около 1 670 миллиардов параметров, и обучение системы такого размера требует колоссального количества энергии.

По данным FinalSpark, для обучения подобной языковой модели требуются десятки гигаватт-часов, что в 6 000 раз больше энергии, потребляемой жителем Европы за год. Не говоря уже о том, что современные технологические тенденции позволяют предположить, что к 2030 году индустрия ИИ будет потреблять около 3,5 % всей электроэнергии в мире.

Поэтому подход FinalSpark — очевидное решение для значительного снижения энергопотребления. По словам исследователей стартапа, человеческий мозг работает со своими 86 миллиардами нейронов, используя лишь малую часть энергии, которую потребляют LLM (всего 0,3 киловатт-часа в день).

Влажные вычисления на службе исследований?

Основная цель FinalSpark — разработка энергоэффективных вычислительных подходов. Однако сначала необходимо довести wetware программное обеспечение до зрелости. Именно поэтому исследователи стартапа уже подключили эти мини-мозги человека к своей доступной платформе Neuroplatform, чтобы ученые по всему миру могли проводить удаленные эксперименты с их органоидами. «Мы твердо уверены, что столь амбициозная цель может быть достигнута только благодаря международному сотрудничеству«, — говорит Джордан. «За последние три года Neuroplatform использовалась более чем с 1 000 органоидов мозга, что позволило собрать более 18 терабайт данных«, — добавил он.