Εταιρεία κατασκευάζει το πρώτο data center με χρήση κυττάρων ανθρώπινου εγκεφάλου
Τα data centers καταναλώνουν τεράστιες ποσότητες ενέργειας και τα τσιπ βρίσκονται σε υψηλή ζήτηση – θα μπορούσαν τα εγκεφαλικά κύτταρα να είναι η απάντηση; Η αυστραλιανή startup Cortical Labs ανακοίνωσε ότι κατασκευάζει δύο «βιολογικά» data centers στη Μελβούρνη και τη Σιγκαπούρη, εξοπλισμένα με τα ίδια τσιπ γεμάτα νευρώνες, τα οποία έχει αποδείξει ότι μπορούν να παίξουν Pong ή Doom.
Η Cortical Labs είναι μία από τις λίγες εταιρείες που αναπτύσσουν βιολογικούς υπολογιστές, αποτελούμενους από νευρωνικά κύτταρα συνδεδεμένα με συστοιχίες μικροηλεκτροδίων που μπορούν να διεγείρουν και να μετρήσουν την απόκριση των κυττάρων όταν τους παρέχονται δεδομένα. Νωρίτερα αυτό το μήνα, η εταιρεία έδειξε ότι ο πρώτος της υπολογιστής, ο CL1, μπόρεσε να μάθει να παίζει το παιχνίδι Doom σε μία εβδομάδα.
Τώρα, η Cortical Labs αποκάλυψε δύο data centers που σκοπεύει να κατασκευάσει. Το πρώτο, στη Μελβούρνη, θα περιέχει περίπου 120 μονάδες CL1. Το δεύτερο, που κατασκευάζεται σε συνεργασία με το Εθνικό Πανεπιστήμιο της Σιγκαπούρης, θα φιλοξενήσει αρχικά 20 CL1, αλλά η εταιρεία ελπίζει ότι τελικά θα περιέχει 1000 μονάδες σε ένα μεγαλύτερο data center, μετά από ρυθμιστική έγκριση. Η Cortical Labs δηλώνει ότι αυτό θα της επιτρέψει να επεκτείνει την cloud-based υπηρεσία υπολογιστών εγκεφάλου.
Βιολογικοί υπολογιστές όπως ο CL1 κατασκευάζονται και δοκιμάζονται από ερευνητικές ομάδες σε όλο τον κόσμο, αλλά συχνά είναι δύσκολο να κατασκευαστούν και δεν είναι εύκολοι στη χρήση τους για άλλους, λέει ο Michael Barros από το Πανεπιστήμιο του Essex, Ηνωμένο Βασίλειο. «Ξοδεύουμε πολλά χρήματα και ιδρώτα για να φτιάξουμε αυτά τα [συστήματα]».
«Αυτό που κάνει [η Cortical Labs] είναι ουσιαστικά να καθιστά τον βιοϋπολογιστή της προσβάσιμο σε μεγάλη κλίμακα», λέει ο Barros, ο οποίος ήδη χρησιμοποιεί cloud υπηρεσίες από την Cortical Labs ως μέρος της έρευνάς του. «Θα είναι οι πρώτοι που θα το κάνουν αυτό».
Αν και αυτά τα συστήματα μπορούν να εκπαιδευτούν για σχετικά απλές εργασίες, όπως το παιχνίδι Doom, ο ακριβής τρόπος λειτουργίας αυτών των νευρώνων και ο καλύτερος τρόπος εκπαίδευσής τους για την εκτέλεση εργασιών όπως η μηχανική μάθηση παραμένουν ασαφείς, λέει ο Reinhold Scherer, επίσης από το Πανεπιστήμιο του Essex. «Η πρόσβαση σε αυτό σας επιτρέπει να εξερευνήσετε τη μάθηση, την εκπαίδευση και τον προγραμματισμό», λέει. «Δεν προγραμματίζετε νευρώνες όπως τους συμβατικούς υπολογιστές».
Η Cortical Labs υποστηρίζει ότι τα data centers της θα απαιτούν επίσης πολύ λιγότερη ενέργεια από τα τυπικά υπολογιστικά συστήματα, ισχυριζόμενη ότι κάθε CL1 χρειάζεται περίπου 30 watt, αντί για χιλιάδες watt που απαιτεί ένα σύγχρονο συμβατικό τσιπ τεχνητής νοημοσύνης.
«Όταν θα έχουμε κλιμάκωση και αυτές τις μονάδες σε όλοκληρα δωμάτια, όπως έχετε τώρα με διακομιστές δεδομένων, τότε ενδέχεται να υπάρξουν τεράστιες εξοικονομήσεις ενέργειας», λέει ο Paul Roach από το Πανεπιστήμιο Loughborough, Ηνωμένο Βασίλειο. Υπάρχουν και άλλοι πόροι που μπορεί να χρειαστούν τα βιολογικά data centers, όπως θρεπτικά συστατικά για τη διατροφή και τη διατήρηση των νευρωνικών τσιπ, αλλά θα απαιτούν πολύ λιγότερη ψύξη από τους συμβατικούς υπολογιστές, λέει. «Η ποσότητα ενέργειας που εξοικονομείται με τα στοιχεία της [Cortical Labs] είναι αρκετά συντηρητική».
Ωστόσο, η τεχνολογία βρίσκεται ακόμη σε πρώιμο στάδιο, λέει ο Tjeerd olde Scheper από το Πανεπιστήμιο Oxford Brookes, Ηνωμένο Βασίλειο, ο οποίος έχει συνεργαστεί με μια ανταγωνιστική εταιρεία βιολογικών υπολογιστών, την FinalSpark. «Θα λειτουργήσει όπως νομίζουν οι άνθρωποι; Όχι, βρισκόμαστε ακόμη στις αρχικές ημέρες αυτής της ανάπτυξης».
Είναι δύσκολη η άμεση σύγκριση μεγέθους, καθώς τα τσιπ CL1 δεν μπορούν να εκτελέσουν συμβατικούς υπολογισμούς όπως ένα κανονικό τσιπ τεχνητής νοημοσύνης βασισμένο σε πυρίτιο, αλλά το προτεινόμενο βιολογικό data center θα έχει εκατοντάδες βιολογικά τσιπ, σε σύγκριση με εκατοντάδες χιλιάδες μονάδες επεξεργασίας γραφικών (GPU) που βλέπουμε στα μεγαλύτερα data centers τεχνητής νοημοσύνης.
«Νομίζω ότι απέχει πολύ από την ετοιμότητα για παραγωγή. Είναι ένα πολύ μεγάλο βήμα από ένα μικρό δίκτυο που παίζει ένα βιντεοπαιχνίδι σε ένα μεγάλο γλωσσικό μοντέλο», λέει ο Steve Furber από το Πανεπιστήμιο του Manchester, Ηνωμένο Βασίλειο.
Ένα από τα εναπομείναντα ζητήματα είναι ότι παραμένει ασαφές πώς να αποθηκευτούν τα αποτελέσματα της εκπαίδευσης αυτών των νευρώνων σε μια μορφή μνήμης, ή πώς να εκτελεστούν πραγματικοί υπολογιστικοί αλγόριθμοι πάνω τους, αντί να εκπαιδεύονται για συγκεκριμένες χρήσεις όπως το παιχνίδι βιντεοπαιχνιδιών.
Μια άλλη πρόκληση είναι ο τρόπος επανα-εκπαίδευσης των νευρώνων αφού ολοκληρώσουν μια συγκεκριμένη εργασία. «Ό,τι εκπαιδεύονται, χάνεται όταν η καλλιέργεια φτάνει στο τέλος της ζωής της, οπότε χρειάζεται σωστή εκ νέου εκπαίδευση», λέει ο Scherer. «Τότε δεν είναι βέλτιστη λύση για να διατηρηθεί μια τεχνολογία αν χρειάζεται να κάνετε εκ νέου εκπαίδευση κάθε 30 ημέρες».