Запущен первый в мире дата-центр с нейронами человеческого мозга

Австралийский стартап Cortical Labs строит два дата-центра, в составе которых будут работать биокомпьютеры с клетками человеческого мозга. Не так давно компания научила эти устройства играть в Doom.

Вычислительные центры потребляют огромное количество энергии, а самые современные микрочипы для них — на вес золота. Живые нейроны могли бы стать эффективным решением обеих проблем. Cortical Labs объявил о строительстве двух «биологических» центров обработки данных (ЦОД) — в Мельбурне и Сингапуре. Первый, как сообщает Bloomberg со ссылкой на заявление компании, уже запущен, возведение второго начато совместно с Национальным университетом Сингапура.

Вместо привычных серверных стоек данные в этих центрах обрабатываются выращенными из стволовых клеток нейронами, подключенными к матрицам микроэлектродов: эти контакты и управляют клетками, и считывают выходные сигналы. Таких модулей CL1 в мельбурнском ЦОД порядка 120, в сингапурском изначально будет 20, с дальнейшим расширением до 1000 устройств. «Мозговые» вычисления доступны посредством облачного сервиса.

Перспективное направление

Ученые по всему миру создают и тестируют биокомпьютеры, подобные CL1, но часто такие системы сложны в сборке и неудобны для сторонних пользователей, говорит Майкл Баррос, который преподает технологии искусственного интеллекта в медицине в Эссекском университете.

«Мы тратим кучу денег и сил на создание таких [систем]», — признает он.

По словам Барроса, который уже использует облачные сервисы Cortical Labs в своих исследованиях, заслуга компании в том, что она делает биокомпьютер доступным для широкого круга пользователей. «Они будут первыми, кто на это решится», — подчеркивает он.

Хотя подобные системы можно натренировать на выполнение относительно простых задач (вроде игры в Doom), точный механизм работы нейронов и оптимальные методы их обучения (например, для задач машинного обучения) пока до конца не изучены, добавляет Райнхольд Шерер, также из Эссекского университета.

«Возможность работать с такими системами открывает путь к изучению обучения и программирования, — объясняет он. — Программировать нейроны — это вам не то же самое, что писать код для обычного компьютера».

Невероятная энергоэффективность

В Cortical Labs утверждают, что их дата-центры будут гораздо энергоэффективнее традиционных. По сведениям компании, каждый CL1 потребляет около 30 ватт, в то время как современному чипу для ИИ требуются тысячи ватт.

Дальнейшее масштабирование технологии сделает экономию колоссальной, рассчитывает Пол Роуч из Университета Лафборо. Для поддержания жизни нейронов требуются дополнительные ресурсы, например питательные среды, но затраты на охлаждение таких систем гораздо меньше, чем у обычных компьютеров. По его словам, приведенные компанией цифры энергосбережения выглядят, пожалуй, даже скромно.

Начало пути

Однако не стоит забывать, что технология находится в зачаточном состоянии, предупреждает Тьерд Олде Схепер из Оксфордского университета Брукса, который сотрудничал с конкурирующей компанией FinalSpark. «Заработает ли это так, как все себе представляют? Нет. Мы все еще в самом начале пути», — говорит он.

Прямое сравнение эффективности провести сложно: чипы CL1 не умеют производить обычные вычисления, как традиционные кремниевые процессоры для ИИ. Планируемый биодата-центр будет насчитывать сотни биологических чипов, тогда как крупнейшие центры ИИ сегодня содержат сотни тысяч графических процессоров.

Стив Фербер из Манчестерского университета настроен скептически: «До промышленного применения здесь как до Луны. От маленькой сети, играющей в видеоигру, до большой языковой модели — дистанция огромного размера».

Остается немало нерешенных проблем. Например, до сих пор непонятно, как сохранять результаты обучения нейронов (то есть, по сути, как организовать память) или как запускать на них полноценные вычислительные алгоритмы, а не просто тренировать для конкретных игр.

Еще одна сложность — переобучение нейронов после выполнения задачи. «Все, чему они научились, теряется в конце жизненного цикла культуры. Поэтому необходимо продумать систему корректного переобучения, — объясняет Шерер. — Если переучивать каждые 30 дней — это не самое оптимальное решение для поддержания технологии».