Um pequeno número de empresas está trabalhando em computadores biológicos
Floriana/Getty Images
Os centros de dados utilizam muita energia e os chips são muito procurados – poderão as células cerebrais ser a resposta? A startup australiana Cortical Labs anunciou que está construindo dois data centers “biológicos” em Melbourne e Cingapura. Este data center está repleto de chips preenchidos com os mesmos neurônios que comprovadamente são reproduzíveis. Pon ou ruína.
A Cortical Labs é uma das poucas empresas que desenvolve computadores biológicos que consistem em células nervosas conectadas a conjuntos de microeletrodos que podem estimular e medir as respostas celulares quando os dados são inseridos. No início deste mês, a empresa demonstrou que seu principal computador, o CL1, pode aprender a jogar. ruína dentro de uma semana.
Agora, o Cortical Labs revelou dois data centers que planeja construir. A primeira instalação em Melbourne abrigará aproximadamente 120 unidades CL1. O segundo está sendo construído em conjunto com a Universidade Nacional de Cingapura e abrigará inicialmente 20 CL1s, mas a empresa espera eventualmente poder abrigar 1.000 CL1s em um data center maior, sujeito à aprovação regulatória. A Cortical Labs afirma que isso permitirá expandir seus serviços de computação cerebral baseados em nuvem.
Ele disse que computadores biológicos como o CL1 foram construídos e testados por grupos de pesquisa em todo o mundo, mas muitas vezes são difíceis de construir e difíceis de usar para outros. Michael Barros Na Universidade de Essex, Reino Unido. “Estamos gastando muito dinheiro e suando construindo este (sistema).”
“O que[Cortical Labs]está fazendo é basicamente tornar seus biocomputadores acessíveis em grande escala”, diz Barros, que já usa os serviços em nuvem da Cortical Labs como parte de sua pesquisa. “Eles serão os primeiros a fazer isso.”
Esses sistemas podem ser treinados para tarefas relativamente simples, como brincar; ruínaEle diz que ainda não está claro como esses neurônios funcionam e qual a melhor forma de treiná-los para realizar tarefas como aprendizado de máquina. Reinhold Scherrertambém na Universidade de Essex. “Depois de ter acesso a isso, você poderá explorar o aprendizado, o treinamento e a programação”, diz ele. “Você não pode programar neurônios como um computador padrão.”
A Cortical Labs também afirma que seus data centers exigem muito menos energia do que os sistemas de computação típicos, com cada CL1 exigindo cerca de 30 watts de energia, em vez dos milhares de watts exigidos pelos chips de IA convencionais de última geração.
“Aumentá-los e usá-los como salas inteiras, da mesma forma que usamos os servidores de dados hoje, pode levar a economias de energia significativas”, diz ele. Paulo Roach Na Universidade de Loughborough, Reino Unido. Existem outros recursos que os data centers biológicos podem precisar, como nutrientes para alimentar os chips de neurônios e mantê-los vivos, mas o resfriamento necessário deve ser muito menor do que o da computação tradicional, diz ele. “De acordo com os números[do Cortical Labs]a quantidade de energia economizada é bastante modesta.”
Mas ele diz que a tecnologia ainda está engatinhando. Velho pastor em camadas Ele recebeu seu PhD pela Oxford Brookes University, no Reino Unido, e colaborou com a FinalSpark, uma empresa concorrente de computação biológica. “Funcionará tão bem quanto as pessoas pensam? Não, ainda estamos nos estágios iniciais deste desenvolvimento.”
Embora seja difícil comparar tamanhos diretamente porque o chip CL1 não pode realizar cálculos tradicionais como os chips regulares de IA baseados em silício, o data center biológico proposto teria centenas de chips biológicos em comparação com as centenas de milhares de unidades de processamento gráfico (GPUs) encontradas nos maiores data centers de IA.
“Acho que temos um longo caminho a percorrer antes de estar pronto para produção. É um grande passo de uma pequena rede que joga jogos de computador para um LLM”, diz ele. Steve Farber Na Universidade de Manchester, Reino Unido.
Um problema remanescente é que ainda não está claro como armazenar os resultados do treinamento desses neurônios na forma de memória, ou como executar algoritmos computacionais reais neles, em vez de treiná-los para um uso específico, como um videogame.
Outro desafio é como treinar novamente os neurônios que completaram uma tarefa específica. “Tudo aquilo em que foram treinados é perdido quando a cultura chega ao fim da sua vida útil, por isso é necessária uma reciclagem adequada”, diz Scherer. “Se você tiver que treinar novamente a cada 30 dias, não será a melhor solução para a continuidade da tecnologia.”
tópico:
