作者:Aaron Mok
系统进步,他们对能源的胃口也是如此。训练和跑步大型语言模型消耗大量电力。预计AI的能源需求将双倍的在接下来的五年中,吞噬了全球总消耗总量的3%。但是如果AI芯片可以更像人脑,以最小的能量处理复杂的任务?越来越多的科学家和工程师合唱团认为,关键可能在于器官智能。
AI爱好者于7月在联合国介绍了受脑启发的筹码的概念AI良好的峰会在日内瓦。那里,大卫·格拉西亚斯(David Gracias),化学和生物分子工程教授约翰·霍普金斯大学,发表演讲,讨论他领导的最新研究生物芯片以及他们对AI的申请。专注于纳米技术,,,,智能系统, 和生物工程,Gracias的研究团队是最早建立一个功能齐全的生物芯片的人之一,该生物芯片结合了神经器官和先进的硬件,使芯片能够继续与生活组织进行交互。
器官智能是一个融合实验室种植的新兴领域神经元和机器学习创建一种新的计算形式。(“器官智能”一词是创造经过约翰·霍普金斯研究人员包括托马斯·哈滕。)神经元,称为器官,更具体地说是模仿神经结构和功能的实验室生长的脑细胞的三维簇。一些研究人员认为,将活脑细胞整合到硬件中的所谓生物芯片系统有可能超越基于硅的基础处理器像CPU和GPU在效率和适应性方面。如果商业化,专家说,生物芯片可能会减少惊人的当今的AI系统的能源需求同时增强他们的学习能力。
Gracias说,这是对形成计算机的另一种方法的探索。”
长期以来,传统芯片一直限于二维布局,这可能会限制信号流过系统的方式。随着芯片制造商现在正在开发,这种范式开始转移3D芯片架构增加其设备处理能力。
同样,生物芯片旨在模仿大脑自己的三维结构。人脑可以支持具有多达200,000个连接水平的互连性的神经元,Gracias表示可以实现平坦的硅芯片。这种空间复杂性允许生物芯片跨多个轴传输信号,这可以实现更有效的信息处理。
Gracias的团队开发了3D脑电图((脑电)围绕器官的外壳,比传统的平坦电极更丰富的刺激和记录。该上限符合器官的弯曲表面,从而为刺激和记录电活动创造了更好的界面。
为了训练类器官,团队使用强化学习。电脉冲应用于靶向区域。当产生的神经活动与所需的模式相匹配时,它与多巴胺(大脑的天然奖励化学物质)增强。随着时间的流逝,类器官学会将某些刺激与结果相关联。
一旦学习了模式,就可以用来控制物理动作,例如通过策略性放置的电极转向微型机器人车。这证明了神经调节能够从器官中产生可预测的反应的能力。这些一致的反应为更高级功能(例如刺激歧视)奠定了基础,这对于诸如应用程序至关重要面部识别,决策和广泛的AI推论。
Gracias的团队处于开发微型的早期阶段自动驾驶汽车由生物芯片控制:系统可以充当控制器的概念证明。这项实验工作表明了未来的角色机器人技术,,,,假肢和生物集成植入物与人体组织通信。
这些系统在疾病建模和药物测试。Gracias的小组正在开发类似于帕金森(Parkinson)等神经系统疾病的器官。通过观察这些患病组织如何对各种药物的反应,研究人员可以在菜肴中测试新疗法,而不是仅依靠动物模型。他们还可以发现当前AI系统无法模拟的认知障碍的潜在机制。
由于这些芯片还活着,因此需要持续的护理:温度调节,养分喂养和清除废物。Gracias的团队已将生物芯片综合起来,并且在一个月内保持了一个月的运行状态连续监视。
弗雷德·乔丹(Fred Jordan)(左)马丁·库特(Martin Kutter)是Finalspark的创始人,这是一家瑞士初创公司,开发生物芯片,该公司声称可以将数据存储在活神经元中。决赛公园扩展生物芯片技术方面的挑战
生物芯片脆弱且维护高,并且当前系统取决于笨重的实验室设备。将它们缩减以进行实际使用将需要可以自主管理生命支持功能的生物相容性材料和技术。神经潜伏期,信号噪声和神经元训练的可伸缩性也带来了实时AI推断的障碍。
格拉西亚斯说,有很多生物学和硬件问题。”
同时,一些公司正在测试水域。瑞士创业公司决赛公园声称其生物芯片可以将数据存储在活神经元中,这是一个称为生物位的里程碑。”Ewelina Kurtys,公司的科学家和战略顾问。此步骤表明,生物系统可以有一天可以执行传统上由硅硬件处理的核心计算功能。
FinalsPark旨在开发可在大约十年的一般计算中开发远程访问的生物体。目的是在性能中匹配数字处理器,同时呈指数效率。最大的挑战是编程库尔蒂说,神经元,因为我们需要找出一种全新的方法。
尽管如此,从实验室到工业的过渡不仅需要技术突破。格拉西亚斯说,我们有足够的资金来保持实验室的运行。”但是,为了使研究起飞,硅谷需要更多资金。”
生物芯片是否会增加或更换硅仍有待观察。但是,随着人工智能系统要求越来越多的力量,思想和饮用大脑的芯片的想法变得越来越有吸引力。
对于Gracias来说,该技术可以比我们想象的要早。他说:``我看不到任何重大的节目阻止者在实施此事。”