Singapur testuje datové centrum poháněné živými lidskými neurony

Jak CL1 zpracovává data

Každá jednotka CL1 obsahuje nejméně 200 000 laboratorně vypěstovaných lidských neuronů. Buňky vznikají z krevních buněk, které byly přeprogramovány na kmenové buňky, a následně se kultivují na křemíkovém čipu vybaveném elektrodami.

Elektrody vytvářejí obousměrné rozhraní mezi živou neuronovou sítí a běžným počítačem:

1. Počítač převede data na elektrické podněty a vyšle je do neuronové sítě.
2. Neurony reagují vlastními vzorci elektrické aktivity.
3. Elektrodové pole tuto aktivitu změří a předá ji softwaru jako výstup.

Vzniká tak uzavřená zpětnovazební smyčka. Živá síť může reagovat na simulované prostředí a své reakce postupně upravovat. Neurony tedy nejsou jen biologickou ozdobou zařízení: tvoří adaptivní část výpočtu, zatímco křemík zajišťuje rozhraní a řízení systému.

Proč počítač potřebuje „krmení“

CL1 není samostatný server, který lze jednoduše zapojit do zásuvky. Neurony musí zůstat živé a vyžadují stabilní podmínky.

Laboratorní technici každé tři dny doplňují živný roztok obsahující cukr, mikronutrienty a pufry upravující pH. Plynový mixér dodává oxid uhličitý, kyslík a dusík. Celý systém zároveň kontroluje podmínky potřebné pro buněčnou kulturu.

Technologie proto neznamená výpočetní infrastrukturu bez nároků. Může snížit část spotřeby elektřiny a potřeby klasického chlazení, zároveň však vyžaduje laboratorní spotřební materiál, biologickou údržbu, kontrolované prostředí a kvalifikovanou obsluhu.

K čemu by biologické počítače mohly sloužit?

Cortical Labs tvrdí, že biologické neuronové sítě se mohou učit z relativně malého počtu příkladů a pružněji reagovat na změny okolností. To by mohlo být zajímavé u úloh, pro které je obtížné získat velké a pečlivě označené datové soubory.

Společnost a její partneři zmiňují například tyto oblasti:

• Humanoidní robotika: Roboti v domácnostech, kancelářích nebo na veřejnosti se setkávají s nepředvídatelnými situacemi, které nelze všechny předem naprogramovat.
• Kyberbezpečnost: Biologické systémy by mohly být testovány při odhalování neobvyklého chování v situacích, kdy neexistují označené příklady každého možného útoku.
• Adaptivní výzkumné výpočty: Výzkumníci mohou sledovat, jak živé neuronové sítě reagují na řízené vstupy a zpětnou vazbu.
• Robotika a herní experimenty: Provozovna Cortical Labs v Melbourne podle dostupných informací spolupracuje s firemními a univerzitními zákazníky na podobných aplikacích.

Zatím jde o navrhované nebo experimentální využití. Dostupné informace nepotvrzují, že by biologické počítače už v produkční robotice nebo kyberbezpečnosti překonávaly křemíkové systémy. K tomu budou potřeba nezávislé testy zaměřené na konkrétní úlohy.

Spotřeba energie: slibná čísla, ale ne celý účet

Cortical Labs uvádí, že jedna jednotka CL1 včetně podpory života spotřebuje přibližně 30 wattů a nepotřebuje klasické serverové chlazení. Firma toto číslo porovnává s akcelerátorem Nvidia H100 SXM, jehož jmenovitá spotřeba může dosahovat 700 wattů, a s osmigrafickým serverem H100, u něhož byla včetně podpůrného hardwaru uváděna spotřeba přibližně 10 200 wattů.

Právě tato čísla pomáhají vysvětlit, proč technologie přitahuje pozornost v Singapuru. Datová centra se v roce 2020 podílela na 7 % spotřeby elektřiny v zemi a omezená dostupnost elektřiny i vody patří k tématům tamní debaty o dalším rozšiřování datacentrové kapacity.

Nízký příkon jednoho zařízení však automaticky neznamená nižší celkové náklady ani menší ekologickou stopu. Veřejně dostupné informace zatím nenabízejí definitivní výpočet spotřeby vody, analýzu celého životního cyklu ani srovnání stejné úlohy s odpovídající GPU infrastrukturou. Do celkové bilance je nutné započítat živné roztoky, regulaci plynů, výrobu buněk, laboratorní vybavení i lidskou údržbu.

Živé neurony GPU nenahradí

Nejpravděpodobnější využití CL1 není v obecně zaměřeném vysoce výkonném computingu, ale ve specializovaných adaptivních úlohách. Výkonný ředitel Cortical Labs připustil, že křemíkové čipy zůstávají výrazně lepší pro rychlé, přesné a opakovatelné výpočty, na nichž stojí velké jazykové modely a podobné systémy.

Praktický model proto bude spíše doplňkový:

• křemíkové procesory zvládnou klasické vysokokapacitní výpočty;
• biologické neuronové sítě se otestují u úloh, které mohou těžit z adaptace a učení z menšího množství dat;
• software a elektronika oba typy systémů propojí.

Označení „biologické datové centrum“ tedy neznamená, že běžné cloudové servery brzy nahradí racky s živými buňkami.

Kolik jednotek může přibýt a kdo je využije?

Singapurský projekt začíná jediným rackem s 20 jednotkami CL1 a je určen pro společný interní výzkum a vývoj. Partneři chtějí získat provozní zkušenosti a ověřit výrobní i servisní procesy potřebné pro případné rozšíření.

Pokud technologie projde technickým ověřením a splní požadavky biologické bezpečnosti a regulace, DayOne a Cortical Labs zvažují postupné rozšíření až na 1 000 jednotek v komerčním zařízení v Singapuru.

Areál Cortical Labs v Melbourne provozuje 120 jednotek CL1 a podle dostupných informací obsluhuje přibližně 20 firemních výzkumných a univerzitních zákazníků. Vzdálený přístup k jedné jednotce měl stát 2 200 dolarů měsíčně, zatímco pronájem špičkového AI čipu u velkých cloudových služeb byl uváděn na 4 300 dolarů měsíčně.

Cena vzdáleného přístupu je poplatek zákazníka, nikoli provozní náklad biologického počítače nebo celého zařízení NUS. Partneři úplné náklady na údržbu singapurské instalace veřejně nezveřejnili.

Hlavní omezení technologie

Biologické výpočty se musí vypořádat s několika dosud nevyřešenými otázkami:

• Údržba: Neurony potřebují nepřetržitý přísun živin, plynů a stabilní okolní podmínky.
• Konzistence: Živé systémy mohou být méně deterministické a hůře opakovatelné než digitální hardware.
• Škálování: Přechod z výzkumného racku s 20 jednotkami na 1 000 zařízení by vyžadoval spolehlivou výrobu buněk a standardizovaný provoz.
• Regulace a biologická bezpečnost: Větší komerční nasazení závisí nejen na technických výsledcích, ale také na potřebných schváleních.
• Benchmarky: Tvrzení o efektivitě učení, spotřebě energie a adaptabilitě musí potvrdit nezávislé testy v reálných podmínkách.
• Ekologická bilance: Nižší spotřeba elektřiny sama o sobě nedokazuje nižší celkovou spotřebu vody ani menší stopu v celém životním cyklu.

I proto je singapurské zařízení prezentováno jako postupný validační projekt, nikoli jako hotová alternativa ke klasickému serverovému areálu.

Co projekt znamená pro Singapur

Singapurské biologické datové centrum je nejlepší chápat jako strategický experiment. Pokud se při nezávislém testování potvrdí schopnost neuronových sítí učit se z omezených dat a přizpůsobovat se proměnlivým podmínkám, mohl by wetware computing zemi nabídnout specializovaný způsob, jak rozšířit některé kapacity umělé inteligence bez stejného růstu nároků na chlazení a elektřinu jako u GPU infrastruktury.

Dostupné důkazy zatím podporují skromnější závěr: Singapur vytvořil malý prototyp, který spojuje biologické zpracování informací s křemíkovým řízením. Jeho význam spočívá v ověřování, zda se tento neobvyklý přístup může stát užitečným, spolehlivým a komerčně škálovatelným řešením — nikoli v důkazu, že živé neurony brzy vytlačí běžná datová centra.