Singapur testuje centrum danych z żywymi neuronami. Tak działa CL1

Jak CL1 przetwarza dane?

Każdy CL1 zawiera co najmniej 200 000 hodowanych laboratoryjnie ludzkich neuronów. Komórki powstają z krwi, której komórki zostały przeprogramowane w komórki macierzyste, a następnie są hodowane na układzie krzemowym wyposażonym w elektrody.

Elektrody tworzą dwukierunkowy interfejs między żywą siecią neuronową a zwykłym komputerem:

1. Konwencjonalny komputer tłumaczy dane na impulsy elektryczne i wysyła je do sieci neuronowej.
2. Neurony reagują wzorcami aktywności elektrycznej.
3. Układ elektrod odczytuje tę aktywność i przekazuje ją z powrotem do oprogramowania jako wynik.

Powstaje w ten sposób zamknięta pętla sprzężenia zwrotnego. Neurony mogą oddziaływać z symulowanym środowiskiem i modyfikować swoje reakcje. Nie są więc biologiczną ozdobą urządzenia: pełnią adaptacyjną funkcję obliczeniową, podczas gdy krzem zapewnia warstwę komunikacji i sterowania.

Dlaczego potrzebny jest system podtrzymywania życia?

CL1 nie jest samodzielnym serwerem krzemowym. Neurony muszą pozostawać żywe i działać w ściśle kontrolowanych warunkach.

Co trzy dni technicy uzupełniają mieszaninę odżywczą zawierającą cukier, mikroelementy i bufory pH. System mieszania gazów dostarcza dwutlenek węgla, tlen i azot, a cała aparatura utrzymuje warunki niezbędne dla hodowli komórkowej.

To oznacza, że technologia nie eliminuje infrastruktury — jedynie zmienia jej charakter. Mniejsze zapotrzebowanie na energię i tradycyjne chłodzenie może iść w parze z koniecznością stosowania materiałów laboratoryjnych, kontroli środowiska biologicznego oraz pracy wykwalifikowanego personelu.

Do czego można wykorzystać obliczenia biologiczne?

Cortical Labs twierdzi, że biologiczne sieci neuronowe mogą uczyć się na podstawie stosunkowo niewielkiej liczby przykładów i elastyczniej reagować na zmianę warunków. Jeśli te właściwości potwierdzą niezależne testy, rozwiązanie mogłoby być interesujące w zadaniach, dla których trudno zebrać duże i starannie opisane zbiory danych.

Wśród potencjalnych zastosowań wymieniane są:

• Roboty humanoidalne: maszyny działające w domach, biurach i przestrzeni publicznej napotykają sytuacje, których nie da się wcześniej dokładnie zaprogramować.
• Cyberbezpieczeństwo: systemy biologiczne można badać pod kątem wykrywania nietypowej aktywności, gdy brakuje oznaczonych przykładów wszystkich możliwych ataków.
• Adaptacyjne obliczenia badawcze: naukowcy mogą analizować reakcje żywych sieci neuronowych na kontrolowane bodźce i sprzężenie zwrotne.
• Eksperymenty z robotyką i grami: według dostępnych informacji ośrodek Cortical Labs w Melbourne współpracuje z klientami korporacyjnymi i uniwersytetami badającymi takie zastosowania.

Na tym etapie są to jednak zastosowania proponowane lub eksperymentalne. Dostępne materiały nie dowodzą, że komputery biologiczne już przewyższają krzemowe systemy w produkcyjnych zadaniach z zakresu robotyki albo cyberbezpieczeństwa. Potrzebne będą niezależne testy porównujące konkretne obciążenia.

Zużycie energii: obiecująca liczba, ale niepełny rachunek

Cortical Labs podaje, że pojedynczy CL1 wraz z aparaturą podtrzymującą życie zużywa około 30 watów i nie wymaga konwencjonalnego chłodzenia serwerowego. Dla porównania, karta Nvidia H100 SXM ma deklarowany pobór sięgający 700 watów, a serwer z ośmioma układami H100 — wraz z infrastrukturą pomocniczą — ma według przywoływanych danych zużywać około 10 200 watów.

To właśnie potencjalnie niższe zapotrzebowanie na energię przyciąga uwagę w Singapurze. Centra danych odpowiadały za 7 proc. krajowego zużycia energii elektrycznej w 2020 roku, a ograniczenia dotyczące energii i wody są częścią debaty o dalszej rozbudowie tamtejszej infrastruktury centrów danych.

Nie należy jednak utożsamiać mocy znamionowej pojedynczego urządzenia z dowiedzionym niższym kosztem całkowitym lub mniejszym wpływem na środowisko. Dostępne publicznie informacje nie przedstawiają pełnej analizy zużycia wody, oceny cyklu życia ani porównania równoważnych zadań wykonywanych na CL1 i infrastrukturze GPU. Pełny bilans musi uwzględniać pożywki, kontrolę gazów, produkcję komórek, aparaturę laboratoryjną i pracę personelu.

Biologiczne komputery nie zastąpią procesorów GPU

Najmocniejszy argument za CL1 dotyczy wyspecjalizowanego przetwarzania adaptacyjnego, a nie ogólnych obliczeń wysokiej wydajności. Dyrektor generalny Cortical Labs przyznał, że krzem nadal zdecydowanie lepiej radzi sobie z szybkimi, precyzyjnymi i powtarzalnymi obliczeniami wykorzystywanymi przez duże modele językowe i podobne systemy.

Najbardziej realistyczny scenariusz jest więc uzupełniający:

• procesory krzemowe wykonują konwencjonalne obliczenia o dużej przepustowości;
• biologiczne sieci neuronowe są testowane w zadaniach, w których przydatne mogą być adaptacja i uczenie na niewielkiej liczbie danych;
• oprogramowanie i elektronika łączą oba typy systemów.

To ważne rozróżnienie. Określenie „biologiczne centrum danych” nie oznacza, że główne serwerownie chmurowe wkrótce zostaną zastąpione szafami z żywymi komórkami.

Rozbudowa, zastosowania komercyjne i ceny

Singapurski projekt zaczyna się od 20 jednostek CL1 przeznaczonych do wspólnych prac badawczo-rozwojowych. Partnerzy chcą zdobyć doświadczenie operacyjne oraz sprawdzić procesy produkcji i obsługi, które byłyby potrzebne przy większym wdrożeniu.

Jeśli walidacja techniczna się powiedzie i zostaną spełnione wymogi bezpieczeństwa biologicznego oraz uzyskane zgody regulacyjne, DayOne i Cortical Labs rozważają etapowe zwiększenie liczby urządzeń do nawet 1000 w komercyjnym obiekcie w Singapurze.

Ośrodek Cortical Labs w Melbourne działa ze 120 jednostkami CL1 i według dostępnych informacji obsługuje około 20 klientów z sektora badań korporacyjnych i uniwersytetów. Zdalny dostęp do jednego CL1 wyceniano na 2200 dolarów amerykańskich miesięcznie, podczas gdy miesięczny wynajem wysokiej klasy układu AI w dużych usługach chmurowych miał kosztować około 4300 dolarów.

Opłata za zdalny dostęp jest ceną dla klienta, a nie kosztem eksploatacji komputera biologicznego ani singapurskiej instalacji NUS. Partnerzy nie ujawnili pełnego kosztu utrzymania tego ośrodka.

Najważniejsze ograniczenia

Obliczenia biologiczne wciąż muszą zmierzyć się z kilkoma nierozstrzygniętymi problemami:

• Utrzymanie: neurony wymagają stałego dostarczania pożywki, gazów i kontroli środowiska.
• Powtarzalność: żywe systemy mogą być mniej deterministyczne i mniej przewidywalne niż sprzęt cyfrowy.
• Skalowanie: przejście od 20-jednostkowego prototypu badawczego do 1000 jednostek wymaga powtarzalnej produkcji komórek i niezawodnej obsługi.
• Regulacje i bezpieczeństwo biologiczne: większe wdrożenie komercyjne zależy nie tylko od wydajności, lecz także od uzyskania odpowiednich zezwoleń.
• Benchmarki: deklaracje dotyczące efektywności uczenia, zużycia energii i zdolności adaptacyjnych wymagają niezależnych testów w rzeczywistych zadaniach.
• Bilans środowiskowy: niższy pobór energii elektrycznej sam w sobie nie dowodzi mniejszego zużycia wody ani niższego śladu w całym cyklu życia.

Dlatego singapurska instalacja jest traktowana jako etapowa próba walidacyjna, a nie gotowy zamiennik tradycyjnej serwerowni.

Co ten projekt oznacza dla Singapuru?

Biologiczne centrum danych w Singapurze najlepiej postrzegać jako strategiczny eksperyment. Jeśli deklarowana zdolność uczenia się na ograniczonej ilości danych i reagowania na zmienne warunki zostanie potwierdzona niezależnymi badaniami, obliczenia typu wetware mogą zapewnić temu państwu wyspecjalizowaną metodę zwiększania wybranych możliwości AI bez proporcjonalnego zwiększania zapotrzebowania na chłodzenie i energię, a być może także wodę.

Na razie dowody pozwalają na ostrożniejszy wniosek: Singapur stworzył niewielki prototyp obliczeniowy, w którym żywe neurony współpracują z krzemowym sterowaniem i oprogramowaniem. Znaczenie projektu polega na sprawdzeniu, czy taka nietypowa architektura okaże się użyteczna, niezawodna i możliwa do komercyjnego skalowania — nie na pokazaniu, że biologiczne serwery mogą już wyprzeć główny nurt centrów danych.