1271
夢晨 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
首個“腦PU”來了！由“16核”類人腦器官（human brain organoids）組成。
這項研究來自瑞士生物計算創(chuàng)業(yè)公司FinalSpark，并且他們宣稱：
這種生物處理器（bioprocessor）的功耗比傳統(tǒng)數(shù)字處理器低100萬倍。
這些類腦器官是“活的”，已經(jīng)做到能在系統(tǒng)中存活100天
基于生物處理器，他們還開發(fā)了類似云計算平臺的Neuroplatform，已向九家機構(gòu)提供遠程訪問權(quán)限，另外還有36家大學(xué)課題組提出訪問申請。
目前他們給教育機構(gòu)的定價是：每個用戶每月500美元。
在FinalSpark發(fā)表的相關(guān)論文里，還特別cue了一嘴大模型：
訓(xùn)練一個GPT-3，大約需要10Gwh，大約是一個歐洲公民一年所耗能量的6000倍。
推理以LLaMa 65B為參考，每天僅用于文本生成就要消耗4500億-6000億焦耳的能量。
隨著AI模型參數(shù)指數(shù)級增長，AI應(yīng)用覆蓋面也越來越廣，能耗問題也越來越突出，靠GPU算力能持續(xù)下去嗎？
事實上，大自然早已給出了最優(yōu)雅的解決方案。
人腦約有860億個活動的神經(jīng)元，卻僅消耗約20W的功率，相當于一塊英偉達RTX4090顯卡的4.4%。
換句話說，未來要想讓大家實現(xiàn)“AI自由”，探索更節(jié)能計算范式非常重要，而且有緊迫性。
那么，這次的生物處理器新研究，帶來哪些值得關(guān)注的成果？
“濕件”架構(gòu)，用Python編程
這種生物計算的架構(gòu)設(shè)想其實由來已久，被稱為“濕件”（wetware）：是硬件、軟件和生物學(xué)的混合體。
Neuroplatform提供的主要創(chuàng)新，是通過四個多電極陣列 (MEA) 來容納活體組織類器官，即腦組織的3D細胞團。
這些類腦器官含有成熟的神經(jīng)元、星形膠質(zhì)細胞等多種細胞類型，具備一定的自發(fā)放電和可塑性。
每個MEA擁有四個類器官，通過用于刺激和記錄的八個電極連接。數(shù)據(jù)通過數(shù)字-模擬轉(zhuǎn)換器（Intan RHS 32控制器）來回傳輸，采樣頻率為30kHz，分辨率為16位。
到Neuroplatform平臺這一層，還集成了精密的微流控裝置、紫外光刺激模塊、實時影像監(jiān)測等模塊，以及提供友好的Python編程接口，成為一個完整的類腦計算實驗平臺。
然而，要實現(xiàn)使用活體生物處理器進行計算，不僅需要開發(fā)出相關(guān)系統(tǒng)，還需要精確地與神經(jīng)元群建立電連接，并找到一套不同于機器學(xué)習(xí)反向傳播的“生物學(xué)習(xí)算法”。
基于Neuroplatform，研究者們開展了一系列初步實驗。
比如他們發(fā)現(xiàn)，高頻電刺激能誘導(dǎo)活動中心(Center of activity)在類腦器官表面發(fā)生遷移。這表明外界輸入能在一定程度上重塑內(nèi)在的神經(jīng)環(huán)路。
又比如，多巴胺等神經(jīng)遞質(zhì)的“光釋放”，能通過閉環(huán)反饋增強特定刺激下的放電反應(yīng)。暗示類腦組織或許能通過類似“操作性條件反射“的機制習(xí)得新的輸入-輸出映射。
論文中展示了這一實驗相關(guān)的Python代碼，僅用13行就能搞定。
Hinton、Friston兩大牛都在搞
瑞士FinalSpark也不是唯一一家探索類腦組織生物計算的公司。
量子位之前也介紹過，澳大利亞Cortical Labs的“盤中之腦”，在像《黑客帝國》一般的虛擬環(huán)境中學(xué)會打乒乓球電子游戲。
去年，Cortical Labs獲得李嘉誠旗下維港投資領(lǐng)投的一輪融資，總共籌集1000萬美元。
與FinalSpark目前專注于教育科研領(lǐng)域不同，Cortical Labs已經(jīng)有了商業(yè)合作伙伴：VERSES AI，將利用生物計算系統(tǒng)開發(fā)新穎算法。
Cortical Labs背后支持者包括著名神經(jīng)科學(xué)家Karl Friston，該系統(tǒng)根據(jù)他頗受爭議的自由能原理（Free Energy Principle）設(shè)計。
Friston曾與AI教父Hinton在英國倫敦大學(xué)學(xué)院與共事，兩人是多年好友，他曾透露是Hinton讓他相信“大腦是一種貝葉斯機器”。
有意思的是，而Hinton的一個最新研究方向可朽計算（Mortal Computing）也是參考人腦工作方式。
但Hinton更多的是從理論角度思考這個問題，并未把實現(xiàn)途徑限制在使用生物細胞。
除這個方向之外，Hinton在最近的訪談中也透露他支持“大模型不止是預(yù)測下一個token”，也認同OpenAI前首席科學(xué)家Ilya Sutskever的“壓縮即智能”觀點。
你認為基于GPU的AI計算是可持續(xù)的么？生物計算最終能不能成為新的計算范式？歡迎在評論區(qū)聊聊。
論文地址：
https://www.frontiersin.org/articles/10.3389/frai.2024.1376042/full
下載ECAD模型
