Cortical Labs, nöronlarla dolu çiplerini barındıracak iki veri merkezi inşa ediyor. Teknoloji henüz gelişiminin çok erken aşamalarında
Az sayıda şirket biyolojik bilgisayarlar üzerinde çalışıyor
Veri merkezleri büyük miktarda enerji kullanıyor ve çiplere yüksek talep var; beyin hücreleri cevap olabilir mi? Avustralya merkezli start-up Cortical Labs, Melbourne ve Singapur’da, oynayabildiğini gösterdiği nöronlarla dolu çiplerle dolu iki “biyolojik” veri merkezi inşa edeceğini duyurdu. Pong veya Kıyamet.
Cortical Labs, veri beslendiğinde hücrelerin tepkisini uyarabilen ve ölçebilen, mikroelektrot dizilerine bağlanan nöron hücrelerinden oluşan biyolojik bilgisayarlar geliştiren birkaç şirketten biri. Bu ayın başlarında firma, amiral gemisi bilgisayarı CL1’in oyunu oynamayı öğrenebileceğini gösterdi Kıyamet bir hafta içinde.
Şimdi Cortical Labs, kurmayı planladığı iki veri merkezini açıkladı. Melbourne’deki ilki yaklaşık 120 CL1 ünitesi içerecek. Singapur Ulusal Üniversitesi ile işbirliği içinde inşa edilen ikincisi, başlangıçta 20 CL1’i barındıracak, ancak şirket, yasal onayın ardından bunun daha büyük bir veri merkezinde 1000 birim içereceğini umuyor. Cortical Labs, bunun bulut tabanlı beyin bilgi işlem hizmetini genişletmesine olanak sağlayacağını söylüyor.
Birleşik Krallık’taki Essex Üniversitesi’nden Michael Barros, CL1 gibi biyolojik bilgisayarların dünyanın dört bir yanındaki araştırma grupları tarafından üretilip test edildiğini, ancak bunların oluşturulmasının genellikle zor olduğunu ve başkalarının kullanmasının kolay olmadığını söylüyor. “Bunları (sistemleri) inşa etmek için çok para ve ter harcıyoruz.”
Araştırmasının bir parçası olarak halihazırda Cortical Labs’ın bulut hizmetlerini kullanan Barros, “(Cortical Labs)’in yaptığı şey, esas olarak biyobilgisayarının geniş ölçekte erişilebilir olmasını sağlamak” diyor. “Bunu ilk yapacak olanlar onlar olacak.”
Her ne kadar bu sistemler oyun oynamak gibi nispeten basit görevler için eğitilebilse de KıyametYine Essex Üniversitesi’nden Reinhold Scherer, bu nöronların tam olarak nasıl çalıştığının ve onları makine öğrenmesi gibi görevleri yerine getirecek şekilde en iyi şekilde nasıl eğiteceklerinin hala belirsiz olduğunu söylüyor. “Buna erişim sahibi olmak öğrenmeyi, eğitimi ve programlamayı keşfetmenize olanak tanıyor” diyor. “Nöronları standart bilgisayarlar gibi programlayamazsınız.”
Cortical Labs, veri merkezlerinin tipik bilgi işlem sistemlerinden çok daha az enerjiye ihtiyaç duyacağını öne sürüyor ve her CL1’in, son teknoloji ürünü geleneksel AI çipinin gerektirdiği binlerce watt yerine yaklaşık 30 watt’a ihtiyaç duyduğunu iddia ediyor.
Birleşik Krallık’taki Loughborough Üniversitesi’nden Paul Roach, “Ölçeği büyüttüğümüzde ve bunları tıpkı şu anda veri sunucularında olduğu gibi tüm odalara sahip olduğumuzda, büyük güç tasarrufları olabilir” diyor. Biyolojik veri merkezlerinin ihtiyaç duyabileceği, nöron çiplerini beslemek ve canlı tutmak için gerekli olan besinler gibi başka kaynaklar da mevcut ancak bunun geleneksel hesaplamaya göre çok daha az soğutma gerektirmesi gerektiğini söylüyor. “(Cortical Labs’ın) rakamlarıyla tasarruf edilen enerji miktarı oldukça muhafazakar.”
Ancak rakip bir biyolojik hesaplama şirketi olan FinalSpark ile çalışan İngiltere’deki Oxford Brookes Üniversitesi’nden Tjeerd olde Scheper, teknolojinin hâlâ erken bir aşamada olduğunu söylüyor. “İnsanların düşündüğü gibi işe yarayacak mı? Hayır, henüz bu gelişmenin ilk günlerindeyiz.”
CL1 çipleri sıradan silikon tabanlı yapay zeka çipleri gibi geleneksel hesaplamaları yapamadığından doğrudan boyut karşılaştırması yapmak zordur, ancak önerilen biyolojik veri merkezi, en büyük yapay zeka veri merkezlerinde görülen yüzbinlerce grafik işleme birimine (GPU) kıyasla yüzlerce biyolojik çipe sahip olacaktır.
Birleşik Krallık’taki Manchester Üniversitesi’nden Steve Furber, “Bence üretime hazır olmaktan çok uzun bir yol var. Bilgisayar oyunu oynayan küçük bir ağdan yüksek lisansa geçiş çok büyük bir adım” diyor.
Geriye kalan sorunlardan biri, bu nöronları video oyunları gibi belirli kullanımlar için eğitmek yerine, bu nöronların eğitiminin sonuçlarının bir bellek biçiminde nasıl saklanacağının veya bunlar üzerinde gerçek hesaplama algoritmalarının nasıl çalıştırılacağının hala belirsiz olmasıdır.
Bir diğer zorluk ise belirli bir görevi tamamladıktan sonra nöronların nasıl yeniden eğitileceğidir. Scherer, “Eğitim aldıkları her şey, kültür sona erdiğinde kaybolur, bu nedenle uygun bir yeniden eğitim yapılması gerekiyor” diyor. “O halde her 30 günde bir yeniden eğitim almanız gerekiyorsa teknolojiyi çalışır durumda tutmak ideal bir çözüm değildir.”
