活体脑细胞做成16核芯片,用Python就能编程

  梦晨发自凹非寺

  量子位公众号 QbitAI

  首个“脑 PU”来了!由“16 核”类人脑器官(human brain organoids)组成。

  这项研究来自瑞士生物计算创业公司 FinalSpark,并且他们宣称:这种生物处理器(bioprocessor)的功耗比传统数字处理器低 100 万倍。

  这些类脑器官是“活的”,已经做到能在系统中存活 100 天。

  基于生物处理器,他们还开发了类似云计算平台的Neuroplatform,已向九家机构提供远程访问权限,另外还有 36 家大学课题组提出访问申请。

  目前他们给教育机构的定价是:每个用户每月 500 美元。

  在 FinalSpark 发表的相关论文里,还特别 cue 了一嘴大模型:训练一个 GPT-3,大约需要 10Gwh,大约是一个欧洲公民一年所耗能量的 6000 倍

  推理以 LLaMa 65B 为参考,每天仅用于文本生成就要消耗 4500 亿-6000 亿焦耳的能量。

  随着 AI 模型参数指数级增长,AI 应用覆盖面也越来越广,能耗问题也越来越突出,靠 GPU 算力能持续下去吗?

  事实上,大自然早已给出了最优雅的解决方案。

  人脑约有 860 亿个活动的神经元,却仅消耗约 20W 的功率,相当于一块英伟达 RTX4090 显卡的 4.4%。

  换句话说,未来要想让大家实现“AI 自由”,探索更节能计算范式非常重要,而且有紧迫性。

  那么,这次的生物处理器新研究,带来哪些值得关注的成果?

  “湿件”架构,用 Python 编程

  这种生物计算的架构设想其实由来已久,被称为“湿件”(wetware):是硬件、软件和生物学的混合体。

  Neuroplatform 提供的主要创新,是通过四个多电极阵列(MEA)来容纳活体组织类器官,即脑组织的 3D 细胞团。

  这些类脑器官含有成熟的神经元、星形胶质细胞等多种细胞类型,具备一定的自发放电和可塑性。

  每个 MEA 拥有四个类器官,通过用于刺激和记录的八个电极连接。数据通过数字-模拟转换器(Intan RHS 32 控制器)来回传输,采样频率为 30kHz,分辨率为 16 位。

  到 Neuroplatform 平台这一层,还集成了精密的微流控装置、紫外光刺激模块、实时影像监测等模块,以及提供友好的 Python 编程接口,成为一个完整的类脑计算实验平台。

  然而,要实现使用活体生物处理器进行计算,不仅需要开发出相关系统,还需要精确地与神经元群建立电连接,并找到一套不同于机器学习反向传播的“生物学习算法”。

  基于 Neuroplatform,研究者们开展了一系列初步实验。

  比如他们发现,高频电刺激能诱导活动中心(Center of activity)在类脑器官表面发生迁移。这表明外界输入能在一定程度上重塑内在的神经环路。

  又比如,多巴胺等神经递质的“光释放”,能通过闭环反馈增强特定刺激下的放电反应。暗示类脑组织或许能通过类似“操作性条件反射“的机制习得新的输入-输出映射。

  论文中展示了这一实验相关的 Python 代码,仅用 13 行就能搞定。

  time.sleep ()亮了

  Hinton、Friston 两大牛都在搞

  瑞士 FinalSpark 也不是唯一一家探索类脑组织生物计算的公司。

  量子位之前也介绍过,澳大利亚 Cortical Labs 的“盘中之脑”,在像《黑客帝国》一般的虚拟环境中学会打乒乓球电子游戏。

  去年,Cortical Labs 获得李嘉诚旗下维港投资领投的一轮融资,总共筹集 1000 万美元。

  与 FinalSpark 目前专注于教育科研领域不同,Cortical Labs 已经有了商业合作伙伴:VERSES AI,将利用生物计算系统开发新颖算法。

  Cortical Labs 创始人兼 CEO Hon Weng Chong

  Cortical Labs 背后支持者包括著名神经科学家 Karl Friston,该系统根据他颇受争议的自由能原理(Free Energy Principle)设计。

  Friston 曾与 AI 教父 Hinton 在英国伦敦大学学院与共事,两人是多年好友,他曾透露是 Hinton 让他相信“大脑是一种贝叶斯机器”。

  有意思的是,而 Hinton 的一个最新研究方向可朽计算(Mortal Computing)也是参考人脑工作方式。

  但 Hinton 更多的是从理论角度思考这个问题,并未把实现途径限制在使用生物细胞。

  除这个方向之外,Hinton 在最近的访谈中也透露他支持“大模型不止是预测下一个 token”,也认同 OpenAI 前首席科学家 Ilya Sutskever 的“压缩即智能”观点。

  你认为基于 GPU 的 AI 计算是可持续的么?生物计算最终能不能成为新的计算范式?欢迎在评论区聊聊。

  论文地址:

  https://www.frontiersin.org/articles/10.3389/frai.2024.1376042/full

  参考链接:

  [1]https://www.tomshardware.com/pc-components/cpus/worlds-first-bioprocessor-uses-16-human-brain-organoids-for-a-million-times-less-power-consumption-than-a-digital-chip

  [2]https://www.forbes.com/sites/zinnialee/2023/04/19/billionaire-li-ka-shing-backs-biocomputing-startup-that-takes-on-ai-with-lab-grown-brain-cells