Miliony żywych neuronów zamiast GPU. W Singapurze uruchomiono niezwykłe centrum danych

Centra danych kojarzą się z rzędami serwerów, potężnymi procesorami i systemami chłodzenia pracującymi bez przerwy. Naukowcy z Singapuru postanowili podejść do problemu inaczej. Zamiast kolejnych układów krzemowych wykorzystali żywe neurony połączone z elektroniką. Powstał klaster biokomputerów, który ma służyć między innymi do badań nad sztuczną inteligencją.

Projekt realizują Narodowy Uniwersytet Singapuru, Cortical Labs oraz operator centrów danych DayOne. Klaster obejmuje 20 jednostek CL1, a każda z nich wykorzystuje co najmniej 200 tys. żywych neuronów. Łącznie system bazuje na około 16 mln komórek nerwowych.

Tym razem do pracy zaprzęgnięto coś, co do tej pory znajdowało się raczej w laboratorium biologicznym niż w serwerowni: żywe neurony.

Komputer, który trzeba karmić

Neurony wykorzystywane w systemie nie pochodzą bezpośrednio z mózgu. Naukowcy uzyskują je z komórek krwi, które wcześniej przeprogramowują do postaci komórek macierzystych. Następnie tworzą z nich neurony i umieszczają je na specjalnie przygotowanych układach krzemowych.

Żywa tkanka komunikuje się z elektroniką za pomocą sygnałów elektrycznych. Aktywność neuronów jest rejestrowana i wykorzystywana w procesie obliczeniowym. To zupełnie inne podejście niż w przypadku klasycznego procesora, który wykonuje operacje za pomocą tranzystorów.

Biologiczny komputer ma jednak nietypowe wymagania. Neurony potrzebują odpowiednich warunków do życia, dlatego co kilka dni otrzymują pożywkę zawierającą między innymi cukry, mikroelementy i roztwory buforowe. Temperatura również musi być utrzymywana w odpowiednim zakresie. Awaria systemu podtrzymującego życie komórek może więc oznaczać koniec pracy całego układu.

AI na żywych komórkach ma być tańsze

Jednym z najbardziej interesujących elementów projektu są koszty. Według przedstawionych danych korzystanie z zasobów obliczeniowych CL1 kosztuje około 2200 dolarów miesięcznie. To mniej więcej połowa ceny wynajęcia wydajnego układu wykorzystywanego do trenowania i uruchamiania modeli AI w popularnych usługach chmurowych.

Powód jest prosty: neurony są niezwykle energooszczędne. Klasyczne centra danych potrzebują ogromnych ilości energii nie tylko na same obliczenia, lecz także na zasilanie infrastruktury i chłodzenie serwerów. Biologiczny system nie generuje takiej ilości ciepła jak rozbudowane klastry GPU.

To właśnie efektywność energetyczna jest jednym z głównych argumentów stojących za rozwojem biokomputerów. Zapotrzebowanie na moc obliczeniową rośnie wraz z rozwojem sztucznej inteligencji, a trenowanie dużych modeli wymaga coraz większych zasobów.

Neurony nauczyły się rozpoznawać mowę

Singapurski klaster nie jest jednak tylko demonstracją futurystycznej technologii. Naukowcy sprawdzali już jego możliwości w praktyce. System był w stanie nauczyć się rozpoznawania mowy oraz identyfikowania mówcy w ciągu dwóch dni.

Cortical Labs widzi dla takich komputerów zastosowania między innymi w robotyce. Firma wskazuje, że biologiczne systemy mogą być interesujące tam, gdzie maszyny muszą uczyć się reagowania na rzeczywiste środowisko. Tradycyjne komputery pozostają znacznie lepsze w wielu typowych zadaniach obliczeniowych, jednak biologiczne neurony mają naturalną zdolność do równoległego przetwarzania sygnałów i adaptacji.

To może mieć znaczenie zwłaszcza w przypadku robotów, które muszą odbierać wiele bodźców jednocześnie i reagować na zmieniające się otoczenie.

To jeszcze nie jest konkurencja dla kart graficznych

Entuzjazm wokół biologicznych komputerów trzeba jednak studzić. CL1 nie jest alternatywą dla współczesnych kart graficznych w rodzaju GPU wykorzystywanych do trenowania dużych modeli językowych.

Klasyczne procesory oferują dziś znacznie większą szybkość, przewidywalność i powtarzalność obliczeń. Biologiczne neurony mają za to zupełnie inne właściwości. Ich aktywność jest zależna od warunków biologicznych, a sposób przechowywania i przetwarzania informacji różni się od działania pamięci komputerowej.

Eksperci zwracają też uwagę, że samo porównanie rachunków za energię nie wystarcza. Trzeba jeszcze zestawić moc obliczeniową obu technologii i sprawdzić, ile użytecznej pracy wykonują w tym samym czasie.

Żywy procesor to dopiero początek

Cortical Labs już wcześniej rozwijało własne biologiczne komputery. W 2026 roku firma prezentowała CL1 jako system wykorzystujący żywe komórki nerwowe do wykonywania zadań obliczeniowych. Podobne eksperymenty prowadzą również inne zespoły badawcze.

W 2024 roku szwajcarski startup FinalSpark uruchomił platformę Neuroplatform, która pozwalała badaczom zdalnie eksperymentować z organoidami mózgowymi. Takie projekty pokazują, że biologia coraz mocniej przenika do świata elektroniki i sztucznej inteligencji.

Największą zagadką pozostaje dziś skala. Zbudowanie pojedynczego biologicznego komputera jest już możliwe. Znacznie trudniejsze będzie stworzenie infrastruktury zdolnej do pracy przez długi czas, łatwej w utrzymaniu i przewidywalnej na tyle, by mogła obsługiwać komercyjne zastosowania.

Singapurski klaster jest więc przede wszystkim eksperymentem pokazującym, że przyszłość obliczeń nie musi ograniczać się do coraz potężniejszych procesorów.