Una startup está experimentando con centros de datos impulsados por neuronas humanas cultivadas en laboratorio, probando si las células vivas pueden ofrecer una alternativa más eficiente a la computación tradicional.
(Crédito de la imagen: Yuichiro Chino a través de Getty Images)Compartir este artículo 0Únete a la conversaciónSíguenosAñádenos como fuente preferida en GoogleSuscríbete a nuestro boletín
Una startup australiana está construyendo lo que podría convertirse en uno de los primeros “centros de datos biológicos” del mundo, aumentando los chips de computación de silicio con otros sembrados con neuronas humanas vivas.
Cortical Labs, la empresa detrás del esfuerzo, ha inaugurado su primera instalación en Melbourne, Australia, y está planificando un sitio más grande en Singapur. En lugar de racks repletos de servidores tradicionales, estos sitios albergarán los sistemas CL1 de la compañía, que combinan neuronas cultivadas en laboratorio con componentes electrónicos estándar. El objetivo no es reemplazar el silicio por completo, sino explorar si los sistemas neuronales vivos pueden complementar el hardware existente en tareas de computación específicas.
Los investigadores han pasado años intentando aprovechar el aprendizaje biológico. En trabajos anteriores publicados en la revista Neuron, investigadores de Cortical Labs cultivaron neuronas en un chip y luego les enseñaron a jugar una versión simplificada de Pong conectándolas a un entorno simulado. Esta hazaña se basó en un bucle de retroalimentación cerrado: cuando las neuronas producían un comportamiento útil, las entradas se volvían más predecibles; cuando no lo hacían, las señales se volvían más caóticas. Con el tiempo, las neuronas se asentaron en patrones más estables.
Ese mismo principio sustenta demostraciones más recientes, incluidos experimentos en los que sistemas similares interactuaron con versiones simplificadas del juego Doom. Estas configuraciones siguen estando muy limitadas, pero demuestran que las redes neuronales vivas pueden ser impulsadas hacia un comportamiento dirigido a objetivos cuando se integran en un sistema impulsado por retroalimentación.
Chips informáticos vivos
El sistema CL1 es un dispositivo híbrido, y cada unidad contiene aproximadamente 200.000 neuronas humanas derivadas de células madre y cultivadas directamente sobre un chip de silicio. Esas neuronas están dispuestas en una matriz de microelectrodos, que actúa como interfaz entre la biología y la electrónica. Los electrodos pueden estimular las células con señales eléctricas y registrar la actividad resultante en tiempo real.
Alrededor de esto hay un sistema de soporte vital que mantiene vivas las células, proporciona nutrientes, regula la temperatura y mantiene un entorno estable. Una capa de software luego traduce entre las señales biológicas y las entradas y salidas digitales, convirtiendo efectivamente los patrones de actividad neuronal en algo que una computadora puede usar.
En términos informáticos, las neuronas actúan menos como un procesador que ejecuta instrucciones y más como un sistema dinámico que transforma las entradas en patrones complejos. Esto a veces se describe como “computación de depósito”, en la que un sistema con un comportamiento interno rico procesa señales que pueden ser interpretadas por software externo.
El interés en este enfoque está estrechamente ligado al rápido crecimiento de la inteligencia artificial (IA). Se requiere una enorme cantidad de potencia informática para entrenar y ejecutar sistemas de IA modernos, y los centros de datos que los soportan consumen cantidades significativas de electricidad y agua. A medida que aumenta la demanda, también lo hacen las preocupaciones sobre el uso de energía y los límites a largo plazo del diseño de chips convencional.
Los sistemas biológicos ofrecen un modelo diferente. El cerebro humano funciona con aproximadamente 20 vatios de potencia, pero puede realizar tareas como reconocimiento de patrones, aprendizaje y toma de decisiones con una eficiencia notable. Los investigadores que trabajan en computación biológica argumentan que los sistemas basados en neuronas podrían, en principio, manejar ciertas cargas de trabajo con requisitos de energía mucho menores que los sistemas basados en silicio.
La ventaja no es la velocidad bruta ni la precisión. El silicio sigue siendo muy superior para cálculos deterministas y procesamiento a gran escala. Más bien, el atractivo radica en la adaptabilidad. Las neuronas se reorganizan naturalmente en respuesta a la entrada, lo que podría hacerlas útiles para tareas que implican aprender de datos escasos o ruidosos. Por ejemplo, estos sistemas tienden a sobresalir en tareas como el reconocimiento de patrones, el procesamiento sensorial y la toma de decisiones bajo incertidumbre.
Cortical Labs posiciona su tecnología dentro de este espacio emergente. Los representantes de la compañía dicen que sus sistemas requieren relativamente poca energía y que eventualmente podrían proporcionar una forma más eficiente de procesar ciertos tipos de información. Sin embargo, esas afirmaciones siguen siendo especulativas, y los sistemas actuales están limitados tanto en escala como en capacidad.
Infraestructura temprana, capacidad limitada
Las instalaciones descritas como centros de datos todavía son pequeñas para los estándares de la industria. Cortical Labs no ha revelado el número de unidades para su sitio de Melbourne, pero sus sistemas CL1 son dispositivos de escala de banco, lo que significa que las implementaciones actuales probablemente llegan a decenas de unidades en lugar de miles. En comparación, los centros de datos hiperscalares operados por Amazon, Microsoft y Google empaquetan decenas de miles de servidores en edificios que pueden superar el millón de pies cuadrados.
Se espera que la instalación planificada por Cortical en Singapur aumente aún más su escala, pero aún está en construcción.
Las capacidades están igualmente limitadas. Demostrar que las neuronas pueden aprender tareas simples similares a juegos es una prueba de concepto importante, pero está muy lejos de las aplicaciones del mundo real. Aún no hay evidencia de que los sistemas biológicos puedan competir con las GPU o CPU en los tipos de cargas de trabajo que dominan la computación moderna, como el entrenamiento de IA a gran escala o el procesamiento de datos de alta frecuencia.
“A pesar de los enormes avances en neurociencia en el último siglo, los principios fundamentales del procesamiento y almacenamiento de información en el cerebro están lejos de ser comprendidos”, dijo el científico informático, matemático e ingeniero de hardware Steve Fuber. “En esta etapa temprana del desarrollo de tales sistemas, mucho es desconocido… Todavía estamos lejos de identificar un enfoque óptimo que sea tan de propósito general en este dominio como lo es el procesador programable de propósito general en el dominio de la computación convencional.
Al mismo tiempo, el esfuerzo refleja un cambio más amplio en la forma en que se explora la computación. A medida que los enfoques tradicionales encuentran límites físicos y económicos, los investigadores buscan alternativas que hubieran parecido poco prácticas hace solo unos años. Los sistemas biológicos son una de las opciones más poco convencionales, incluidos el sistema CL1 y los chips infundidos con ADN.
Las células vivas son inherentemente más complejas que los transistores. Requieren condiciones controladas, suministro constante de nutrientes y monitoreo continuo, dijeron los científicos. Su comportamiento puede variar entre muestras y sus vidas útiles son limitadas. Escalar células vivas a algo lo suficientemente confiable para su uso en infraestructura es un gran desafío de ingeniería.
También hay preguntas abiertas sobre la reproducibilidad y el control. Los chips de silicio se comportan de manera predecible bajo condiciones definidas, mientras que los sistemas biológicos no. Garantizar un rendimiento constante a mayor escala será esencial para que la tecnología trascienda el uso experimental.
Las consideraciones éticas también están comenzando a surgir. Los cultivos neuronales actuales están lejos de cualquier cosa que se asemeje a la conciencia, pero los investigadores en el campo ya han pedido directrices claras a medida que los sistemas se vuelven más complejos. La pregunta no es inmediata, pero es difícil ignorarla a medida que evoluciona la tecnología.
Por ahora, el proyecto de Cortical Labs se entiende mejor como un intento temprano de trasladar la computación biológica del laboratorio a algo que se asemeje a la infraestructura real. La ciencia subyacente es creíble a pequeña escala, y la motivación para explorar alternativas al silicio crece a medida que se expanden los sistemas de IA.
Lo que sigue siendo incierto es si esas dos vertientes pueden unirse de manera significativa. Los sistemas actuales son limitados, frágiles y están lejos de ser comercialmente competitivos. Aun así, apuntan a una forma diferente de pensar sobre la computación.
En lugar de depender únicamente del silicio más rápido y eficiente, algunos investigadores están comenzando a explorar si los sistemas vivos, con toda su complejidad e imprevisibilidad, podrían eventualmente desempeñar un papel en cómo las máquinas procesan la información.
Sourse: www.livescience.com