Замену кремниевых процессоров живыми нейронами разработчики решения объяснили экономичностью последних. Вслед за биологическим Data-центром в Мельбурне планируется открытие ещё одного – в Сингапуре.
Биотехнологии позволят сэкономить
Операторы центров обработки данных (ЦОД) по всему миру сетуют на увеличение затрат на их обслуживание, высокую стоимость комплектующих (микрочипов) и огромные размеры сооружений, которые продолжают увеличиваться. Для полноценной работы оборудования требуются огромные объёмы электроэнергии, в том числе для громоздких систем охлаждения.
Разработчики новаторского ЦОДа в Мельбурне обещают решить, как минимум, две проблемы. Работа биокомпьютеров требует существенно меньших объёмов электроэнергии, а объёмы данных, которые они способны обработать, значительно больше. По заявленным “Cortical Labs” расчётам, каждый модуль Data-центра потребляет порядка 30 Вт. С теми же объёмами работы современный микрочип в ИИ-инфраструктуре потребляет более 1 кВт, порой – значительно больше.
Принцип работы
Данные в биологическом ЦОДе обрабатываются нейронами, выращенными из стволовых клеток человеческого мозга и подключёнными к матрицам микроэлектродов. Эти модули, именуемые CL1, управляют клетками, процессами по передаче сигналов и координируют вычисления, информация с результатами которых выгружается в облачное хранилище.
Data-центр в Мельбурне состоит из 120 модулей CL1. В Сингапуре изначально заложено 20 модулей с последующим увеличением до 1.000. К данным, полученным в этих модулях, есть удалённый доступ в режиме реального времени.
На зачаточном уровне
При всех преимуществах, которыми обладают ЦОДы нового поколения, в экспертной среде отмечают многие нерешённые вопросы. В частности, остаётся непонятным механизмы запуска на них полноценных вычислительных алгоритмов и сохранения результатов обучения нейронов. Те возможности, которые биологические Data-центры сейчас демонстрируют, в основном, являются “тренировками” по выполнению простых задач вроде прохождения компьютерных игр. О полноценной замене традиционной ИИ-инфраструктуры речи пока не идёт.
Также обслуживание этих ЦОДов подразумевает поддержание жизни нейронов, на что требуются дополнительные ресурсы. Обеспечение их питательными средами является одной из первоочередных задач, решение которых позволит разработчикам масштабировать технологию.
Нерешённым остаётся и механизм переобучения нейронов после выполнения задачи. Оптимальные методы их обучения, в том числе для задач машинного обучения, детально не изучены.
Биологические Data-центры требуют совершенно иных подходов и в плане обучения обслуживающих специалистов. Программирование нейронов подразумевает гораздо более серьёзный уровень подготовки. Знаний, которые обладают программисты в традиционном понимании, недостаточно.
Хотя внедрение технологии открывает широкие возможности по обработке данных и способно вывести ИИ-инфраструктуру на новый этап развития, следует признать, что она находится на зачаточном уровне, и для налаживания всех процессов необходимо приложить немало ресурсов.
