A mesterséges intelligencia energiaéhsége korunk egyik legnagyobb technológiai kihívása. Miközben a hagyományos szilíciumalapú chipek hűtése és tápellátása gigawattos nagyságrendű beruházásokat igényel, az ausztrál Cortical Labs egy radikálisan eltérő megközelítéssel kísérletezik. A vállalat olyan biológiai számítógépeket fejleszt, amelyek élő emberi agysejteket használnak az adatok feldolgozásához, miközben energiafelhasználásuk elhanyagolható egy hagyományos zsebszámológépéhez képest.
A biológiai számítástechnika kontextusa
A technológiai szektor jelenleg a brute force módszerére épít: egyre nagyobb szerverparkokat építenek, hogy kiszolgálják az LLM-ek (Large Language Models) és egyéb AI-rendszerek igényeit. Ezzel szemben az emberi agy a világ leghatékonyabb számítógépe, amely körülbelül 20 wattos teljesítmény mellett képes olyan komplex feladatok elvégzésére, amelyekhez a szuperszámítógépeknek megawattokra van szükségük. A Cortical Labs ezt a hatékonyságot próbálja digitalizálni az úgynevezett DishBrain technológiával, ahol szintetikus környezetben növesztett neuronokat integrálnak elektronikus chipekkel.
Az újdonság lényege: a Body-in-the-Box CL1
A Cortical Labs bejelentette, hogy két új adatközpontot hoznak létre, amelyek gerincét a CL1 típusú biológiai processzorok adják. Ez a rendszer nem csupán elméleti koncepció; a vállalat korábban már bizonyította, hogy az élő sejtekből álló hálózat képes megtanulni a Pong nevű videojátékot, méghozzá gyorsabban, mint egyes mesterséges intelligenciák. A CL1 egységek lényege, hogy a neuronok közvetlen elektromos stimulációt kapnak, és a válaszreakcióikat digitális jelekké alakítják, így egyfajta hibrid, organikus-digitális interfész jön létre.
A rendszer előnye nem csupán az alacsony fogyasztás, hanem az alkalmazkodóképesség is. A biológiai neuronok plaszticitása révén a rendszer képes folyamatosan tanulni és finomítani a belső struktúráját anélkül, hogy a hagyományos gépi tanuláshoz szükséges masszív adatkészleteket és tanítási ciklusokat kellene lefuttatni. Ez a Body-in-the-Box megközelítés lehetővé teszi, hogy az élő szövetet ellenőrzött, steril környezetben, adatközponti keretek között tartsák életben és használják munkára.
Energiahatékonyság és fenntarthatósági hatások
A Cortical Labs állítása szerint a biológiai egységeik energiaigénye annyira alacsony, hogy szinte mérhetetlen a hagyományos GPU-khoz képest. Míg egy modern NVIDIA H100-as chip fogyasztása csúcsjáraton a 700 wattot is elérheti, addig a neuronális hálózat fenntartásához szükséges elektromos stimuláció töredékenyi energiát igényel. Ez a technológia választ adhat az AI-iparágat fojtogató energiaválságra, csökkentve az adatközpontok ökológiai lábnyomát és az üzemeltetési költségeket.
| Jellemző | Hagyományos AI Chip (GPU) | Cortical Labs CL1 (Biológiai) |
|---|---|---|
| Alapanyag | Szilícium, ritkaföldfémek | Emberi neuronok (szintetikus) |
| Energiafogyasztás | Magas (százas nagyságrendű watt) | Rendkívül alacsony (zsebszámológép alatti) |
| Tanulási módszer | Backpropagation, algoritmusok | Szinaptikus plaszticitás (biológiai) |
| Hűtési igény | Kritikus (folyadék/lég hűtés) | Közepes (inkubációs hőmérséklet tartása) |
Magyar vonatkozások és nemzetközi kilátások
Magyarország számára a biológiai számítástechnika területe különösen érdekes lehet a nagy múltú neurológiai és genetikai kutatóbázisok miatt. Bár a Cortical Labs jelenleg Ausztráliában és globális partnerekkel terjeszkedik, az európai és azon belül a magyar élettudományi kutatók bekapcsolódása a biocomputing ökoszisztémába hosszú távú stratégiai előnyt jelenthet. Az ilyen típusú hibrid rendszerek fejlesztése nemcsak informatikai, hanem etikai és biotechnológiai szakértelmet is igényel, amiben a hazai egyetemi szféra hagyományosan erős.
Kilátások és etikai megfontolások
A technológia bár ígéretes, számos kérdést vet fel. Az élő emberi sejtek használata számítástechnikai célokra komoly bioetikai vitákat generál, még akkor is, ha ezek a sejtek laboratóriumi körülmények között, őssejtekből differenciálódnak, és nem rendelkeznek öntudattal. A Cortical Labs szerint azonban a cél nem a tudat létrehozása, hanem egy hatékonyabb információszűrő réteg kialakítása. A következő években dől el, hogy a biológiai számítógépek képesek-e skálázódni és valódi alternatívát nyújtani a szilícium-dominanciával szemben az adatközpontok világában.
Nyitókép: illusztráció
