首個“腦PU”來了！由“16核”類人腦器官（human brain organoids）組成。

這項研究來自瑞士生物計算創業公司FinalSpark，并且他們宣稱：

這種生物處理器（bioprocessor）的功耗比傳統數字處理器低100萬倍。

這些類腦器官是“活的”，已經做到能在系統中存活100天。

基于生物處理器，他們還開發了類似云計算平臺的Neuroplatform，已向九家機構提供遠程訪問權限，另外還有36家大學課題組提出訪問申請。

目前他們給教育機構的定價是：每個用戶每月500美元。

在FinalSpark發表的相關論文里，還特別cue了一嘴大模型：

訓練一個GPT-3，大約需要10Gwh，大約是一個歐洲公民一年所耗能量的6000倍。

推理以LLaMa 65B為參考，每天僅用于文本生成就要消耗4500億-6000億焦耳的能量。

隨著AI模型參數指數級增長，AI應用覆蓋面也越來越廣，能耗問題也越來越突出，靠GPU算力能持續下去嗎？

事實上，大自然早已給出了最優雅的解決方案。

人腦約有860億個活動的神經元，卻僅消耗約20W的功率，相當于一塊英偉達RTX4090顯卡的4.4%。

換句話說，未來要想讓大家實現“AI自由”，探索更節能計算范式非常重要，而且有緊迫性。

那么，這次的生物處理器新研究，帶來哪些值得關注的成果？

“濕件”架構，用Python編程

這種生物計算的架構設想其實由來已久，被稱為“濕件”（wetware）：是硬件、軟件和生物學的混合體。

Neuroplatform提供的主要創新，是通過四個多電極陣列 (MEA) 來容納活體組織類器官，即腦組織的3D細胞團。

這些類腦器官含有成熟的神經元、星形膠質細胞等多種細胞類型，具備一定的自發放電和可塑性。

每個MEA擁有四個類器官，通過用于刺激和記錄的八個電極連接。數據通過數字-模擬轉換器（Intan RHS 32控制器）來回傳輸，采樣頻率為30kHz，分辨率為16位。

到Neuroplatform平臺這一層，還集成了精密的微流控裝置、紫外光刺激模塊、實時影像監測等模塊，以及提供友好的Python編程接口，成為一個完整的類腦計算實驗平臺。

然而，要實現使用活體生物處理器進行計算，不僅需要開發出相關系統，還需要精確地與神經元群建立電連接，并找到一套不同于機器學習反向傳播的“生物學習算法”。

基于Neuroplatform，研究者們開展了一系列初步實驗。

比如他們發現，高頻電刺激能誘導活動中心(Center of activity)在類腦器官表面發生遷移。這表明外界輸入能在一定程度上重塑內在的神經環路。

又比如，多巴胺等神經遞質的“光釋放”，能通過閉環反饋增強特定刺激下的放電反應。暗示類腦組織或許能通過類似“操作性條件反射“的機制習得新的輸入-輸出映射。

論文中展示了這一實驗相關的Python代碼，僅用13行就能搞定。

△time.sleep()亮了

Hinton、Friston兩大牛都在搞

瑞士FinalSpark也不是唯一一家探索類腦組織生物計算的公司。

量子位之前也介紹過，澳大利亞Cortical Labs的“盤中之腦”，在像《黑客帝國》一般的虛擬環境中學會打乒乓球電子游戲。

去年，Cortical Labs獲得李嘉誠旗下維港投資領投的一輪融資，總共籌集1000萬美元。

與FinalSpark目前專注于教育科研領域不同，Cortical Labs已經有了商業合作伙伴：VERSES AI，將利用生物計算系統開發新穎算法。

△Cortical Labs創始人兼CEO Hon Weng Chong

Cortical Labs背后支持者包括著名神經科學家Karl Friston，該系統根據他頗受爭議的自由能原理（Free Energy Principle）設計。

Friston曾與AI教父Hinton在英國倫敦大學學院與共事，兩人是多年好友，他曾透露是Hinton讓他相信“大腦是一種貝葉斯機器”。

有意思的是，而Hinton的一個最新研究方向可朽計算（Mortal Computing）也是參考人腦工作方式。

但Hinton更多的是從理論角度思考這個問題，并未把實現途徑限制在使用生物細胞。

除這個方向之外，Hinton在最近的訪談中也透露他支持“大模型不止是預測下一個token”，也認同OpenAI前首席科學家Ilya Sutskever的“壓縮即智能”觀點。

你認為基于GPU的AI計算是可持續的么？生物計算最終能不能成為新的計算范式？歡迎在評論區聊聊。

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