title: Élő agysejtek irányítják a ChatGPT-t? A Cortical Labs most a biológiai számítástechnikát hozza el az LLM-ekhez description: Ausztrál kutatók 200 000 emberi neuronhoz csatlakoztattak egy nagy nyelvi modellt – ez az eddigi legmerészebb lépés a “wetware” és a mesterséges intelligencia összeházasításában. author: Tech szerkesztő date: 2025-01-15
Pont amikor már úgy gondoltuk, hogy az AI-hype nem fokozható tovább, egy ausztrál cég úgy döntött, hogy elpakolja a GPU-kat, és egy élő, biológiai agyat dugott össze az AI-val. Na jó, majdnem. A Cortical Labs biotech cég, amely korábban megtanított egy mintegy 800 000 emberi neuronból álló sejttenyészetet a klasszikus Pong videójáték játszására, most nagyobb és jobb dolgokra tért át. Miután sikeresen kiképeztek egy újabb, 200 000 neuronból álló batch-et, hogy navigáljanak a DOOM démonokkal teli folyosóin, most a “DishBrain”-jüket egy Large Language Modelhez (LLM-hez) kapcsolták.
Igen, jól olvastad. Valódi, élő emberi agysejtek, amelyek elektromos impulzusokat lőnek ki egy szilícium chipen, most épp azt a szót választják ki, amit az AI mond. Ez nem csak egy újabb apró lépés a gépi tanulásban; ez egy bizarr, lenyűgöző és kissé nyugtalanító ugrás a “wetware” és a biológiai számítástechnika világába. És őszintén szólva, ez az egyszerű chatbotok összehasonlításában olyan, mintha egy zsebszámológéppel próbálnál versenyezni.
Pixel-pad-októl a pokoli tájakig
Ahhoz, hogy megértsük, hogyan jutottunk odáig, hogy az agysejtek társszerzői legyenek a szövegeknek, nézzük meg a Cortical Labs legnagyobb dobásait. 2022-ben a Melbourne-i csapat címlapsztori lett a “DishBrain” kísérlettel. Neuronokat növesztettek egy mikroelektróda tömbön, amely képes volt stimulálni a sejteket és leolvasni az aktivitásukat. Elektromos jeleket küldve, amelyek a Pong-labda pozícióját jelezték, a neuronok megtanultak úgy tüzelni, hogy irányítsák a pad-ot, ami öt perc alatt demonstrálta a célvezérelt tanulást. Ez elképesztő bizonyíték volt a szintetikus biológiai intelligencia lehetőségére.
De a Pong gyerekjáték. A techvilágnak van egy régi mantrája az új hardver megítélésére: “Futtatja-e a DOOM-ot?” Így hát a Cortical Labs természetesen ezt csinálta következőnek. Az ugrás a Pong egyszerű 2D világából a DOOM 3D környezetébe hatalmas, térbeli navigációt, fenyegetés-detektálást és döntéshozatalt igényel. Mégis, a neuronok megtanulták. A játék videójeleit elektromos stimulációs mintákká fordították, és a neuronok válaszait dekódolták játékbeli cselekvésekké, mint mozgás és lőés. Bár a teljesítmény inkább egy ügyetlen kezdőre hasonlított, mintsem egy profira, bizonyította, hogy a rendszer sokkal összetettebb, dinamikus feladatokra is képes.
Biológiai szellemet adni az LLM-nek
Miután meghódították a klasszikus videójátékokat, a következő logikus lépés az volt, hogy a neuronoknak adjanak egy hangot. A legújabb kísérlet, amelyet olyan figurák mutattak be, mint a tech-evangelista Robert Scoble, felfedi, hogy az agysejtek interfészen keresztül kapcsolódnak egy LLM-hez. Ahelyett, hogy egy pad-ot vagy egy űrmarinet mozgatnának, az elektromos impulzusok, amelyeket a neuronok lőnek ki, most arra szolgálnak, hogy kiválasszon minden token-t – legyen az betű vagy szó –, amit az AI generál.
Egy beharangozó videó megmutatja a folyamatot működés közben: egyrács megjeleníti a stimulált csatornákat és a megfelelő visszajelzést a neuronoktól, ahogy közösen “döntenek” a következő szövegről. Ez egy nyers, szűretlen pillantás a biológiai anyagra, amely kognitív feladatot hajt végre, amely eddig kizárólag a szén-éhes szilíciumon futó összetett algoritmusok kiváltsága volt.
“Megmutattuk, hogy képesek vagyunk olyan módon interakcióba lépni az élő biológiai neuronokkal, amely arra készteti őket, hogy módosítsák aktivitásukat, ami olyasmit eredményez, ami az intelligenciára emlékeztet” – mondta Dr. Brett Kagan, a Cortical Labs tudományos igazgatója korábbi munkájukról.
Ez az új fejlemény az interakciót egy teljesen új szintre emeli. Egy dolog reagálni egy pattogó labdára; egy másik teljesen részt venni a nyelv konstrukciójában.
Miért fáradjunk az agyakkal?
Most már kérdezheted: miért bajlódjunk azzal, hogy 200 000 neuront tartsunk életben egy csészében, amikor egy csúcs GPU simán futtat egy LLM-et? A válasz a hatékonyságban és a szilícium alapvető korlátaiban rejlik. Az emberi agy körülbelül 20 watt teljesítményen lenyűgöző számításokat hajt végre – ez egy halvány villanykörte egyenértéke. Egy szuperszámítógép, amely ugyanezt a tevékenységet szimulálja, milliószor több energiát igényelhet.
A Cortical Labs és a terület más szereplői arra fogadnak, hogy ez a hihetetlen energiahatékonyság kiaknázható. A biológiai rendszerek kiválóak a párhuzamos feldolgozásban és az adaptív tanulásban olyan módon, amelyet a hagyományos számítógépek, amelyek determinisztikusak és binárisak, nehezen reprodukálnak. Az élő neuronok szilíciummal való összeházasításával hibrid számítási architektúrát hoznak létre, amely egy nap olyan rendszereket működtethet, amelyek gyorsabban tanulnak és töredékét fogyasztják az energiának.
Ez nem csak egy jobb chatbot építéséről szól. A Cortical Labs csapata, Dr. Hon Weng Chong vezérigazgató irányításával, olyan jövőt lát, ahol ez a technológia forradalmasítja a robotikát, a személyre szabott orvostudományt és a gyógyszerfejlesztést. Képzelj el egy robotot, amely nem csak előre programozott parancsokat hajt végre, hanem egy új környezethez tanul és alkalmazkodik egy biológiai rendszer folyékony intelligenciájával. Vagy gondolj arra, hogy egy beteg saját neuronjait használjuk egy chipen, hogy teszteljük különböző gyógyszerek hatékonyságát neurológiai állapotokra, mint az epilepszia.
