Uma startup suíça quer mudar a situação métodos convencionais de construção de modelos de inteligência artificial (IA): em vez de depender de processadores de chips digitais, ele acredita que o mundo precisa de processadores biológicos que utilizem muito menos energia.
Fundada em 2014 em Vevey por Martin Kutter e Fred Jordan, a FinalSpark afirma ter testado 10 milhões de neurônios vivos e que já está em andamento um trabalho de pesquisa para construir máquinas pensantes a partir de neurônios humanos vivos derivados da pele.
A startup está cultivando neurônios em culturas de células para demonstrar poder de computação autossustentável para futuras modelagens de IA.
Como é que isto funciona?
Usando um fio elétrico, a startup está treinando neurônios humanos para processar informações da mesma forma que o cérebro humano. O cofundador Fred Jordan disse ao Quartz que sua equipe tem testado métodos futuristas em modelos de IA, como in silico impulsionando redes neurais e programação genética. O objetivo é alcançar inteligência artificial geral.
Ao contrário dos modelos atuais de IA, que imitam o pensamento humano após meses de treinamento com dados avançados, o FinalSpark deseja alcançar um raciocínio humano real capaz de analisar emoções enquanto cria novas ideias e conceitos fora de sua própria experiência. “Isso é o que uma máquina pensante ‘real’ deveria fazer”, disse Jordan. “Já que o processador de informação mais conhecido é um neurônio humano.”
A empresa quer liderar o troco da engenharia artificial à engenharia biológica, prevendo que o armazenamento de dados de ADN poderá ultrapassar o armazenamento em nuvem no futuro, em termos de sustentabilidade e eficiência. O site de seu laboratório mostra demonstrações ao vivo do funcionamento de seus biochips. em tempo real.
Em fevereiro, cientistas liderados por pesquisadores da Universidade Johns Hopkins, em Baltimore detalhou um plano para o que eles chamaram de “inteligência organoide”. Isso funcionaria projetando um sistema de pensamento de pequenas estruturas neurais tridimensionais cultivadas a partir de células-tronco humanas. Eles seriam conectados a sensores e dispositivos de saída e treinados por meio de aprendizado de máquina. “Olhando para esta tendência, pode-se imaginar que as redes neurais biológicas também poderiam substituir as redes neurais artificiais para muitas aplicações de computação, incluindo IA”, acrescentou Jordan.
No entanto, um artigo sobre neurociência celular publicado pela Frontiers aponta que a inteligência biológica sintética ainda está em seu estágio inicial e ainda existem alguns obstáculos no seu caminho. O que precisa ser melhorado, afirma o artigo, é a “precisão e eficiência dos algoritmos de IA usados para analisar os dados, bem como a reprodutibilidade dos próprios modelos biológicos sintéticos”. Com os avanços contínuos neste campo, “a inteligência biológica sintética tem o potencial de revolucionar o campo da medicina”, diz o artigo.
Afaste-se da criação de modelos de linguagem grandes e que consomem muita energia
Não é nenhuma surpresa que o treinamento contínuo de algoritmos de IA em bilhões de pontos de dados consome muita energia já que os data centers exigem enormes quantidades de água para mantê-los resfriados durante todo esse processo. Na realidade, os data centers em todo o mundo emitir mais carbono do que o setor de aviação comercial. Treinar um único modelo de IA ou chatbot, por exemplo, pode usar mais eletricidade do que 100 lares americanos fazer em um ano.
Enquanto o cérebro humano, que tem capacidade de armazenamento de 2.500 terabytescontém pelo menos 86 bilhões de neurôniosApenas use 10 watts de potência para a computação cotidiana. O cérebro também realiza aproximadamente 1.000 bilhões operações por segundo, tendo o consumo de energia de uma lâmpada fraca. Para corresponder ao poder de computação orgânico do cérebro humano, os chips de IA de silício exigiriam 10 megawatts. Isso significa que os neurônios humanos reduzem o uso de energia em um milhão.
“Se pudermos usar hardware alternativo, como neurônios vivos, para modelos de IA com resultados iguais ou melhores, esta será a melhor maneira de impedir o aumento das emissões de carbono dos modelos de IA”, disse Jordan.
