در سال ۲۰۲۱، یک ظرف حاوی سلول‌های زنده مغز انسان یاد گرفت چگونه بازی «پونگ» مربوط به کلوپ‌های دهه ۱۹۷۰ را انجام دهد. تنها پنج دقیقه طول کشید تا این مجموعه از نورون‌ها که «دیش‌برین» نامیده می‌شود، یاد بگیرد چگونه پدال را حرکت دهد و توپ را بزند و این نخستین باری بود که یک شبکه عصبی پرورش‌یافته در آزمایشگاه توانست یک فرمان محول‌شده را به‌صورت هدفمند انجام دهد.
پژوهشگران استارتاپ استرالیایی «کورتیکال لبز» در مقاله‌ای که سال بعد منتشر شد، گفتند این دستاورد نه‌تنها دیدگاه‌های تازه‌ای درباره چگونگی عملکرد مغز ارائه کرد، بلکه می‌تواند برای آغاز عصری جدید از رایانه‌های زیستی فوق‌هوشمند بستری فراهم کند که قادر به اندیشیدن مانند انسان باشند.
کورتیکال لبز از دیش‌برین نه به‌عنوان هوش مصنوعی، بلکه به‌عنوان «هوش واقعی» یاد کرد. زیست‌رایانه‌ها با ترکیب نورون‌های واقعی با سخت‌افزار، با وجود آنکه تنها به انرژی کمی نیاز دارند، این توانایی را دارند [آن دسته از مشکلات و] تکالیف عمومی را حل کنند که سامانه‌های کنونی هوش مصنوعی با آن‌ها دست‌و‌پنجه نرم می‌کنند.
صدها میلیون سال تکامل، مغز انسان را از نظر مصرف انرژی به‌شدت کارآمد کرده است. ۸۶ میلیارد نورون در یک مغز متوسط، تنها به ۲۰ وات انرژی برای کار کردن نیاز دارند؛ تقریبا همان اندازه‌ای که یک لامپ ال‌ئی‌دی مصرف می‌کند.
در مقابل، ساختار ناکارآمد سامانه‌های کنونی هوش مصنوعی سبب می‌شود حتی وظایف ساده نیز به مقدار عظیمی انرژی نیاز داشته باشند. به عنوان مثال، تشخیص چهره برای یک هوش مصنوعی هزاران برابر بیشتر از زمانی که یک انسان به‌سادگی چهره‌ای را تشخیص می‌دهد، انرژی مصرف می‌کند.
یک هفته پیش از آنکه مقاله دیش‌برین در مجله «نورون» (Neuron) منتشر شود، شرکت اوپن‌ای‌آی، چت‌جی‌پی‌تی را راه‌اندازی کرد. این چت‌بات هوش مصنوعی به‌سرعت به پدیده‌ای تبدیل شد که رکورد رشد تعداد کاربران را شکست و تمرکز کل صنعت فناوری را به سوی هوش مصنوعی تغییر داد.
بر اساس براوردهای شرکت «دیلویت» (Deloitte)، از آن زمان مصرف جهانی انرژی برای هوش مصنوعی ۱۰ برابر افزایش یافت و انتظار می‌رود این نرخ رشد دست‌کم تا سال ۲۰۳۰ ادامه پیدا کند.
Read More
This section contains relevant reference points, placed in (Inner related node field)
این هفته، اوپن‌ای‌آی از یک قرارداد مهم در زمینه زیرساخت‌های هوش مصنوعی با شرکت سازنده تراشه انویدیا خبر داد که نخستین مراکز داده چند گیگاواتی برای تامین انرژی هوش مصنوعی را تامین مالی خواهد کرد. جنسن هوانگ، بنیان‌گذار و مدیرعامل انویدیا، آن را «بزرگ‌ترین پروژه زیرساختی هوش مصنوعی در تاریخ» توصیف کرد.
بخش نخست این سرمایه‌گذاری صرف ایجاد ۱۰ گیگاوات توان محاسباتی برای هوش مصنوعی خواهد شد. ۱۰ گیگاوات معادل کل ظرفیت مراکز داده کانادا است که همه چیز، از بانکداری آنلاین و فعالیت‌های تجاری گرفته تا شبکه‌های اجتماعی و پخش آنلاین، را دربر می‌گیرد.
در ماه ژوییه، مارک زاکربرگ، بنیان‌گذار شرکت متا، اعلام کرد که شرکت او صدها میلیارد دلار نیز برای ساخت مراکز داده عظیم هوش مصنوعی هزینه خواهد کرد تا به‌دنبال [ساخت] «ابرهوش» یعنی [سطحی از] هوش مصنوعی باشد که بتواند در هر کاری باهوش‌تر از انسان عمل کند.
نخستین مرکز با نام پرومتئوس (Prometheus)، مساحتی به اندازه منهتن را پوشش خواهد داد. این امر نه‌تنها هزینه مالی عظیمی به همراه دارد، بلکه پیامدهای زیست‌محیطی نیز دارد. یک مطالعه اخیر از موسسه منابع جهانی برآورد کرده است که زیرساخت‌های هوش مصنوعی تا سال ۲۰۳۰ سالانه تا ۱.۷ تریلیون گالن آب شیرین مصرف خواهند کرد.
نیازهای انرژی همچنین ممکن است مانعی برای طرح‌وبرنامه‌های مربوط به انرژی پاک باشند، زیرا شرکت‌ها نیروگاه‌های آلاینده را مجبور می‌کنند برای تامین تقاضای روبه‌رشد، همچنان فعال بمانند. سم آلتمن، رئیس اوپن‌ای‌آی، ادعا کرده است که برای همگام شدن با توسعه هوش مصنوعی، یک منبع انرژی جدید ضروری خواهد بود.
آلتمن سال گذشته در یک پادکست پیشنهاد کرد همجوشی هسته‌ای، که واکنش‌های طبیعی درون خورشید را برای تولید انرژی تقریبا نامحدود شبیه‌سازی می‌کند، می‌تواند یک راه‌حل باشد.
او گفت: «انرژی سخت‌ترین بخش است. ساخت مراکز داده نیز دشوار است. زنجیره تامین سخت است و در ادامه البته تولید تراشه‌های کافی هم دشوار است. اما ما به میزانی از توان محاسباتی نیاز خواهیم داشت که در حال حاضر حتی درک آن دشوار است.»
این میلیاردر حوزه فناوری صدها میلیون دلار در این فناوری سرمایه‌گذاری کرده، با این حال، ممکن است دهه‌ها طول بکشد تا ظرفیت [ایجاد] آن محقق شود.
جایگزین جست‌وجوی مقدار عظیم انرژی این خواهد بود که وضعیت موجود فناوری‌های مبتنی بر سیلیکون تغییر داده شود. با جایگزین کردن پردازنده‌های دیجیتال با پردازنده‌های زنده ساخته‌شده از نورون‌های انسانی، تقاضای انرژی به‌شدت کاهش خواهد یافت.
دکتر اولینا کورتیس، دانشمند در استارتاپ زیست‌محاسباتی فاینال‌اسپارک، به ایندیپندنت گفت: «نورون‌های زنده در مصرف انرژی یک میلیون بار کارآمدتر از سیلیکون‌اند. جدا از بهبودهای احتمالی در [قابلیت] تعمیم‌پذیری مدل‌های هوش مصنوعی، ما همچنین می‌توانیم بدون قربانی کردن پیشرفت فناوری، انتشار گازهای گلخانه‌ای را کاهش دهیم.»
دکتر کورتیس اذعان می‌کند که هنوز موانع بزرگی وجود دارد که باید پیش از استفاده از رایانه‌های زیستی به‌عنوان جایگزینی برای رایانه‌های متداول، بر آن‌ها غلبه کرد. هنوز هیچ راهی برای برنامه‌ریزی آن‌ها وجود ندارد و هیچ چارچوب رسمی برای نورون‌ها به منظور کدگذاری و پردازش اطلاعات وجود ندارد.
او گفت: «بر خلاف رایانه‌های دیجیتال، زیست‌رایانه‌ها یک جعبه‌سیاه واقعی‌اند. به همین دلیل، ما به آزمایش‌های زیادی نیاز داریم تا آن‌ها را به کار بیندازیم. اما اگر راهی برای کنترل این جعبه‌‌سیاه‌ها پیدا کنیم، آن‌ها می‌توانند به ابزارهایی واقعا قدرتمند برای محاسبات تبدیل شوند.»
دکتر کورتیس تخمین می‌زند که تحقق سامانه‌های زیست‌رایانشی در مقیاس تجاری ۱۰ سال زمان خواهد برد.
شرکت کورتیکال لبز، که پشت محیط کشت قرار دارد که پونگ بازی می‌کند، گفته مشکل دیگر سامانه‌اش این است که نورون‌ها فقط چند ماه در یک منبع مایع مواد مغذی زنده می‌مانند. آن‌ها زمانی که می‌میرند، باید جایگزین شوند، اما بدون هیچ راهی برای انجام دادن انتقال حافظه، آن‌ها مجبورند دوباره از ابتدا شروع کنند.»
اوایل امسال، این استارتاپ از نخستین رایانه زیستی تجاری جهان که با سلول‌های زنده مغز انسان کار می‌کند، رونمایی کرد. این دستگاه که با عنوان «بدن در یک جعبه» معرفی شده، با قیمت ۳۵ هزار دلار عرضه می‌شود و در حال حاضر فقط برای پژوهشگران در دسترس است و هنوز تا استفاده در کاربردهای واقعی فاصله زیادی دارد.
دکتر هون ونگ چونگ، بنیان‌گذار و مدیرعامل کورتیکال، گفت: «این پایه‌ای برای مرحله بعدی نوآوری است. تاثیر واقعی و پیامدهای واقعی با هر پژوهشگر، محقق دانشگاهی یا نوآوری خواهد آمد که [کارش را] روی آن بنا کند.»
© The Independent
