Un pequeño número de empresas están trabajando en ordenadores biológicos.
Floriana/Getty Images
Los centros de datos utilizan enormes cantidades de energía y los chips tienen una gran demanda: ¿podrían las células cerebrales ser la respuesta? Cortical Labs, una empresa emergente con sede en Australia, ha anunciado que está construyendo dos centros de datos “biológicos” en Melbourne y Singapur, equipados con los mismos chips llenos de neuronas que, según ha demostrado, pueden jugar al Pong o al Doom.
Cortical Labs es una de las pocas empresas que desarrollan computadoras biológicas, que consisten en células neuronales conectadas a conjuntos de microelectrodos que pueden estimular y medir la respuesta de las células cuando se les suministran datos. A principios de este mes, la empresa demostró que su computadora insignia, la CL1, podía aprender a jugar Doom en una semana.
Ahora, Cortical Labs ha revelado dos centros de datos que planea construir. El primero, en Melbourne, contendrá alrededor de 120 unidades CL1. El segundo, que se está construyendo en colaboración con la Universidad Nacional de Singapur, albergará inicialmente 20 CL1, pero la compañía espera que eventualmente contenga 1.000 unidades en un centro de datos más grande, después de la aprobación regulatoria. Cortical Labs dice que esto le permitirá expandir su servicio de computación cerebral basado en la nube.
Grupos de investigación de todo el mundo están construyendo y probando computadoras biológicas como la CL1, pero a menudo son difíciles de construir y no son fáciles de usar para otros, dice Michael Barros de la Universidad de Essex, Reino Unido. “Gastamos mucho dinero y sudamos para construir estos [systems].”
“Qué [Cortical Labs] Lo que está haciendo es esencialmente permitir que su biocomputadora sea accesible a gran escala”, dice Barros, que ya utiliza servicios en la nube de Cortical Labs como parte de su investigación. “Serán los primeros en hacerlo”.
Aunque estos sistemas pueden entrenarse para tareas relativamente simples, como jugar Doom, aún no está claro el modo exacto en que funcionan estas neuronas y cuál es la mejor manera de entrenarlas para realizar tareas como el aprendizaje automático, afirma Reinhold Scherer, también de la Universidad de Essex. “Tener acceso a esto te permite explorar el aprendizaje, la capacitación y la programación”, dice. “No se programan neuronas como las computadoras estándar”.
Cortical Labs sostiene que sus centros de datos también requerirán mucha menos energía que los sistemas informáticos típicos, afirmando que cada CL1 necesita alrededor de 30 vatios, en lugar de los miles de vatios que requiere un chip de IA convencional de última generación.
“Cuando las ampliemos y las tengamos como salas completas, como ocurre ahora con los servidores de datos, se podrían lograr enormes ahorros de energía”, afirma Paul Roach de la Universidad de Loughborough, Reino Unido. Hay otros recursos que los centros de datos biológicos podrían necesitar, como nutrientes para alimentar y mantener vivos los chips neuronales, pero deberían requerir mucha menos refrigeración que la informática convencional, afirma. “La cantidad de energía que se ahorra con [Cortical Labs’s] Las cifras son bastante conservadoras”.
Sin embargo, la tecnología aún se encuentra en una etapa inicial, dice Tjeerd Olde Scheper de la Universidad Oxford Brookes, Reino Unido, que ha trabajado con una empresa competidora de informática biológica, FinalSpark. “¿Va a funcionar como la gente podría pensar? No, todavía estamos en los primeros días de este desarrollo”.
Es difícil hacer una comparación directa de tamaño, ya que los chips CL1 no pueden realizar cálculos convencionales como lo hace un chip de IA basado en silicio, pero el centro de datos biológicos propuesto tendrá cientos de chips biológicos, en comparación con cientos de miles de unidades de procesamiento de gráficos (GPU) que se ven en los centros de datos de IA más grandes.
“Creo que hay un largo camino hasta que esté listo para la producción. Es un paso muy grande desde una pequeña red que juega un juego de computadora a un modelo de lenguaje grande”, dice Steve Furber de la Universidad de Manchester, Reino Unido.
Uno de los problemas pendientes es que todavía no está claro cómo almacenar los resultados del entrenamiento de estas neuronas en una forma de memoria, o cómo ejecutar algoritmos computacionales reales en ellas, en lugar de entrenarlas para usos específicos como jugar videojuegos.
Otro desafío es cómo volver a entrenar las neuronas una vez que hayan completado una tarea particular. “Aquello en lo que fueron entrenados se pierde cuando la cultura termina su vida, por lo que es necesario un reentrenamiento adecuado”, dice Scherer. “Entonces no es una solución óptima mantener una tecnología en funcionamiento si es necesario volver a capacitarla cada 30 días”.
Temas: