Biologie trifft Silizium

Das australische Startup Cortical Labs baut die ersten Rechenzentren, die für die Ausführung von Computerhardware konzipiert sind, die durch lebende menschliche Gehirnzellen angetrieben wird. Das Unternehmen plant, zwei Einrichtungen zu bauen, die seine proprietären neuronengefüllten Chips beherbergen, was eine radikale Abkehr von der konventionellen Rechenzentrumsarchitektur darstellt und die Grenzen dessen verschiebt, wie Recheninfrastruktur aussehen kann.

Die Technologie, bekannt als biologisches Computing oder Organoid-Intelligenz, umfasst die Züchtung von Netzwerken menschlicher Neuronen auf Halbleiterschips. Diese biologischen neuronalen Netzwerke können Informationen auf Weise verarbeiten, die sich grundlegend von traditionellen Silizium-Prozessoren unterscheidet und möglicherweise Vorteile in Energieeffizienz, Anpassungsfähigkeit und bestimmten Arten der Mustererkennung bietet.

Wie biologisches Computing funktioniert

Der Ansatz von Cortical Labs beginnt mit menschlichen Stammzellen, die sich zu Neuronen differenzieren und auf Multi-Elektroden-Arrays gezüchtet werden. Diese Arrays bieten sowohl die Schnittstelle für die Eingabe von Informationen in die Neuronen als auch das Mittel zum Auslesen ihrer Ausgaben. Wenn die Neuronen wachsen und Verbindungen bilden, entstehen biologische neuronale Netzwerke, die trainiert werden können, um Rechenaufgaben auszuführen.

Das Unternehmen erregte 2022 großes Aufmerksamkeit, als es zeigte, dass seine Neuronenchips das Videospiel Pong spielen konnten. Dies war zwar eine relativ einfache Aufgabe, bewies aber, dass biologische neuronale Netzwerke Informationen empfangen, verarbeiten und sinnvolle Ergebnisse produzieren können – die grundlegenden Anforderungen für jedes Computersystem.

Seitdem arbeitet Cortical Labs daran, die Technologie zu skalieren und ihre Zuverlässigkeit zu verbessern. Der Bau von Rechenzentren stellt einen großen Schritt in diese Richtung dar und bewegt sich von Labordemonstration zu einer Infrastruktur, die letztendlich kommerzielle Anwendungen unterstützen könnte.

Mögliche Vorteile

Befürworter des biologischen Computing verweisen auf mehrere potenzielle Vorteile gegenüber herkömmlichen Siliziumchips:

  • Energieeffizienz: Biologische Neuronen arbeiten mit extrem niedriger Leistung im Vergleich zu Transistoren, die gleichwertige Berechnungen durchführen
  • Anpassungsfähigkeit: Neuronale Netzwerke können sich umstrukturieren und neu verdrahten, um auf neue Eingaben zu reagieren – eine Form des Hardware-Level-Lernens
  • Fehlertoleranz: Biologische Systeme können weiterfunktionieren, auch wenn einzelne Komponenten ausfallen
  • Neuartige Berechnung: Neuronen könnten möglicherweise Informationen auf Weise verarbeiten, die in Silizium schwer zu reproduzieren ist

Der Energievorteil ist besonders überzeugend in einer Zeit, in der Rechenzentren einen immer größeren Anteil des globalen Stroms verbrauchen. AI-Training- und Inferenzworkloads haben zu einer Explosion von Rechenzentrumsbauten geführt, und jede Technologie, die die Energiekosten von Berechnungen erheblich reduzieren könnte, hätte enormen kommerziellen Wert.

Erhebliche Herausforderungen bleiben

Die Technologie befindet sich noch in sehr frühen Entwicklungsstadien, und erhebliche Herausforderungen müssen überwunden werden, bevor biologisches Computing mit konventionellen Ansätzen konkurrieren kann. Lebende Neuronen benötigen sorgfältig kontrollierte Umgebungen, einschließlich spezifischer Temperaturen, Nährstoffversorgung und Abfallmanagementsysteme. Die Aufrechterhaltung dieser Bedingungen in Rechenzentren-Größenordnung führt zu Ingenieursherausforderungen, die bei Siliziumchips nicht bestehen.

Zuverlässigkeit ist ein weiteres Problem. Biologische Systeme sind von Natur aus variabel, und die Gewährleistung konsistenter Rechenleistung über Tausende von Neuronenchips wird Fortschritte in Biologie und Ingenieurwesen erfordern. Die Lebensdauer von Neuronenkulturen ist auch im Vergleich zu Jahren ununterbrochener Betriebe, die von herkömmlicher Rechenzentrum-Hardware erwartet wird, begrenzt.

Es gibt auch ethische Überlegungen. Der Einsatz menschlicher Neuronen in Computersystemen wirft Fragen auf, mit denen sich die Technologieindustrie bislang nicht auseinandersetzen musste. Während die von Cortical Labs verwendeten Neuronen aus Stammzellen stammen und nichts ähnliches wie ein Gehirn oder Bewusstsein darstellen, werden die ethischen Rahmenbedingungen für biologisches Computing noch entwickelt.

Industriekontext

Cortical Labs ist nicht das einzige Unternehmen, das biologisches Computing erforscht, scheint aber am weitesten fortgeschritten zu sein, was den Aufbau von Infrastruktur für kommerzielle Bereitstellung betrifft. Akademische Forschergruppen in den USA, Europa und Asien untersuchen auch Organoid-Computing, und mehrere andere Startups sind in den letzten Jahren in diesen Bereich eingetreten.

Die breitere Computerindustrie beobachtet diese Entwicklungen mit großem Interesse. Da das Moore's Law verlangsamt wird und die Energieanforderungen von AI weiter wachsen, erhalten alternative Rechenparadigmen mehr Aufmerksamkeit und Investitionen als je zuvor. Quantencomputing, neuromorphe Chips und jetzt biologisches Computing stellen alle mögliche Wege für eine Industrie dar, die an die physischen Grenzen der konventionellen Silizium-Technologie stößt.

Der Weg zur Kommerzialisierung

Cortical Labs Rechenzentren-Pläne stellen eine Wette dar, dass biologisches Computing in relativ kurzer Zeit von einer Laborneugier zu praktischer Technologie übergehen kann. Das Unternehmen hat keine spezifischen Zeitpläne für die Inbetriebnahme der Anlagen oder welche Anwendungen sie zunächst unterstützen werden, offengelegt. Die Entscheidung, dedizierte Rechenzentren zu bauen, deutet jedoch darauf hin, dass die Technologie einen Reifegrad erreicht, bei dem sie echten kommerziellen Wert liefern kann, auch wenn sie traditionelle Datenverarbeitung für die meisten Anwendungen noch weit entfernt ist zu ersetzen.

Dieser Artikel basiert auf Berichten von New Scientist. Lesen Sie den ursprünglichen Artikel.