Éppen amikor azt hitted, hogy a mesterséges intelligencia körüli hájp már nem lehet szürreálisabb, egy ausztrál cég úgy döntött, hogy pihenteti a GPU-kat, és inkább egy élő, biológiai agyat köt rá az AI-ra. Valahogy úgy. A Cortical Labs nevű biotech startup – amely korábban azzal hívta fel magára a figyelmet, hogy egy petri-csészében növesztett, nagyjából 800 000 emberi neuronból álló tenyészetet megtanított a klasszikus Ponggal játszani – most szintet lépett. Miután sikeresen átvezényeltek egy újabb, 200 000 neuronból álló „csapatot” a DOOM démonoktól hemzsegő folyosóin, a „DishBrain” (tálcás agy) névre keresztelt rendszerüket összekötötték egy nagy nyelvi modellel (LLM).
Jól olvastad. Valódi, élő emberi agysejtek küldenek elektromos impulzusokat egy szilíciumchipen, és ezek döntik el, milyen szavakat használjon az AI. Ez már nem csak egy újabb apró lépés a gépi tanulás rögös útján; ez egy bizarr, lenyűgöző és némileg nyugtalanító ugrás a „wetware” és a biológiai számítástechnika világába. Őszintén szólva, ehhez képest egy átlagos chatbot nagyjából annyira tűnik fejlettnek, mint egy napelemes zsebszámológép.
Pixel-ütőktől a pokoli tájakig
Ahhoz, hogy megértsük, hogyan jutottunk el odáig, hogy agysejtek társszerzőként jegyeznek szövegeket, érdemes felidézni a Cortical Labs eddigi legnagyobb dobásait. A melbourne-i csapat 2022-ben került a címlapokra a „DishBrain” kísérlettel. Neuronokat növesztettek egy mikroelektróda-hálózaton, amely képes volt stimulálni a sejteket és olvasni azok aktivitását. Azzal, hogy elektromos jelekkel jelezték a labda pozícióját a Pongban, a neuronok alig öt perc alatt megtanultak úgy tüzelni, hogy irányítsák az ütőt. Ez volt a szintetikus biológiai intelligencia első, mellbevágó bizonyítéka.
De a Pong csak ujjgyakorlat. A tech-világban van egy örökérvényű mérőszám, ha új hardver kerül elő: „Elviszi a DOOM-ot?” Így természetesen a Cortical Labs számára is ez volt a következő lépés. A Pong egyszerű, kétdimenziós világából átugrani a DOOM 3D-s környezetébe hatalmas váltás: térbeli tájékozódást, fenyegetésfelismerést és döntéshozatalt igényel. A neuronok azonban ezt is megugrották. A játék videójeleit elektromos stimulációs mintákká alakították, a neuronok válaszait pedig játékbeli akciókká (mozgás, lövés) dekódolták. Bár a teljesítményük inkább hasonlított egy suta kezdőére, mint egy profi e-sportolóéra, bebizonyosodott, hogy a rendszer képes kezelni a komplex, dinamikus feladatokat is.
Biológiai szellem az LLM gépében
A klasszikus videojátékok meghódítása után a következő logikus lépésnek az tűnt, hogy hangot adjanak a neuronoknak. A legújabb kísérlet – amelyet olyan tech-evangélisták is szemléztek, mint Robert Scoble – megmutatta, hogyan interfészelnek az agysejtek egy LLM-mel. Ahelyett, hogy egy ütőt vagy egy tengerészgyalogost mozgatnának, a neuronok által kibocsátott elektromos impulzusokat most arra használják, hogy kiválasszák a következő tokent – legyen az egy betű vagy egy szó –, amit az AI generál.
Egy kiszivárgott videóban látszik a folyamat akció közben: egy rács mutatja a stimulált csatornákat és a neuronok visszacsatolásait, ahogy kollektíven „eldöntik”, mi legyen a következő szövegrészlet. Ez egy nyers, szűretlen pillantás arra, ahogy a biológiai anyag olyan kognitív feladatot hajt végre, amely eddig kizárólag az energiazabáló szilíciumchipeken futó komplex algoritmusok kiváltsága volt.
„Megmutattuk, hogy képesek vagyunk úgy interakcióba lépni élő biológiai neuronokkal, hogy az aktivitásuk megváltoztatására kényszerítsük őket, ami valami olyasmit eredményez, ami kísértetiesen hasonlít az intelligenciára” – nyilatkozta Dr. Brett Kagan, a Cortical Labs tudományos igazgatója egy korábbi szakaszban.
Ez az új fejlemény azonban egészen más szintre emeli az interakciót. Egy dolog reagálni egy pattogó labdára, és megint más részt venni az emberi nyelv felépítésében.
De miért bajlódnánk agysejtekkel?
Ezen a ponton felmerülhet a kérdés: miért küzdenénk 200 000 neuron életben tartásával egy tálban, amikor egy csúcskategóriás GPU is simán elvisz egy nyelvi modellt? A válasz a hatékonyságban és a szilícium fizikai korlátaiban rejlik. Az emberi agy elképesztő számítási teljesítményre képes nagyjából 20 wattnyi energiával – ez egy halványabb villanykörte fogyasztása. Egy szuperszámítógépnek, amely ugyanezt az aktivitást próbálná szimulálni, több milliószor ennyi energiára lenne szüksége.
A Cortical Labs és a terület többi szereplője arra fogad, hogy ez a hihetetlen energiahatékonyság kiaknázható. A biológiai rendszerek a párhuzamos feldolgozásban és az adaptív tanulásban olyan szinten mozognak, amit a tradicionális, determinisztikus és bináris számítógépek csak nehezen tudnak lekövetni. Az élő neuronok és a szilícium ötvözésével egy olyan hibrid számítási architektúrát hoznak létre, amely egy nap talán gyorsabban tanuló és töredéknyi energiát fogyasztó rendszereket működtethet.
És itt nem csak egy jobb chatbot megépítéséről van szó. A Cortical Labs csapata, Dr. Hon Weng Chong vezetésével, olyan jövőt lát, ahol ez a technológia forradalmasítja a robotikát, a személyre szabott orvoslást és a gyógyszerkutatást. Képzeljünk el egy robotot, amely nem csak előre beprogramozott parancsokat hajt végre, hanem egy biológiai rendszer rugalmasságával tanul és alkalmazkodik az új környezethez. Vagy gondoljunk bele, milyen lehetőségeket rejt, ha egy beteg saját, chipen nevelt neuronjain tesztelhetnék a gyógyszerek hatékonyságát olyan neurológiai állapotok esetén, mint például az epilepszia.
Az út még hosszú. A biológiai rendszerek komplexek és kiszámíthatatlanok, messze állnak a szilícium megbízható stabilitásától. De ahogy a Cortical Labs bebizonyította, egy petri-csészényi sejtcsoport már eljutott a videojátékoktól a beszédig. Az a lehetőség, hogy ugyanezek a neuronok egy nap egy robotot irányítsanak, már nem sci-fi – hanem a következő pont a fejlesztési tervben. Ez a gondolat pedig egyszerre félelmetes és észbontó.
