Biological Black Box (BBB) , một công ty khởi nghiệp được thành lập tại Baltimore chuyên phát triển một loại phần cứng AI mới, đã nổi lên từ tình trạng bí ẩn với nền tảng Bionode – một hệ thống máy tính tích hợp các tế bào thần kinh sống được nuôi cấy trong phòng thí nghiệm với các bộ xử lý truyền thống.
Công ty này, vốn vẫn đang hoạt động âm thầm trong khi nộp đơn xin cấp bằng sáng chế và cải tiến công nghệ, tin rằng phương pháp điện toán sinh học của mình – phát triển các tế bào thần kinh mới chuyên biệt để hoạt động như chip máy tính bằng cách sử dụng tế bào gốc của người hiến tặng và tế bào có nguồn gốc từ chuột – có thể cung cấp một giải pháp thay thế thích ứng, tiết kiệm điện năng cho GPU thông thường.
Alex Ksendzovsky, đồng sáng lập kiêm giám đốc điều hành của BBB, cho biết trong một cuộc phỏng vấn qua video với VentureBeat: “Trong 20 năm qua, ba lĩnh vực độc lập – sinh học, phần cứng và công cụ tính toán – đã phát triển đến mức mà máy tính sinh học hiện đã trở nên khả thi”.
Là thành viên của vườn ươm Inception của Nvidia , BBB đang định vị mình là sự tiến bộ và mở rộng cho các chip AI dựa trên silicon phổ biến do Nvidia và các công ty khác sản xuất.
Bằng cách tận dụng khả năng tự kết nối lại vật lý của tế bào thần kinh, công ty đặt mục tiêu giảm chi phí năng lượng, cải thiện hiệu quả xử lý và đẩy nhanh quá trình đào tạo mô hình AI – những thách thức ngày càng trở nên cấp bách khi việc áp dụng AI ngày càng mở rộng.
Đây không phải là khoa học viễn tưởng, mặc dù có tiền đề đáng kinh ngạc: Các chip thần kinh của BBB đã cung cấp năng lượng cho thị giác máy tính và LLM cho khách hàng và đã đàm phán với hai đối tác để cấp phép công nghệ của mình cho các ứng dụng thị giác máy tính — mặc dù công ty từ chối nêu tên khách hàng và đối tác cụ thể, với lý do là các thỏa thuận bảo mật. Công ty cũng đang chấp nhận các yêu cầu từ các đối tác và khách hàng tiềm năng trên trang web của mình .
Kết hợp sinh học và phần cứng
Cốt lõi trong phương pháp tiếp cận của BBB là nền tảng Bionode, sử dụng các tế bào thần kinh được nuôi cấy trong phòng thí nghiệm được kết nối vào hệ thống máy tính.
“Chúng tôi có nhiều mô hình mà chúng tôi sử dụng,” Ksendzovsky nói với tôi. “Một trong những mô hình đó là từ tế bào chuột. Một trong những mô hình đó thực sự là từ tế bào gốc của con người được chuyển đổi thành tế bào thần kinh.”
Người đồng sáng lập cho biết “hàng trăm nghìn trong số chúng” được tích hợp vào một đĩa chứa 4.096 điện cực, tạo thành cơ sở của một chip Bionode. Ông cũng cho biết chúng tồn tại trong hơn một năm trước khi cần được thay thế.
Ý tưởng là khai thác khả năng thích ứng tự nhiên của tế bào thần kinh để xử lý AI, tạo ra một hệ thống điện toán lai khác biệt cơ bản so với các chip cứng nhắc dựa trên bóng bán dẫn hiện nay.
Ksendzovsky, người đã làm việc với các tế bào thần kinh trên điện cực từ năm 2005, ban đầu đã nảy ra ý tưởng sử dụng chúng để dự đoán thị trường chứng khoán. Người cố vấn của ông, Tiến sĩ Steve Potter , đã bác bỏ ý tưởng đó vào thời điểm đó.
“Tại sao chúng ta không sử dụng tế bào thần kinh để dự đoán thị trường chứng khoán để tất cả chúng ta đều có thể giàu có?” Ksendzovsky nhớ lại đã hỏi Potter, người cười phá lên vì cho rằng điều đó không thực tế. “Vào thời điểm đó, ông ấy đã đúng”, Ksendzovsky thừa nhận.
Kể từ đó, những cải tiến trong công nghệ điện cực, công cụ tính toán và tuổi thọ của tế bào thần kinh đã làm cho máy tính sinh học trở nên khả thi. “Mạng lưới sinh học đã phát triển qua hàng trăm triệu năm thành hệ thống máy tính hiệu quả nhất từng được tạo ra”, Ksendzovsky giải thích.
Thiết lập này mang lại hai lợi thế tức thời:
• Tầm nhìn máy tính hiệu quả hơn: Bionode đã được thử nghiệm như một lớp tiền xử lý cho các tác vụ phân loại AI, giúp giảm cả thời gian suy luận và mức tiêu thụ điện năng của GPU.
• Đào tạo Mô hình ngôn ngữ lớn tăng tốc (LLM): Không giống như GPU, đòi hỏi các chu kỳ đào tạo lại thường xuyên, các tế bào thần kinh thích ứng ngay lập tức. Điều này có thể cắt giảm đáng kể thời gian và năng lượng cần thiết để cập nhật LLM, giải quyết một nút thắt chính trong việc mở rộng quy mô AI.
Ksendzovsky cho biết: “Một trong những đột phá lớn nhất của chúng tôi là sử dụng mạng lưới sinh học để đào tạo các mô hình ngôn ngữ lớn (LLM) hiệu quả hơn, giúp giảm lượng năng lượng tiêu thụ khổng lồ hiện nay”.
Xây dựng GPU sống động, khả thi với sự trợ giúp của Nvidia
GPU của Nvidia đóng vai trò quan trọng trong sự phát triển nhanh chóng của AI, nhưng mức tiêu thụ năng lượng cao và chi phí ngày càng tăng đã làm dấy lên lo ngại về khả năng mở rộng.
BBB nhìn thấy cơ hội để giới thiệu một giải pháp thay thế tiết kiệm điện hơn trong khi vẫn hoạt động trong hệ sinh thái của Nvidia.
“Chúng tôi không coi mình là đối thủ cạnh tranh trực tiếp với Nvidia, ít nhất là trong tương lai gần”, Ksendzovsky lưu ý. “Máy tính sinh học và máy tính silicon sẽ cùng tồn tại. Chúng tôi vẫn cần GPU và CPU để xử lý dữ liệu đến từ tế bào thần kinh”.
Trên thực tế, theo người đồng sáng lập, “chúng ta có thể sử dụng mạng lưới sinh học của mình để tăng cường và cải thiện các mô hình AI dựa trên silicon, giúp chúng chính xác hơn và tiết kiệm năng lượng hơn”.
Ông lập luận rằng tầm nhìn dài hạn cho phần cứng AI sẽ là một hệ sinh thái mô-đun, trong đó máy tính sinh học, chip silicon và thậm chí cả máy tính lượng tử đều đóng một vai trò nhất định.
Ông cho biết: “Tương lai của điện toán sẽ là một hệ sinh thái mô-đun, trong đó silicon truyền thống, điện toán sinh học và điện toán lượng tử đều đóng vai trò riêng dựa trên thế mạnh của chúng”.
Mặc dù BBB vẫn chưa tiết lộ ngày ra mắt thương mại, công ty đang chuyển từ Baltimore, Maryland đến Bay Area để chuẩn bị mở rộng quy mô công nghệ.
Tương lai của xử lý AI lai
Trong khi GPU dựa trên silicon vẫn là tiêu chuẩn của ngành, khái niệm não trên chip của BBB cho thấy cái nhìn thoáng qua về tương lai khi phần cứng AI không còn giới hạn ở bóng bán dẫn và mạch điện.
Khả năng tự tái cấu hình động của các tế bào thần kinh có thể giúp các hệ thống AI tiết kiệm năng lượng hơn, thích ứng hơn và có khả năng học tập liên tục.
“Chúng tôi đã áp dụng điện toán sinh học vào thị giác máy tính. Chúng tôi có thể mã hóa hình ảnh vào mạng sinh học, để các tế bào thần kinh xử lý chúng, sau đó giải mã phản ứng của tế bào thần kinh để cải thiện độ chính xác phân loại”, Ksendzovsky cho biết.
Ngoài việc tăng hiệu quả, BBB còn tin rằng phương pháp sinh học của mình có thể cung cấp cái nhìn sâu sắc hơn về cách các mô hình AI xử lý dữ liệu.
“Chúng tôi đã xây dựng một hệ thống vòng kín cho phép các tế bào thần kinh tự kết nối lại, giúp tăng hiệu quả và độ chính xác cho các tác vụ AI”, ông giải thích.
Bất chấp tiềm năng, Ksendzovsky thừa nhận rằng các cân nhắc về mặt đạo đức sẽ là một cuộc thảo luận liên tục. BBB hiện đang làm việc với các nhà đạo đức học và chuyên gia quản lý để đảm bảo công nghệ của mình được phát triển một cách có trách nhiệm.
“Chúng ta không cần hàng triệu tế bào thần kinh để xử lý toàn bộ môi trường như não bộ. Chúng ta chỉ sử dụng những gì cần thiết cho các nhiệm vụ cụ thể, luôn cân nhắc đến các cân nhắc về mặt đạo đức”, ông nhấn mạnh.
BBB đang đặt cược rằng mô sống, không chỉ silicon, có thể là chìa khóa cho bước tiến vượt bậc tiếp theo của AI.
, chip máy tính đắt tiền do Nvidia , AMD và Sima.ai sản xuất , không còn là cách duy nhất để đào tạo và triển khai trí tuệ nhân tạo.){kind=link}