Стартап под названием The Biological Computing Company (TBC) из Сан‑Франциско предлагает радикальный подход к развитию ИИ: вместо одних лишь кремниевых чипов он использует живые нейроны, выращенные в лаборатории, чтобы улучшать работу существующих моделей искусственного интеллекта.
В лаборатории в районе Mission Bay TBC выращивают около 100 000 нейронов на микроскопической пластине размером примерно с крупинку соли; под каждой такой культурой расположены 4096 электродов. Видеоданные (изображения и ролики) переводятся в серию электрических импульсов и подаются на эти клетки, которые обрабатывают сигналы схоже с тем, как это происходит в мозге: формируют связи, реагируют на закономерности, выстраивают паттерны активности. Затем получившуюся нейронную активность считывают с электродов и преобразуют в математические представления — более «густые» и информативные, чем те, которые создают обычные нейросети при анализе изображения.
Из этой биологической «прослойки» TBC делает готовый цифровой продукт — программный модуль‑«адаптер», который можно подключить к уже существующим ИИ-моделям как дополнительный слой обработки. По заявлению компании, такой адаптер менее чем на 1% увеличивает размер исходной модели, не требует её переобучения, но позволяет примерно вдвое продлить длительность видеороликов, которые ИИ генерирует без заметного ухудшения качества. Сооснователь TBC, нейрохирург Алекс Кшендзовский сравнивает это с тем, как носитель языка переписывает текст после машинного перевода: смысл остаётся, но глубина и нюансы становятся богаче; он утверждает, что нейронное представление одного изображения может содержать информацию, эквивалентную «миллиону слов» вместо привычных «тысячи».
У компании уже есть серьёзная поддержка: TBC привлекла $25 млн инвестиций от фондов Primary Ventures (ведущий инвестор), Builders VC, E1 Ventures, Refactor Capital и Tusk Ventures, а к инициативе благожелательно отнёсся сооснователь Neuralink Тим Гарднер. За TBC внимательно наблюдают на фоне растущего интереса к биокомпьютингу: австралийская Cortical Labs уже вывела на рынок биокомпьютер CL1 с человеческими нейронами на чипе, швейцарская FinalSpark предоставляет исследователям удалённый доступ к органоидам мозга, IBM годами развивает нейроморфное железо, а Nvidia недавно купила компанию Groq, специализирующуюся на энергоэффективных ИИ‑чипах, за $20 млрд.
Интерес к таким решениям подпитывает кризис устойчивости нынешнего ИИ: всё более крупные модели требуют гигантских вычислительных мощностей и энергии, а каждый новый цикл обучения топовых систем сопоставим по потреблению с энергией, которой хватило бы на снабжение тысяч домов в течение года. На этом фоне биология выглядит недосягаемым эталоном эффективности: человеческий мозг с его примерно 86 миллиардами нейронов обходится примерно 20 ваттами — это на порядки меньше, чем у современных дата‑центров. Сооснователь TBC Джон Померанец формулирует это так: мы вступаем в диалог с «лучшим компьютером, который когда‑либо был создан, спроектирован и доведён до совершенства самой природой».
Однако у подхода есть и серьёзные ограничения. Живые нейроны крайне хрупки: их нельзя «выключить на выходные», каждая культура уникальна, со временем деградирует и требует постоянного ухода, поэтому построить из таких пластин классические дата‑центры пока невозможно. TBC делает ставку не на создание «ферм» из живых серверов, а на то, что удастся достаточно точно описать поведение нейронных сетей в виде программных моделей, а в долгосрочной перспективе (в течение 10–20 лет) интегрировать биологические нейросети непосредственно в вычислительные схемы в режиме реального времени.
Пока же технология остаётся лабораторной, хотя и достаточно зрелой, чтобы привлечь десятки миллионов долларов и внимание крупных игроков. Можно сравнить текущее состояние области с попыткой сесть за руль болида «Формулы‑1», прочитав лишь руководство к обычному массовому автомобилю: мы имеем дело с фрагментами системы, которую до конца не понимаем, и одновременно пытаемся встроить их в ещё более сложную и тоже не до конца понятную архитектуру современного ИИ. Именно на этой границе между возможностями и незнанием, подчёркивает он, часто и начинаются наиболее интересные технологические прорывы.
