Élő idegsejtek aktivitásából származó számítási elvekkel optimalizált videógeneráló mesterséges intelligenciát készített a The Biological Computing Co., amelyet az Amazon Web Services segítségével készül kereskedelmi forgalomba vinni. A vállalat szerint a módszer ötszörösére gyorsította a generálást, miközben 80 százalékkal csökkentette a futtatási költséget.
A különleges megközelítés mögött nem az áll, hogy az ügyfelek adatközpontjaiban élő agysejtek dolgoznának. A TBC laboratóriumi neuronok elektromos működését vizsgálja, majd az ezekből azonosított számítási mintákat hagyományos szoftveres algoritmusokká alakítja. A WIRED beszámolója szerint a vállalat többek között patkányból származó idegsejtek és emberi őssejtekből létrehozott neuronok működését tanulmányozza.
A most bemutatott text-to-video rendszer egy már létező nyílt modellre épül. A neuronmérésekből származtatott saját optimalizációs réteg a vállalat közlése szerint az alapmodell méretének kevesebb mint 0,1 százalékát teszi ki, és teljes egészében hagyományos mesterséges intelligencia infrastruktúrán fut. Az ügyfélnek tehát sem biológiai hardverre, sem speciális laboratóriumi rendszerre nincs szüksége.
A leglátványosabb számokat egyelőre maga a vállalat közölte: az alapként használt modellhez képest ötször gyorsabb videógenerálást és 80 százalékkal alacsonyabb következtetési költséget állít. Független, részletes benchmarkot azonban még nem publikáltak, és az összehasonlításhoz használt alapmodell pontos teljesítményadatait sem tették teljes körűen hozzáférhetővé. A számokat ezért ígéretes vállalati eredményként, nem bizonyított iparági előnyként érdemes kezelni.
Olvasd el: Virtuális biotechnológiai céget építettek 37 ezer mesterséges intelligencia ügynökből
Mi történik, ha az evolúció által kialakított élő idegrendszerek működéséből nem új hardvert, hanem hatékonyabb mesterséges intelligencia algoritmusokat tanulunk meg építeni?
Az AWS-szel kötött együttműködés célja éppen az, hogy a laboratóriumi eredményt hétköznapi felhős szolgáltatássá alakítsák. A tervek szerint a modellt AWS Trainium hardveren is futtatják, Amazon SageMaker környezetben telepíthetővé teszik, később pedig az AWS Marketplace-en keresztül is értékesíthetik. Első körben korlátozott számú ügyfél kap hozzáférést, vagyis a technológia még nem tekinthető széles körben bevezetett kereskedelmi rendszernek.
A megközelítés azért érdekes, mert a mesterséges intelligencia fejlesztésének egyik legnagyobb problémája egyre kevésbé csak az, hogy milyen nagy modellt lehet építeni. Ugyanilyen fontos kérdés lett, mennyi energiából és számítási kapacitásból lehet egy-egy generálást elvégezni. A biológiai idegrendszer ebből a szempontból különösen vonzó kutatási minta, hiszen az emberi agy rendkívül összetett információfeldolgozást végez viszonylag alacsony energiafelhasználással.
A mostani eredmény azonban még nem bizonyítja, hogy a biológiai számítástechnika általánosan felülmúlja a hagyományos optimalizációs módszereket. Ehhez független tesztekre, ismert alapmodellekkel végzett összehasonlításokra és más mesterséges intelligencia feladatokon is megismételhető eredményekre lesz szükség. Ha ezek megszületnek, az élő neuronok tanulmányozása egészen új optimalizációs irányt nyithat a generatív mesterséges intelligenciában.
Olvasd el ezt is: Felére vágta két új GPT-6 modell API-árát az OpenAI
Források: Amazon Web Services, WIRED, The Next Web
CS.SZ.
