To jest 286. odcinek podcastu Porozmawiajmy o IT, w którym z moim gościem rozmawiam o tym, czy mózg zastąpi krzem, czyli o bioobliczeniach i energooszczędnym AI. 

Wszystko, co potrzebujesz, notatka, linki, transkrypcja, czekają na Ciebie na porozmawiajmyoit.pl/286. 

Myślisz o zmianie pracy lub przebranżowieniu się do IT? Zajrzyj na SolidJobs, gdzie znajdziesz przejrzyste oferty z informacją co do zarobków, technologii i projektów. 

Nazywam się Krzysztof Kempiński, prowadzę ten podcast oraz jestem autorem książki Marka osobista w branży IT. Mam misję polegającą na poszerzaniu horyzontów ludzi z branży IT. Tak się składa, że możesz bardzo mi w tym pomóc poprzez wystawienie oceny w aplikacji, w której tego słuchasz, lub podzielenie się tym odcinkiem w social mediach. A teraz zapraszam Cię już do odcinka. 

Odpalamy! 

 

Cześć! 

Moim gościem jest naukowczyni, która przeszła drogę od badań laboratoryjnych do świata technologii i biznesu. Posiada stopień doktora nauk neurologicznych i jest autorką ponad 20 publikacji naukowych recenzowanych przez środowisko akademickie. Po zakończeniu kariery naukowej zajęła się rozwojem biznesu i komercjalizacją technologii. Dziś doradza firmom technologicznym w zakresie sprzedaży, budowania partnerstw i strategii wejścia na rynek. Moim i Waszym gościem jest Ewelina Kurtys. 

Cześć, Ewelina, bardzo miło mi gościć Cię w podcaście. 

 

Cześć, miło mi też bardzo. 

 

W takim szerokim dyskursie na temat AI mam wrażenie, że przewija się taka dystopijna nieco wizja, że roboty zbudowane z metalu i krzemu wyprą człowieka, zupełnie go zastąpią. Dzisiaj w rozmowie z Eweliną zastanowimy się, czy jest możliwe nieco inne rozwiązanie i inna opcja polegająca na tym, że to jednak może mózg w pewnych rozwiązaniach jest w stanie zastąpić rozwiązania krzemowe. Będziemy zatem mówić o bioobliczeniach i energooszczędnym AI. 

Zanim jednak do tego tematu przejdziemy, to chciałbym Cię, Ewelina, zapytać, czy słuchasz podcastów? Jeśli tak, to może jakieś ciekawe audycje będziesz w stanie zarekomendować.

 

Nie mam za dużo czasu, ale mam kilka takich ulubionych. Jest ich bardzo mało, bo to zawsze zajmuje strasznie dużo czasu. Bardzo lubię podcasty Lexa Fridmana, które są o technologii, właściwie nie tylko, bo on też już wychodzi i pozna inne tematy też polityczne, historyczne i są one bardzo, bardzo fascynujące i dużo się z nich nauczyłam, szczególnie na początku, jak się interesowałam sztuczną inteligencją. 

Bardzo też lubię jako neurobiolog podcast Andrew Hubermana. To jest neurobiolog amerykański, który prowadzi chyba najbardziej popularny podcast, który popularyzuje tę wiedzę z neurobiologii. I on właśnie dzieli się wieloma takimi praktycznymi radami, jak wykorzystać tę wiedzę z neurobiologii, żeby żyć lepiej, żeby np. lepiej spać, lepiej się czuć, mieć więcej energii. I to jest fantastyczne, bo to jest takie właśnie praktyczne wykorzystanie tej wiedzy, nie tylko w artykułach naukowych, ale właśnie jak to wykorzystać w życiu codziennym, żeby nam pomagało. Bo wiedza z neurobiologii jest bardzo pomocna, tylko po prostu trzeba się dowiedzieć o różnych rzeczach. 

Słucham też bardzo chętnie takich podcastów Tatiany Mitkowej, ona jest psychologiem. To są podcasty po polsku, to wszystko jest na YouTubie i one są z kolei o psychologii. I to też mi się wydaje bardzo ważna część naszego życia, żeby jak najlepiej dowiedzieć się, jak zdrowo żyć. I nie tylko właśnie od strony biologicznej, ale też od strony umysłu, żeby mieć, powiedzmy, dobry humor i się nie załamywać. Tak że wydaje mi się, że to wszystko takie bardzo praktyczne rzeczy, o których warto się dowiedzieć. 

 

Super, dzięki za tę rekomendację. Dzisiaj o bardzo praktycznych rozwiązaniach będziemy też mówić. No właśnie, powiedz, proszę, na początku, co jest nie tak z tymi obecnymi klasycznymi komputerami, z tymi rozwiązaniami opartymi o krzem, o AI bazującym na krzemie, jakby nie było. Czego im brakuje, że musimy szukać i rozglądać się za jakimiś alternatywnymi metodami obliczeniowymi? 

 

Główny problem ze współczesną sztuczną inteligencją jest taki, że mimo że ona naprawdę jest bardzo skuteczna w wielu dziedzinach i zaobserwowaliśmy naprawdę duży postęp ostatnio, szczególnie Chat GPT, wszystkie te modele językowe, one robią ogromne wrażenie, ale też wcześniej w dziedzinie rozpoznawania obrazów na przykład, gdzie wcześniej też się tym zajmowałam, to też ten postęp jest imponujący i bardzo dużo nam pomógł. I na pewno w wielu czynnościach sztuczna inteligencja może zastąpić człowieka, bo jest szybsza, bardziej wydajna, popełnia mniej błędów. 

Natomiast jest taki problem, że jednak z czasem im bardziej wydajne, im bardziej efektywne są te modele wszystkie sztucznej inteligencji, one też zużywają coraz więcej energii. I to jeszcze nie jest taki, powiedzmy, problem dzisiaj, taki, żeby nie można było używać tej sztucznej inteligencji. To już są ogromne koszty, szczególnie widać to w dużych modelach językowych, gdzie ostatnio krążył po internecie taki artykuł, w którym mówiono, że samo mówienie proszę i dziękuję do chat GPT kosztuje miliony dolarów. Więc to są ogromne koszty i dzisiaj jeszcze to nie jest bariera, ale ponieważ to zużycie energii przez sztuczną inteligencję wzrasta wykładniczo, to jednak możemy się spodziewać, że za kilka lat może to być problem, że po prostu nie starczy nam energii, żeby to wszystko zasilać, i to może spowolnić proces. 

Więc żeby rozwiązać ten problem, można rozważać dwa kierunki. Jeden to jest szukanie alternatywnych źródeł energii, a drugi kierunek to są właśnie obliczenia niekonwencjonalne, czyli takie inne niż to, co jest obecnie najbardziej popularne, czyli komputery cyfrowe. I właśnie tym kierunkiem ja się zajmuję. Niekonwencjonalnymi obliczeniami. 

 

Na pewno jeszcze ten temat dzisiaj z kilku kątów prześwietlimy. Pamiętam jakiś czas temu, już ładny czas temu, kiedy byłem jeszcze na studiach, już wtedy zaczęto mówić o tym, że prędzej czy później trafimy na różnego typu bariery fizyczne, technologiczne, związane z postępującą miniaturyzacją, z tym że upakowujemy na tej jednej płytce coraz więcej i więcej tranzystorów. I to nieubłagane prawo Moore’a, mam wrażenie, że zbliżamy się powoli do granic jego obowiązywania. 

Jak sobie tutaj spojrzałem, to duże firmy jak Intel czy Nvidia spierają się, czy to prawo nadal jeszcze obowiązuje, czy nie. Gdyby spojrzeć na różnego typu wykresy, to widzimy, że jeszcze w ten sposób wykładniczy ta moc obliczeniowa gdzieś tam się zwiększa, ale z pewnością już niedługo nie będzie to mogło następować w tak szybkim tempie. 

Więc chciałbym Cię zapytać, jakie są właśnie te fizyczne i technologiczne potencjalne bariery, które mogą nam gdzieś tutaj pokrzyżować szyki w skalowaniu tych cyfrowych systemów obliczeniowych. 

 

Ja akurat nie jestem inżynierem, tylko neurobiologiem, więc powiedzmy, że nie jestem ekspertem w tej dziedzinie, ale wiem na pewno z tego, co słyszałam właśnie z rozmów z różnymi inżynierami, że są pewne granice, jak bardzo małe mogą być nasze chipy, te obecne, cyfrowe. Niedługo po prostu już nie będzie można ich zrobić jeszcze mniejszych, ponieważ po prostu są jakieś ograniczenia, jeżeli chodzi o wielkość atomów, z których one się składają, więc to już do tego dochodzimy. 

I na przykład jednym z takich kierunków, o których słyszałam, to też nie jestem w tym ekspertem, ale słyszałam, że np. można robić w przyszłości cyfrowe chipy trójwymiarowe, które mogą być może być bardziej wydajne. I oczywiście też jest ważny kierunek w tym, że już teraz nie tylko są te chipy CPU czy GPU, ale dużo jest pracy nad takimi specjalnymi chipami FPGA, które są tak zaprojektowane, żeby jakieś określone zadanie wykonywać jak najlepiej. 

Jest jeszcze dużo do zrobienia, prawdopodobnie jeszcze można zrobić dużo w dziedzinie obliczeń cyfrowych, i to się dzieje nie tylko na poziomie hardware’u, ale też na poziomie software’u. Oczywiście to jest chyba najbardziej teraz aktywna dziedzina, jeżeli chodzi o obliczenia, bardzo dużo się dzieje i są cały czas badania, które jednak pozwalają na duże obniżenie tego zużycia i porównanie tego, co było wcześniej. 

 

Tak, to nie znaczy, że możemy na tym poprzestać, bo musimy, tak jak tutaj zaznaczyłaś, badać różne inne możliwości, które nigdy nie wiadomo w jakim kierunku i z jaką mocą się rozwiną. I właśnie Ty zajmujesz się jednym z takich kierunków badań. Zastanawiasz się i badasz ludzki mózg i potencjał, mam wrażenie, wykorzystania właśnie tego, jak działa mózg, aby zaprząc ten potencjał do obliczeń właśnie związanych m.in. z AI. 

W związku z tym pojawia się pytanie, jak ten nasz ludzki mózg przetwarza informacje. Czy on przetwarza bardziej, lepiej, efektywniej niż rozwiązania cyfrowe, czy też może w pewnych zastosowaniach jest po prostu lepszy, a w innych gorszy? 

 

Cały czas jest trudno trochę porównać ludzki mózg z komputerem, ponieważ my tak do końca nie wiemy, jak ludzki mózg dokładnie przetwarza informacje. To jest cały czas niezbadane i to jest duża bariera, że nikt nie wie dokładnie, jakie neurony właśnie kodują różne informacje, ale wiemy na pewno, patrząc na efekty, że ludzki mózg jest bardziej wydajny, ponieważ są takie publikacje, które mówią o tym, że żeby zasymulować ludzki mózg, potrzebowalibyśmy małej elektrowni jądrowej. Więc to jest takie dobre określenie.

I są pewne takie zadania, takie jak np. rozpoznawanie zmian w otoczeniu, które mózg robi bardzo wydajnie i efektywnie, nie zużywa niepotrzebnej energii tak jak komputery cyfrowe. Ponieważ komputery cyfrowe zazwyczaj analizują – oczywiście jest też duży postęp w algorytmach i te rzeczy są już też trochę poprawiane, ale można powiedzieć, że generalnie komputer analizuje wszystkie dane z taką samą ważnością, a nasz mózg potrafi jednak priorytetyzować informacje, potrafi je filtrować. I to jest jeden z powodów, dlaczego zużywa mniej energii i jest taki efektywny. 

Jeżeli np. pomyślimy o prowadzeniu samochodu i o analizowaniu obrazu tego, co widzimy przed samochodem, to nasz mózg rejestruje zmiany. Czyli jakby zużywa energię tylko na zauważenie zmian w otoczeniu, natomiast komputer cyfrowy analizowałby wszystkie piksele właściwie tak samo, więc używałby o wiele więcej energii. 

Tak że jest wiele różnic. Wiemy na pewno, że mózg zapisuje informacje w czasie i w przestrzeni, natomiast komputery w ramkach logicznych, w zerach i jedynkach, tak że to na pewno jest zupełnie inne, co zresztą jest zrozumiałe, ponieważ komputery są stworzone przez człowieka, są sztuczne, czyli nie muszą wcale działać tak samo jak ludzki mózg. I są też pewne rzeczy, w których komputery są lepsze. Na pewno jeżeli chodzi o pamięć i szybkie przyswajanie powtarzających się zadań, to komputery w tym są lepsze. Natomiast my wierzymy w to, że neurony są lepsze w takich kompleksowych zadaniach, skomplikowanych, i że mogą być bardziej kreatywne.

Tu też są zdania oczywiście podzielone, bo mówi się o tym, że Chat GPT np. też może być kreatywny, ale to, powiedzmy, można by dyskutować na ten temat. Niektórzy wierzą, że właśnie te neurony biologiczne są bardziej kreatywne niż np. właśnie sztuczna inteligencja, cyfrowa. 

I są pewne takie zadania, takie jak np. rozpoznawanie zmian w otoczeniu, które mózg robi bardzo wydajnie i efektywnie, nie zużywa niepotrzebnej energii tak jak komputery cyfrowe. Ponieważ komputery cyfrowe zazwyczaj analizują – oczywiście jest też duży postęp w algorytmach i te rzeczy są już też trochę poprawiane, ale można powiedzieć, że generalnie komputer analizuje wszystkie dane z taką samą ważnością, a nasz mózg potrafi jednak priorytetyzować informacje, potrafi je filtrować. I to jest jeden z powodów, dlaczego zużywa mniej energii i jest taki efektywny.

 

Fascynujący temat. Jeszcze myślę tutaj o innej możliwości, o tym, że takie zastępowanie jednego drugim to są pewnie jakieś skrajne podejścia, ale być może da się zmodyfikować obecne maszyny na podstawie tego, co wiemy o neurobiologii, żeby w jakiś sposób je po prostu usprawnić, w jakiś sposób przyspieszyć, albo zmienić ich zachowanie. Chciałabym Cię zapytać, czym są obliczenia neuromorficzne i na czym właśnie polega ich działanie? 

 

Obliczenia neuromorficzne to jest właśnie powiedzmy ta droga pomiędzy, czyli niecałkowite zastępowanie maszyn czy procesorów cyfrowych tymi żywymi neuronami, czyli coś pośrodku. 

Obliczenia neuromorficzne to jest taka dziedzina nauki, gdzie staramy się budować jakieś maszyny obliczeniowe zainspirowane ludzkim mózgiem. I to są różne poziomy, na których można się inspirować ludzkim mózgiem. Można tworzyć symulacje nawet w komputerze cyfrowym, naszym osobistym, w domu. Oczywiście to jest dużo łatwiejsze, ale też oczywiście nie zaoszczędzi tak bardzo energii, albo może nawet wręcz przeciwnie. Symulacje na komputerach cyfrowych, takich jak biologia przetwarza informacje, czasami może kosztować więcej energii niż właściwie tradycyjne, sztuczne sieci neuronowe. 

I w badaniach takich naukowych można iść krok dalej, nie tylko symulować, ale można też tworzyć nowe płytki cyfrowe, w których architektura będzie bardziej zainspirowana ludzkim mózgiem. Przykładem takiej płytki jest SpiNNaker, który był stworzony na Uniwersytecie w Manchesterze, i to jest też cały czas procesor cyfrowy, ale on jest zainspirowany tym, jak ludzki mózg działa. Czyli już trochę inną architekturę. 

Można też iść jeszcze trochę dalej i stworzyć płytki analogowe, nie cyfrowe, a analogowe, czyli bliżej jeszcze do tego, jak działa ludzki mózg, bo wierzymy w to, że ludzki mózg jest właśnie analogowy. Więc są też naukowcy, którzy starają się właśnie tworzyć takie analogowe płytki i starają się na nich przetwarzać informacje i starają się to zrobić oczywiście, inspirując się ludzkim mózgiem. Czyli np. zapisując w czasie informacje. I to są takie różne kierunki. 

I można oczywiście iść jeszcze dalej i właśnie zastosować żywe neurony. To już nie będą obliczenia neuromorficzne, tylko biologiczne, można tak powiedzieć. Tutaj nomenklatura jest jeszcze niezbyt ustalona, bo to jest zupełnie nowy kierunek, od kilku lat dopiero istnieje, można powiedzieć mniej niż 10 lat. Więc te nazwy jeszcze nie są takie ustalone. Ale można to nazywać biocomputingiem. Można też to nazywać takim terminem wetware computing albo też synthetic biology. Jest jeszcze takie określenie organoid intelligence, czyli inteligencja organoidów. A organoidy to są takie struktury właśnie z neuronów, które można wytworzyć w laboratorium in vitro i które, powiedzmy, w jakiś sposób przypominają ludzki mózg. Tak że są różne określenia na tę dziedzinę. 

I można oczywiście iść jeszcze dalej i właśnie zastosować żywe neurony. To już nie będą obliczenia neuromorficzne, tylko biologiczne, można tak powiedzieć. Tutaj nomenklatura jest jeszcze niezbyt ustalona, bo to jest zupełnie nowy kierunek, od kilku lat dopiero istnieje, można powiedzieć mniej niż 10 lat. Więc te nazwy jeszcze nie są takie ustalone. Ale można to nazywać biocomputingiem. Można też to nazywać takim terminem wetware computing albo też synthetic biology. Jest jeszcze takie określenie organoid intelligence, czyli inteligencja organoidów. A organoidy to są takie struktury właśnie z neuronów, które można wytworzyć w laboratorium in vitro i które, powiedzmy, w jakiś sposób przypominają ludzki mózg. Tak że są różne określenia na tę dziedzinę. 

 

Myślę, że to jest bardzo nowatorska dziedzina, która powstała całkiem niedawno. Czy w przypadku takiego wykorzystania materiału biologicznego, nie wiem czy to jest dobra tutaj nomenklatura, ale wykorzystania neuronów do wykonywania faktycznych obliczeń, możemy mówić o rozróżnieniu na hardware i software, jak to ma w przypadku tych naszych tradycyjnych, krzemowych komputerów, czy też może tutaj jedno się zlewa z drugim? 

 

Dobre pytanie. Wydaje mi się, że nie. Cały czas będzie software też, bo, powiedzmy, hardware’em są neurony. To, co jest na pewno inne niż w komputerach cyfrowych, to fakt, że w neuronach czy w mózgu zarówno pamięć, jak i przetwarzanie informacji odbywa się w tym samym miejscu. To też oszczędza energię, w przeciwieństwie do naszych komputerów cyfrowych, gdzie mamy pamięć w RAM, później ta informacja jest przesunięta w inne miejsce, jeżeli jest przetwarzana. Tak że na pewno są takie różnice, ale też wydaje mi się, że będzie podział na hardware i software. Hardware’em będzie oczywiście neuron, natomiast software’em będzie to, jak możemy cały czas pisać o algorytmy, jak komunikować się z neuronami, tak, żeby mogły wykonać jakieś określone zadania. 

Czyli to tak naprawdę tak samo jak w komputerze, tylko oczywiście te algorytmy będą zupełnie inne, będą działały na zupełnie innych zasadach. I to jest taka sama sytuacja, możemy powiedzieć, jak w komputerach kwantowych, które też tam, gdzie hardware jest inny, więc te algorytmy też są zupełnie inne i to jest właśnie jedna z największych barier właściwie, stworzenie takich nowych, niekonwencjonalnych metod, obliczeń, bo trzeba wymyślić zupełnie nowy sposób napisania algorytmów. 

I to jest właściwie, można powiedzieć, chyba największy, największa bariera, przynajmniej jeżeli chodzi o obliczenia te biologiczne na żywych neuronach, że nie wiemy, jak je programować, przynajmniej dzisiaj. Po prostu wymaga to pewnych eksperymentów, metod prób i błędów, i też uczenia się na podstawie tego, co wiemy z biologii. A z biologii niestety nie wiemy jeszcze wystarczająco, bo jeszcze nikt nie wie szczegółowo, jak mózg koduje i przetwarza informacje dokładnie. 

 

Domyślam się, że w związku z tym rozwój i badania w tej dziedzinie wymagają bardzo takiego interdyscyplinarnego podejścia i udziału pewnie fachowców, specjalistów z różnych dziedzin. Zgadza się? 

 

Tak, absolutnie. Zarówno w obliczeniach neuromorficznych, jak i  w obliczeniach tych biologicznych jest to bardzo ważne. Na pewno tu cały czas najważniejsza jest umiejętność kodowania i inżynieria. Natomiast nie da się tego robić bez wiedzy też o biologii. Bez wiedzy, jak działają neurony, na tyle, ile możemy wiedzieć oczywiście, jak one się zachowują, jest to absolutnie niezbędne. Bo jeżeli tego nie będziemy wiedzieć, to praktycznie nie jesteśmy w stanie zaprojektować eksperymentów na neuronach, jeśli nie wiemy czegoś o nich, jak one działają. Bo są zupełnie inne niż te cyfrowe płytki. 

 

Oczywiście. A na ile obiecująca jest tutaj ta dziedzina, ten kierunek, ten alternatywny sposób wykonywania obliczeń? Na jakim etapie są obecnie te technologie bioobliczeniowe i neuromorficzne? 

 

To zależy wszystko od zaawansowania. Jeżeli chodzi o obliczenia neuromorficzne, to są już pierwsze takie komercyjne zastosowania tych obliczeń, chociaż one cały czas są jeszcze w powijakach, można powiedzieć. To jest jeszcze wczesny etap. Ale są już start-upy, jest ich dosyć dużo, które mają już jakieś, powiedzmy, działające rozwiązania, albo prawie działające. 

Natomiast jeżeli chodzi o obliczenia biologiczne, to są obecnie na świecie trzy start-upy, które się tym zajmują. Jest to zdecydowanie etap R&D, czyli obliczenia na żywych neuronach jeszcze na tym etapie nie działają. Na razie to są fundamentalne badania nad, powiedzmy, tym, jakie neurony przekazują informacje. Więc my przynajmniej w FinalSpark, gdzie się tym zajmujemy, przewidujemy, że ta technologia będzie działać za około 10 lat. Co oczywiście jest trudno przewidzieć, bo wiadomo, że to wszystko jest trochę eksperymentalne, ale przewidujemy, że to zajmie co najmniej 10 lat, żeby taki komputer działał. 

Więc na razie można mieć neurony w laboratorium, można je podłączyć do hardware’u, można na nich robić eksperymenty, ale nie można jeszcze niczego na nich obliczyć ani wykonać jakiegoś konkretnego zadania. 

Nam na przykład w naszym laboratorium w FinalSpark udało się zachować 1 bit informacji w neuronach żywych. Czyli to jest naprawdę wczesny etap, fascynujący, ale bardzo wczesny jeszcze, więc jeszcze daleko do aplikacji. Na razie to są badania fundamentalne. 

 

Rozumiem. W przypadku tych krzemowych rozwiązań obliczeniowych urządzenia, które oparte są na krzemie, są w miarę uniwersalne, w sensie różnego typu obliczenia można na nich wykonywać. Inaczej jest na przykład w przypadku rozwiązań komputerów kwantowych, prawda? One jednak nie są takiego ogólnego przeznaczenia. Tutaj oczywiście ten poziom badań jest znacznie pewnie bardziej do przodu niż ta dziedzina, o której Ty mówisz. Mimo wszystko już teraz wiemy, że to nie będzie komputer powszechnego zastosowania. Ma pewien swój określony tutaj zbiór algorytmów, czy problemów, na których się sprawdzi. 

Czy tak samo można mówić o potencjalnych komputerach działających na rozwiązaniach właśnie biologicznych, czy też tutaj raczej dążymy do stworzenia czegoś ogólnego? W tym sensie, że będziemy w stanie różne problemy za pomocą tego hardware’u z oprogramowaniem rozwiązywać?

 

My przewidujemy, że to będzie ogólne zastosowanie, chociaż nie wydaje nam się, że neurony mogą zastąpić całkowicie cyfrowe technologie, bo zarówno neurony, nasz ludzki mózg, jak i technologie cyfrowe mają pewne zalety, więc to na pewno nie chodzi o zastąpienie całkowicie, ale wydaje nam się, patrząc na ludzki mózg, że możemy oczekiwać, że jeżeli uda nam się przetwarzać informacje efektywnie w neuronach, także w laboratorium, to prawdopodobnie będzie można przetwarzać różne typy informacji, tak że będzie to prawdopodobnie szersze zastosowanie. 

Natomiast nie wydaje mi się, że będziemy mieć komputery z żywymi neuronami. Osobiście nie wierzę za bardzo w ten kierunek, bo jednak neurony wymagają bardzo szczególnych warunków i można je zapewnić najskuteczniej w laboratorium, tak że my bardziej wierzymy w ten kierunek, że będziemy mieć takie serwery. Tak jak teraz mamy serwery do obliczeń cyfrowych, że będą też serwery do obliczeń biologicznych, i że będzie to po prostu taka alternatywa do tego, co mogą zaoferować komputery cyfrowe. 

I wydaje mi się, że generalnie patrząc na rozwój hardware’u w różnych kierunkach, oczywiście nie tylko tych inspirowanych biologią, to w przyszłości możemy oczekiwać, że po prostu tych hardware’ów, tych płytek różnego typu będzie o wiele więcej i np. nasz komputer będzie może bardziej skomplikowany, będzie miał więcej różnych płytek różnego typu, które będą optymalizowane do różnych rzeczy i tak samo też serwery, te takie dostępne zdalnie będą miały po prostu wbudowane różne technologie. 

I nam się wydaje, że to jest bardziej prawdopodobny kierunek niż to, że jakiś rodzaj technologii zastąpi wszystko, co teraz istnieje. 

 

A kto obecnie na tym pracuje? Jakie filmy, repertoria, start-upy są liderami w rozwoju tej dziedziny? 

 

Z tego, co my wiemy, to są trzy start-upy na świecie. Nasz FinalSpark, który się mieści w Szwajcarii, to jest start-up założony w 2014 roku z celem, żeby zbudować myślącą maszynę, powiedzmy, czyli w celu prowadzenia badań takich fundamentalnych nad sztuczną inteligencją. Po pewnym czasie stwierdziliśmy, że używanie do tego już cyfrowych technologii nie ma sensu, bo będzie to zbyt dużo kosztowało, bo zużywamy zbyt dużo energii, i dlatego zdecydowaliśmy się zmienić kierunek i zająć się obliczeniami biologicznymi, biocomputingiem, i wierzymy, że to jest przyszłość. 

Jest też start-up w Australii, który się nazywa Cortical Labs, i oni też są całkiem zaalansowani w tych badaniach i reprezentują ten inny kierunek. Tak jak mi mówiłam, my wierzymy w to, że biologiczne komputery będą dostępne zdalnie jako takie centralne serwery, natomiast oni starają się zbudować właśnie takie przenośne komputery z żywych neuronów. 

I był też start-up w Stanach, Koniku, który z kolei chciał się skupić na takiej specyficznej aplikacji, na tym, żeby te żywe neurony mogły rozpoznawać różne zapachy. Z tego co wiemy, nie są teraz aktywni, więc można powiedzieć, że zostały dwie takie, dwie firmy,  które aktywnie działają w dziedzinie biocomputingu. 

Natomiast jeżeli chodzi o badania takie akademickie, no to można powiedzieć, że pewne badania w tym kierunku były już robione od 30 lat w niektórych ośrodkach akademickich. Jednym z naszych doradców naukowych jest profesor Steve Potter, który robi takie badania już od 30 lat i starał się coś robić z neuronami in vitro, żeby wykonały jakieś zadanie. I były różne badania na neuronach np. mysich, szczurzych na początku. 

Teraz, od 15 lat, dzięki nowym metodom w biologii można otrzymać ludzkie neurony z ludzkiej skóry, także bez żadnych większych poświęceń. Wystarczy pobrać skórę, stworzyć z niej komórki macierzyste i przeprogramować je na neurony. To jest taka metoda, za którą była Nagroda Nobla około 15 lat temu i dzięki temu można już takie badania robić właśnie na komórkach ludzkich, na ludzkich neuronach. 

I jest też kilka ośrodków akademickich, na przykład takich, które z nami współpracują, bo nasze laboratorium jest dostępne zdalnie całkowicie, więc naukowcy z całego świata mogą się podłączyć i robić eksperymenty na żywych neuronach i starać się jakoś programować. Więc można powiedzieć, że oni też trochę działają w tym obszarze, ale są to raczej badania takie fundamentalne nad tym, jak neurony przetwarzają informacje, i to są głównie tacy ludzie, którzy się zajmują matematyką, jakimś przetwarzaniem sygnałów, bo to jest najważniejsza specjalizacja, która jest potrzebna do tego, żeby zbudować takie żywe komputery. 

 

Skoro pozyskanie ludzkiego neuronu nie jest już problemem i barierą, to z jakimi jeszcze innymi wyzwaniami technologicznymi, no i myślę sobie, że też pewnie etycznymi muszą się takie projekty mierzyć?

 

Jeżeli chodzi o techniczne kwestie, to największą barierą jest to, że nikt nie wie, jak właściwie programować neurony. Trzeba wymyślić zupełnie nowy sposób na to i nikt jeszcze tego do końca nie wie, jak neurony zapisują informacje, jak ją kodują, jak ją przetwarzają, więc to jest właściwie największa bariera w obliczeniach biologicznych i też w neuromorficznych, bo to też jest największy problem właściwie, że nikt tak do końca nie wie, jak te algorytmy pisać, więc to wymaga wielu eksperymentów i też takiego myślenia teoretycznego, jak wykorzystać tę wiedzę z neurobiologii i jak ją połączyć i wiedzę z matematyki, żeby jakoś wymyślić jakiś taki framework, żeby te dane przetwarzać. Więc to jest największa taka bariera, którą ja widzę. 

Jeżeli chodzi o hardware, to nie ma wielkiej, ponieważ jest stosunkowo łatwo wytworzyć neurony w laboratorium i co jest bardzo wielką zaletą neuronów, że można je namnażać w dużych ilościach, czyli to nie jest taki problem jak z naszymi silikonowymi chipami, że różne warunki polityczne mogą wpłynąć na to, czy będziemy mieć do nich dostęp. Jeżeli chodzi o neurony, to nie ma takich barier i bardzo łatwo je wyprodukować w laboratorium i myślę, że jeżeli takie komputery będą możliwe, to będzie dosyć łatwo je wyprodukować, tylko najtrudniejsze jest nauczenie się, jak je programować. 

To jeżeli chodzi o sprawy techniczne, natomiast jeżeli chodzi o sprawy etyczne, no to oczywiście ten projekt wzbudza duże zainteresowanie, czasami też kontrowersje. Jest dużo pytań takich etycznych, właśnie dostajemy bardzo dużo pytań też od dziennikarzy i ogólnie od szerszej publiczności, bo nasz projekt jest dosyć popularny, bardzo dużo jest publikacji na nasz temat w prasie i też w social mediach, tak że on też pobudza wyobraźnię. 

Niektórzy nas pytają, co zrobimy, jeżeli te komputery będą miały świadomość. Oczywiście na tym etapie jeszcze nie można o tym mówić, bo dzisiaj nasze prototypy procesorów to są zlepki takich dziesięciu tysięcy komórek, które mają około pół milimetra, więc one są bardzo malutkie, i wiadomo, to przetwarzanie danych jest bardzo takie podstawowe. Nic tam jeszcze nie dzieje, co mogłoby wskazywać na myślenie albo na świadomość.

Ale można powiedzieć, że w przyszłości, bo wyobrażamy sobie, że kiedyś będziemy mieć takie ogromne struktury z neuronów zbudowane, nawet i 100 metrów długości, jeżeli to się da zrobić, i może się tak zdarzyć, że one będą miały świadomość. Oczywiście nie wiemy tego dzisiaj i możemy jedynie być przygotowani po prostu, że jeżeli w przyszłości się okaże, że one będą miały świadomość, to będzie się trzeba do tego dostosować. 

I też jest dużo pytań na temat tego, jaka jest granica pomiędzy technologią a człowiekiem, co jest biologią, a co technologią, bo ta granica się zaciera. Ale nawet z naszymi smartfonami dzisiaj: możemy powiedzieć, że one są w pewnym sensie przedłużeniem człowieka. One też nas bardzo zmieniły, więc właściwie technologia zawsze była częścią jakby człowieka i go zmienia cały czas, więc to nie muszą być wcale żywe neurony, takie silikonowe, cyfrowe technologie, one też zmieniają świat, zmieniają człowieka. Tylko na pewno każda zmiana powoduje trochę stresu i myślę, że potrzeba czasu, żeby się do niej przyzwyczaić. 

Ale też my nie jesteśmy ekspertami, jeżeli chodzi o etykę i filozofię i staramy się nawiązać kontakt z filozofami, którzy się zajmują takimi kwestiami etycznymi w technologii, żeby nam pomogli też przygotować się, bo chcemy, żeby ta technologia była akceptowalna społecznie i żeby wszystkie takie problemy etyczne, jakieś wymagania etyczne, żeby to wszystko było opracowane, bo oczywiście chcielibyśmy móc to robić jak najlepiej. 

I np. w zeszłym roku byliśmy na takiej konferencji w Holandii na Uniwersytecie w Delft, która była poświęcona etyce w technologii i właśnie tam rozmawialiśmy z różnymi ekspertami i staramy się wytłumaczyć ten projekt filozofom, żeby mogli rozmyślać na ten temat i żeby mogli nam pomóc w odpowiedzi na te trudne pytania etyczne. 

 

No tak, trzeba być przygotowanym. Bardzo ciekawy temat. Mówiłaś tutaj sporo o hardware, natomiast myślę, że równie często padało słowo programowanie, tworzenie algorytmów i właśnie w tym kierunku software’owym również wspominałaś kilka razy, że jest to istotny element tego całego projektu. Więc może warto się zastanowić, czy są jakieś kompetencje, jakieś umiejętności, które obecni programiści mogliby rozwijać albo przynajmniej rozważać, myśleć w kierunku, które by pozwoliły w jakiś sposób im później wejść właśnie w programowanie takich rozwiązań, o których dzisiaj rozmawiamy? 

 

Tak, zdecydowanie. Myślę, że zarówno w obliczeniach neuromorficznych, jak i w biologicznych właściwie wszystkie takie technologie, które są w jakiś sposób inspirowane mózgiem, bardzo w nich pomaga wiedza z neurobiologii, z tego jak mózg, na tyle, na ile możemy to wiedzieć oczywiście, przetwarza informacje i jak działają neurony. Tak że to jest na pewno niezbędne, żeby coś wiedzieć na ten temat, jak właśnie neurony się uczą i jak one się zachowują, szczególnie jeżeli pracujemy na żywych neuronach, na tych biologicznych, to już naprawdę jest to bardzo ważne. 

I trzeba też, wiadomo, tak właściwie jest w każdej technologii, że trzeba wiedzieć, jak jest zbudowany hardware, żeby móc go dobrze programować, przynajmniej na pewno na takim wczesnym etapie, bo nie mamy jeszcze takich wyższościowych języków, żeby się komunikować, więc na razie to jest tak, jakbyśmy chcieli używać jakiegoś języka takiego niskopoziomowego, jakiegoś Veriloga, czy czegoś. Właśnie tak wygląda ta praca nad neuronami biologicznymi, żeby trzeba bardzo dobrze wiedzieć, jak one działają, żeby móc z nich korzystać. 

I mogę powiedzieć, tak praktycznie, jak to teraz wygląda. Obecnie mamy te nasze neurony na ośmiu elektrodach, każdy. Każdy ten zlepek neuronów jest na ośmiu elektrodach i ich tzw. programowanie wygląda w ten sposób, że wysyłamy im sygnały elektryczne i pobieramy też sygnały elektryczne z neuronów, i staramy się pomiędzy tym, co wysyłamy i tym, co odbieramy, żeby był jakiś sens. I cały właściwie cel tego projektu to jest to, żeby mieć tę sensowną relację między tym, co wysyłamy do neuronów i tym, co o nich odbieramy. I to wszystko jest projektowane właściwie w Pythonie, czyli bardzo tradycyjnie jeszcze w komputerze cyfrowym. 

Tam można zaprojektować cały eksperyment, jakie sygnały będziemy wysyłać, kiedy będziemy zbierać dane. I to wszystko jest przetwarzane później też na sygnał analogowy, na elektryczny, który jest wysyłany do tych neuronów. I też neurony, ich aktywność może być zbierana i też analizowana. Na razie bardzo dużo Pythona w tym jest i bardzo dużo takiej matematyki, Data Science i przetwarzania sygnałów. I też ważne, tak jak mówiłam, że trzeba czegoś się nauczyć na temat tego, jak działają neurony i jak przetwarzają informacje. 

I mogę powiedzieć, tak praktycznie, jak to teraz wygląda. Obecnie mamy te nasze neurony na ośmiu elektrodach, każdy. Każdy ten zlepek neuronów jest na ośmiu elektrodach i ich tzw. programowanie wygląda w ten sposób, że wysyłamy im sygnały elektryczne i pobieramy też sygnały elektryczne z neuronów, i staramy się pomiędzy tym, co wysyłamy i tym, co odbieramy, żeby był jakiś sens. I cały właściwie cel tego projektu to jest to, żeby mieć tę sensowną relację między tym, co wysyłamy do neuronów i tym, co o nich odbieramy. I to wszystko jest projektowane właściwie w Pythonie, czyli bardzo tradycyjnie jeszcze w komputerze cyfrowym. 

 

Jak wspomniałaś o Pythonie, czy są jakieś inne narzędzia, rozwiązania, biblioteki, frameworki, cokolwiek, co istnieje w tym obszarze, a z czym warto się zapoznać? 

 

Jeżeli chodzi o obliczenia biologiczne, przynajmniej te, które robimy w FinalSpark, to my mamy specjalne, specjalną bibliotekę, która jest też rozwijana przez naszych inżynierów i z niej można korzystać, jeżeli ma się dostęp do naszego laboratorium. 

Ale też można właściwie bez żadnych kosztów, można się też bawić samemu w domu, w obliczenia takie inspirowane mózgiem, ponieważ jest bardzo dużo bibliotek i jest bardzo dużo badań też w tym kierunku, żeby robić różne symulacje, tak jak wcześniej mówiłam. To jest właściwie najprostszy, najtańszy sposób i też mi się wydaje, że jeżeli ktoś by chciał się nauczyć i w ogóle wejść w ten temat jakichkolwiek obliczeń inspirowanych biologią, to właśnie najlepiej jest zacząć od takich bibliotek, które można uruchomić na swoim komputerze.

I jest ich bardzo wiele, np. jest taka biblioteka, która się nazywa Brian2, ona jest chyba napisana w Pythonie, jeśli dobrze pamiętam i jest ich bardzo, bardzo dużo, i można się bawić w różne obliczenia inspirowane mózgiem. I co jest najważniejszą może różnicą w tym, że właśnie mózg zapisuje informacje w czasie i przestrzeni, i my, powiedzmy, że tą przestrzenią bardzo się nie zajmujemy, ale bardziej czasem. Wtedy te wszystkie jakby symulacje obliczeń na neuronach się skupiają na zapisywaniu informacji w czasie, czyli też można się tego nauczyć. 

 

To jest, myślę, dobra informacja i świetna sprawa, że tak naprawdę praktycznie bezkosztowo jesteśmy w stanie się zaznajomić z tymi bibliotekami i popróbować różne stymulacje stworzyć. 

 

Oczywiście, i jest bardzo dużo kursów, ja akurat dużo korzystam z Coursea, z przyzwyczajenia, ale pewnie są też inne źródła bardzo dobre, gdzie można się nauczyć o takich rzeczach, np. computational neuroscience. To są takie dobre tematy, które można przetrawić, żeby się wprowadzić w to przetwarzanie danych zainspirowanych biologią. 

 

Załóżmy na chwilę, że ten temat, ten obszar technologii inspirowanych biologią się rozwija. Jak może wyglądać przyszłość AI, przyszłość komputerów, jeśli faktycznie pójdziemy z tymi badaniami, projektami mocno do przodu? 

 

Wydaje mi się, że przyszłość będzie taka, że będziemy mieć różne technologie, pewnie też komputery kwantowe, jednocześnie dostępne, albo zdalnie, albo być może też w osobistych jakichś urządzeniach, i że będzie po prostu różnorodność, i że będą różne specjalne płytki, które będą na przykład tak zaprojektowane, żeby być zoptymalizowane na jakieś konkretne zadanie. 

Więc wydaje mi się, że można się spodziewać większej różnorodności w serwerach i w komputerach, ale to jest oczywiście moje przeczucie wyłącznie, tak że być może są też inni, którzy mają jakieś inne zdania na ten temat, ale wydaje mi się, że można się spodziewać różnorodności i też powiem szczerze, że wydaje mi się, że widzę taki trend ogólnie, bo też na wielu uczelniach jest coraz więcej kierunków takich, które łączą np. biologię i inżynierię, i już widziałam takie rzeczy właśnie w Szwajcarii, w Niemczech, są takie kierunki, gdzie studenci uczą się o sztucznej inteligencji, ale też o tym, jak się buduje jakiś hardware i też jak działa mózg. 

Tak że myślę, że to też jest taka wskazówka, że taka wiedza interdyscyplinarna będzie coraz bardziej potrzebna, bo będzie coraz więcej takich rzeczy, które będą wymagały połączenia kilku dziedzin jednocześnie. 

 

Zatem odpowiadając na to nasze pierwotne pytanie, czy mózg zastąpi krzem, można, myślę, powiedzieć, że nie, bo nie ma takiej potrzeby, jedno i drugie podejście może istnieć obok siebie, ale też ze sobą współpracować i się wzmacniać, i to jest pewnie ten kierunek, który w niedalekiej przyszłości będziemy obserwować. Trzymam kciuki, żeby faktycznie ten obszar się rozwinął, bo myślę, że tutaj może powstać całkiem fajna synergia pomiędzy tym podejściem opartym na krzemie, który teraz dominuje i czymś nowym, czymś świeżym. To zawsze jest bardzo wzmacniające i bardzo rozwijające. 

Ewelina, bardzo dziękuję Ci za dzisiejszą rozmowę. Myślę, że nie tylko ja, ale też wielu z naszych słuchaczy wiele się dzisiaj nauczyło. 

 

Dziękuję bardzo. 

 

Powiedz, proszę, na koniec, gdzie Cię możemy znaleźć w internecie? 

 

Można mnie znaleźć na LinkedInie, gdzie jestem bardzo aktywna. Można mnie znaleźć na stronie internetowej finalspark.com. Można mnie też znaleźć na mojej osobistej stronie ewelinakurtys.com. Tak że jestem obecna w internecie szeroko. 

 

Świetnie. Oczywiście wszystkie linki będą w notatce do odcinka. Jeszcze raz Ci bardzo dziękuję. Udanego dnia i cześć. 

 

Dziękuję, cześć. 

 

I to na tyle z tego, co przygotowałem do Ciebie na dzisiaj. Więcej wartościowych treści znajdziesz we wcześniejszych odcinkach. Masz pytania? Napisz do mnie na krzysztof@porozmawiajmyoit.pl lub przez social media. 

Ja się nazywam Krzysztof Kempiński, a to był odcinek podcastu Porozmawiajmy o IT o tym, czy mózg zastąpi krzem, czyli o bioobliczeniach i energooszczędnym AI. 

Do usłyszenia w następnym odcinku. 

Cześć!