基于硅芯片的人工智能在短時間內(nèi)取得了巨大進(jìn)步，推動了當(dāng)今生成式AI聊天機(jī)器人、圖像創(chuàng)建工具和自主智能體核心大語言模型的重大發(fā)展。

現(xiàn)在，一家名為生物計算公司(The Biological Computing Co.)的初創(chuàng)企業(yè)認(rèn)為，人工智能的未來在于使用真實活體神經(jīng)元的生物計算系統(tǒng)，這將為新一代模型提供動力，比目前任何技術(shù)都更快、更便宜、適應(yīng)性更強。

TBC(該初創(chuàng)公司的簡稱)今天宣布，已從Primary Ventures獲得2500萬美元的種子輪融資，同時推出全球首個用于計算機(jī)視覺和生成式AI的生物計算平臺。

這家前身為生物黑盒(Biological Black Box)的公司采用了與OpenAI、谷歌和Anthropic截然不同的方法，將活體神經(jīng)元與現(xiàn)代AI基礎(chǔ)設(shè)施連接，創(chuàng)建比傳統(tǒng)大語言模型更穩(wěn)定、可擴(kuò)展和高效的前沿模型。該公司基于神經(jīng)元的平臺直接與基礎(chǔ)模型集成，在提高性能的同時降低計算成本，這反映了其創(chuàng)始人的信念：當(dāng)人工智能與生物智能結(jié)合時，具有更大的潛力。

TBC聯(lián)合創(chuàng)始人兼首席執(zhí)行官亞歷克斯·克森多夫斯基表示，他的公司處于三股新興力量的交匯點：神經(jīng)科學(xué)的快速發(fā)展、當(dāng)今AI系統(tǒng)日益增長的限制，以及可能對世界造成巨大破壞的新興氣候和能源危機(jī)。他對當(dāng)今大語言模型的問題之一是它們依賴暴力擴(kuò)展和重復(fù)優(yōu)化循環(huán)來推動改進(jìn)。他說，這種方法在每次性能飛躍時都會變得越來越昂貴，使其在長期內(nèi)不可持續(xù)。

據(jù)克森多夫斯基稱，解決方案是構(gòu)建一個全新的計算系統(tǒng)類別，其中實驗室培育的神經(jīng)元與硅芯片相輔相成，實現(xiàn)卓越的性能和效率提升。"使用真實大腦進(jìn)行計算，矛盾地是計算機(jī)科學(xué)領(lǐng)域最難以捉摸但也是最明顯的想法，"他說。

大腦上的人工智能

TBC的神經(jīng)科學(xué)和工程團(tuán)隊將真實世界的數(shù)據(jù)(如文本、圖像和視頻)直接編碼到這些活體神經(jīng)元中，然后將其神經(jīng)活動解碼為豐富的表示，這些表示可以使用模塊化適配器映射到前沿模型上。與此同時，TBC的啟發(fā)計算平臺應(yīng)用生物學(xué)衍生原理來指導(dǎo)新的AI系統(tǒng)設(shè)計，創(chuàng)建了一個新的計算層，加強現(xiàn)有的AI架構(gòu)。

TBC的另一位聯(lián)合創(chuàng)始人兼首席運營官喬恩·波梅拉涅茨說，該公司正處于向硅芯片之后技術(shù)轉(zhuǎn)變的范式轉(zhuǎn)變的底層。"我們正在建設(shè)基礎(chǔ)設(shè)施，以一種根本性的新方式理解和與世界互動，"他補充說。

克森多夫斯基說，TBC的生物AI基礎(chǔ)設(shè)施比傳統(tǒng)的基于硅芯片的AI提供了一些實質(zhì)性的好處。通過利用神經(jīng)元的自然動力學(xué)，它可以大幅減少AI模型生成輸出所需的計算量。神經(jīng)元還支持持續(xù)學(xué)習(xí)和改進(jìn)記憶，只需要最少的訓(xùn)練，克服了剛性、基于硅芯片模型的"無狀態(tài)"特性。它們還模仿了人腦提取高維模式的能力，這意味著生物驅(qū)動的AI模型可以用更少的例子學(xué)習(xí)和泛化。最后，神經(jīng)元只需要傳統(tǒng)硅芯片功耗的一小部分。

星座研究的霍爾格·穆勒說，尋求以更具成本效益的方式運行AI正在激發(fā)各種新想法，因為企業(yè)正在基礎(chǔ)設(shè)施上花費數(shù)十億美元。他相信，任何能夠節(jié)省這些數(shù)十億美元的想法都肯定會得到很多關(guān)注。

"生物計算公司的想法很有說服力，使用人腦及其經(jīng)過驗證的足跡作為更好、更節(jié)能的AI架構(gòu)的基礎(chǔ)，"他說。"但這與我們現(xiàn)在所做的相比是一種根本不同的方法，這家初創(chuàng)公司必須證明這種方法不僅能夠交付，而且能夠擴(kuò)展以支持我們今天使用的AI應(yīng)用程序類型。如果它能做到這一點，它肯定會找到很多接受者。"

TBC已經(jīng)應(yīng)用其技術(shù)以各種方式增強AI模型的能力。例如，其VAE效率適配器正在幫助開發(fā)人員改善前沿模型的重建質(zhì)量和表示效率，它還展示了在生成式AI視頻和世界模型中增強長期連貫性的能力。

該初創(chuàng)公司的計劃是顛覆傳統(tǒng)的AI基礎(chǔ)設(shè)施市場，該市場目前由托管在云數(shù)據(jù)中心的大型圖形處理器集群主導(dǎo)，預(yù)計到2030年價值將達(dá)1.7萬億美元。為此，它計劃為云環(huán)境推出混合神經(jīng)-硅集群，并設(shè)定了2027年的發(fā)布日期。

Primary Ventures的布萊恩·謝克特說，硅芯片到目前為止為AI舉起了火炬，但它很快就會達(dá)到極限。"AI的下一個突破將來自生物計算等替代架構(gòu)，"他說。"我們相信TBC能夠為計算機(jī)視覺和世界模型等要求苛刻的工作負(fù)載提供階躍式增益，其早期進(jìn)展指向了一類新的AI基礎(chǔ)設(shè)施。"

Q&A

Q1：生物計算公司的技術(shù)原理是什么？

A：生物計算公司將實驗室培育的活體神經(jīng)元與現(xiàn)代AI基礎(chǔ)設(shè)施連接，通過神經(jīng)科學(xué)和工程團(tuán)隊將真實世界數(shù)據(jù)直接編碼到活體神經(jīng)元中，然后將神經(jīng)活動解碼為豐富表示，映射到前沿模型上，創(chuàng)建比傳統(tǒng)大語言模型更穩(wěn)定、可擴(kuò)展和高效的系統(tǒng)。

Q2：生物計算相比傳統(tǒng)硅芯片AI有哪些優(yōu)勢？

A：生物計算具有四大優(yōu)勢：大幅減少AI模型生成輸出所需的計算量；支持持續(xù)學(xué)習(xí)和改進(jìn)記憶且只需最少訓(xùn)練；模仿人腦提取高維模式的能力，用更少例子實現(xiàn)學(xué)習(xí)和泛化；神經(jīng)元功耗僅為傳統(tǒng)硅芯片的一小部分。

Q3：生物計算公司的商業(yè)化計劃是什么？

A：該公司計劃顛覆預(yù)計到2030年價值1.7萬億美元的傳統(tǒng)AI基礎(chǔ)設(shè)施市場，準(zhǔn)備為云環(huán)境推出混合神經(jīng)-硅集群，設(shè)定了2027年的發(fā)布日期。目前已應(yīng)用技術(shù)改善前沿模型的重建質(zhì)量和表示效率。