Um empresa conectou, com êxito, 16 mini-cérebros humanos para criar um “biocomputador” de baixo consumo

A empresa suíça FinalSpark usou a computação wetware, utilizando células cerebrais humanas cultivadas em laboratório. Esses bioprocessadores consomem bem menos energia que os processadores digitais tradicionais.

Cérebro; IA
Há uma necessidade crescente de encontrar formas de tornar a computação mais eficiente em termos energéticos. A abordagem de computação wetware pode ser uma alternativa interessante.

Em uma altura em que a inteligência artificial avança a passos largos, a startup suíça FinalSpark acaba de revelar um biocomputador que se liga a células cerebrais vivas e pulsantes, demonstrando um consumo de energia muito pequeno em comparação com as crescentes exigências energéticas da computação baseada em bits.

A plataforma em linha da FinalSpark “aproveita” aglomerados esféricos de células cerebrais humanas cultivadas em laboratório, denominados organoides. Um total de 16 organoides estão alojados em quatro matrizes ligadas a oito elétrodos cada e a um sistema micro fluídico que fornece água e nutrientes às células.

Nesse caso, a abordagem, conhecida como computação wetware, ajuda os pesquisadores a cultivar organoides no laboratório, uma tecnologia relativamente nova que permite aos cientistas estudar o que são essencialmente mini réplicas de órgãos individuais.

Cérebros vs. máquinas: economias imensuráveis de energia

A ascensão dos organoides como técnica de pesquisa surge em um momento em que as redes neuronais artificiais, nas quais se baseiam grandes modelos linguísticos como o Chat GPT, também explodiram em termos de utilização e capacidade de processamento.

Cérebro; IA
Os mini cérebros podem ser mantidos até 100 dias e medida a sua atividade elétrica 24 horas por dia.

A FinalSpark afirma que os chamados bioprocessadores, como o sistema de interface cérebro-máquina que está desenvolvendo, “consomem um milhão de vezes menos energia do que os processadores digitais tradicionais”.

De acordo com o site Science Alert, embora não estejam disponíveis dados sobre o seu sistema específico, o consumo de energia ou a capacidade de processamento, a equipe de pesquisa da empresa afirma que o treino de um único modelo linguístico de grandes dimensões como o GPT-3, o precursor do GPT-4, exigiu 10 Gigawatts/hora, ou seja, cerca de 6.000 vezes a energia consumida por um cidadão europeu por ano.

O cérebro humano faz funcionar os seus 86 bilhões de neurônios utilizando apenas uma fração dessa energia: cerca de 0,3 quilowatts/hora por dia.

As tendências tecnológicas indicam também que a indústria da IA, em plena expansão, consumirá 3,5% da eletricidade mundial até 2030. A indústria informática é já responsável por cerca de 2% das emissões globais de dióxido de carbono (CO2).

Nesse contexto, torna-se cada vez mais necessário encontrar formas de tornar a computação mais eficiente em termos energéticos, e as sinergias entre as redes de neurônios e os circuitos computacionais são um esquema óbvio a explorar.

Passos para o futuro

A FinalSpark não é a primeira empresa a tentar ligar sondas a sistemas biológicos, ou a programar de forma confiável redes neuronais para desempenharem funções específicas de input-output sob comando.

Embora o objetivo final possam ser novas abordagens de computação eficientes em termos energéticos, por enquanto o sistema está sendo utilizado para permitir aos pesquisadores realizar longas experiências em organoides cerebrais, assim como os seus antecessores.

No entanto, existem algumas melhorias: a equipe da FinalSpark afirma que os pesquisadores podem se conectar ao seu sistema remotamente e que os mini-cérebros podem ser mantidos até 100 dias e ser medida a sua atividade elétrica 24 horas por dia.

“No futuro, pretendemos expandir as capacidades da nossa plataforma para lidar com uma gama mais ampla de protocolos experimentais relevantes para a computação em ambiente úmido, como a injeção de moléculas e fármacos em organoides para testes", conclui a equipe.

Referência da notícia:

Jordan, F. D. et al. Open and remotely accessible Neuroplatform for research in wetware computing. Frontiers in Artificial Intelligence, v. 7, 2024.