دیتاسنتر زیستی سنگاپور با سلول های مغزی زنده

سروری را تصور کنید که قند می‌نوشد. نه به‌عنوان استعاره، بلکه واقعا قند. در بخشی آرام از دانشگاه ملی سنگاپور، مهندسان و متخصصان زیست‌فناوری روایت همیشگی مراکز داده سنتی را تغییر داده‌اند و به‌جای ردیف‌های سیلیکون داغ، از پتری‌دیش‌ها و بافت عصبی زنده استفاده کرده‌اند.

این پروژه حاصل همکاری میان اپراتور سنگاپوری DayOne و استارتاپ زیست‌فناوری استرالیایی Cortical Labs است و در ۱۷ ژوئیه ۲۰۲۶ آغاز به کار کرد. آنچه درون این مجموعه قرار دارد، ۲۰ واحد رایانش زیستی به نام CL1 است: دستگاه‌هایی هیبریدی که نورون‌های پرورش‌یافته از سلول‌های خونی بازبرنامه‌ریزی‌شده را با تراشه‌های سیلیکونی مجهز به الکترود ترکیب می‌کنند. نتیجه چیزی شبیه داستان‌های علمی تخیلی به نظر می‌رسد، اما مانند یک پردازنده تخصصی عمل می‌کند.

تکنسین‌ها هر سه روز یک‌بار از این کشت‌های سلولی مراقبت می‌کنند. آن‌ها سلول‌ها را با ترکیبی از قند، مواد مغذی میکروبی و بافرهای تنظیم‌کننده pH تغذیه می‌کنند، سپس با یک سامانه کوچک اختلاط و تامین کنترل‌شده اکسیژن، نیتروژن و دی‌اکسید کربن، شبکه عصبی را زنده نگه می‌دارند. این‌ها نمونه‌های منفعل روی یک قفسه نیستند. هر CL1 دست‌کم ۲۰۰ هزار نورون آزمایشگاهی دارد که به‌صورت الکتریکی با تراشه زیرین ارتباط برقرار می‌کنند. الگوهای عصبی حاصل، توسط نرم‌افزار تفسیر می‌شوند و به سیگنال‌های پردازشی قابل استفاده تبدیل می‌گردند.

اما چرا باید یک مرکز داده مبتنی بر سلول‌های مغزی ساخته شود؟ چانگ هان وونگ، بنیان‌گذار Cortical Labs، پاسخ صریحی دارد: سامانه‌های زیستی زمانی می‌درخشند که داده‌ها کم و محیط‌ها غیرقابل پیش‌بینی باشند. به گفته او، این پردازنده‌های زنده در یادگیری از ورودی‌های محدود و آشفته عملکرد برجسته‌ای دارند، همان حوزه‌ای که سرورهای مبتنی بر سیلیکون معمولا با آن دشوارتر کنار می‌آیند. او گفت: «مراکز داده زیستی برای کاربردهایی بهتر هستند که مجموعه‌داده‌ها کوچک و شرایط به‌شدت غیرقابل پیش‌بینی است. با سرورهای متعارف به‌تنهایی نمی‌توانید ربات‌های انسان‌نما را برای هر تغییر واقعی در جهان آموزش دهید.»

کاربردهای عملی هم وجود دارد. وونگ به شناسایی ناهنجاری در امنیت سایبری به‌عنوان یک کاربرد امیدبخش اشاره می‌کند، زیرا کشت‌های عصبی می‌توانند بی‌نظمی‌های ظریف را بدون نیاز به حجم عظیمی از نمونه‌های برچسب‌گذاری‌شده تشخیص دهند. با این حال، او درباره محدودیت‌ها نیز شفاف است: سیلیکون متعارف همچنان برای محاسبات سریع، دقیق و تکرارپذیری که مدل‌های زبانی بزرگ و دیگر بارهای کاری سنگین هوش مصنوعی را اجرا می‌کنند، بی‌رقیب باقی می‌ماند.

هر CL1 با احتساب سامانه‌های پشتیبان حیات حدود ۳۰ وات انرژی مصرف می‌کند، یعنی کمتر از توان مصرفی یک ماشین حساب دستی ساده. این را با شتاب‌دهنده‌های مدرن هوش مصنوعی مقایسه کنید: یک NVIDIA H100 SXM به‌تنهایی می‌تواند تا ۷۰۰ وات مصرف داشته باشد و یک سرور معمولی مجهز به هشت عدد از این GPUها حدود ۱۰٬۲۰۰ وات برق می‌کشد. محاسبه مصرف انرژی کاملا چشمگیر است و همین، مهم‌ترین مزیت رویکرد رایانش زیستی محسوب می‌شود.

هزینه نیز بازتاب همین بده‌بستان است. دسترسی به یک CL1 برای مشتریان تجاری و دانشگاهی حدود ۲٬۲۰۰ دلار در ماه هزینه دارد، یعنی تقریبا نصف اجاره یک تراشه هوش مصنوعی رده‌بالا در پلتفرم‌های بزرگ رایانش ابری. این موضوع رایانش زیستی را به گزینه‌ای جذاب، هرچند تخصصی، برای تیم‌هایی تبدیل می‌کند که به دنبال استنتاج کم‌مصرف یا پژوهش‌های آزمایشی در زمینه هوش تجسم‌یافته هستند.

فراتر از اقتصاد، پرسش‌های جدی‌تری هم مطرح است: اخلاق زیستی، قابلیت اطمینان بلندمدت، نظارت مقرراتی و این‌که چگونه می‌توان یک سامانه زنده را بدون از دست دادن رفتارهایی که آن را مفید می‌کند، در مقیاس بزرگ‌تر توسعه داد. مجموعه سنگاپور عامدانه کوچک طراحی شده است، بیشتر یک بستر آزمایشی تا جایگزینی برای مزارع GPU. با این حال، تماشای خوشه‌ای از نورون‌ها که در حال نوشیدن محلولی از قند و مواد مغذی مسئله حل می‌کنند، یادآور این نکته است که رایانش لزوما نباید همیشه همان شکلی را داشته باشد که تاکنون داشته است.

پس گام بعدی چیست؟ هاب‌های هیبریدی بیشتر، یا حوزه‌ای آرام و تخصصی که شیوه‌های تازه‌ای برای اندیشیدن درباره هوش به ما می‌آموزد؟ در هر صورت، تصویر قدرتمندی پیش روی ماست: رایانشی که زندگی می‌کند، نفس می‌کشد و به شیوه‌هایی یاد می‌گیرد که ماشین‌های امروزی ما هرگز قادر به انجام آن نبوده‌اند.