E125 生物神经计算能替代GPU吗?人工智能的另一条路径正在开启揭秘科技

E125 生物神经计算能替代GPU吗?人工智能的另一条路径正在开启

27分钟 ·
播放数171
·
评论数2

在这一期特别的对话式访谈中,我邀请到了 FinalSpark 的联合创始人兼首席科学家 Fred Jordan博士,带你进入一个你可能从未真正了解的前沿领域:使用人类神经元进行计算

FinalSpark 正在探索一种根本性不同的计算范式——不是模拟神经元,而是直接用活的人类神经细胞来构建神经网络系统。他们所研发的“神经计算平台”,不仅能实现极高的能效(相比GPU节省百万倍能耗),更可能引发一场类似晶体管诞生的技术革命。

本期你将听到:

• 💡 为什么 Fred 放弃了数字仿真神经元,转向真正的生物神经元?

• 🧠 “人脑耗电20瓦 vs. 数字仿真几千瓦”——这个能效差距背后意味着什么?

• 🧬 活细胞是怎么来的?如何用皮肤细胞培养出可计算的人类神经网络?

• 🤯 神经计算与传统AI、甚至量子计算有何根本性不同?

• 🔮 能否有一天,用“有机云计算”来训练下一代语言模型?

这是一次关于未来计算边界、关于生命与智能融合的思考实验。在你听这期节目的时候,FinalSpark 的实验室里,数百万颗人类神经元正在自发活动与计算。

内容摘要:

公司背景与研究初衷:

FinalSpark 是一家专注于AI研发的公司,成立于2014年,致力于探索被主流AI研究忽视的路径。在尝试多种人工智能方法后,团队决定转向使用“尖峰神经元(Spiking Neurons)”来模拟生物神经元的真实工作方式。

从模拟到真实神经元:

起初,团队尝试在数字计算机上模拟尖峰神经网络,并引入高度复杂的、全连接的神经结构(即神经元之间可以任意方向连接),以更贴近真实大脑的运作。但这种模拟极为耗能,仅运行几百个神经元就需消耗数千瓦功率,而人脑用约20瓦电力就能驱动约1000亿个神经元。因此,团队认为持续依赖数字模拟不可持续,转而探索用活体神经元直接进行计算。

为何使用活体神经元:

使用真实生物神经元,不仅在能耗效率上领先现有AI技术百万倍,也可能开启全新计算范式。Fred指出,目前尚无法全面预估其潜力,如同晶体管刚被发明时人们无法预见智能手机和互联网的诞生一样,但他坚信这是一个“具有颠覆性”的方向。

神经元来源与培养方式:

FinalSpark 所用神经元均为人类神经元,通过“诱导性多能干细胞(iPSC)”技术实现。该技术最早由日本科学家山中伸弥开发,获得诺贝尔奖。简单来说,研究人员可以从人的皮肤细胞中提取样本,重编程成干细胞,再分化为神经元,并在实验室中成倍扩增。这种“自我复制性”也让神经元培养在规模化上更具优势。

神经计算的可扩展性与挑战:

尽管团队目前仍处于非常早期的阶段,连基本的“异或门”(XOR gate)学习都仍在攻克,但他们相信未来有望构建等效于AWS的神经计算平台,能效比现有AI基础设施高出百倍。尽管生物神经元的运作速度比晶体管慢,但其高度并行、全连接、低功耗等特点,可能带来质的飞跃。

技术发展阶段的比喻:

Fred 将“神经计算”的当前状态比作15年前的量子计算,即仍处于理论验证与初步工程实现阶段,尚未建立起高阶模型训练的能力(例如LLM迁移仍遥远),但潜力巨大。

展开Show Notes
takeaway: agi is still long long long long long to go.
老于的商业科技图谱
:
agreed. for me the two key words are "generalization" and "autonomous", either one would mark a major leap, but both feel distant, even though they seem very close.