基于老鼠大脑的 AI 模型更接近现实了

# 基于大鼠大脑的AI模型更接近现实 来源：https://www.wired.com/story/ai-models-built-from-rat-brains-are-about-to-become-a-true-reality/ 一家利用大鼠脑细胞神经模式（https://www.wired.com/story/organoids-lab-grown-brains-neural-networks/）构建人工智能（https://www.wired.com/story/i-trained-a-fly-on-wired-story-ideas/）的生物计算初创公司，刚获得亚马逊的重大投资支持。 从周二开始，部分亚马逊云服务（https://www.wired.com/tag/aws/）客户将在有限预览期内获得“The Biological Computing Company”的“大鼠大脑”AI模型访问权限。该初创公司的技术专为提升视频生成AI性能而设计。亚马逊和该公司（简称TBC，https://www.tbc.co/）均表示，预计该技术将很快向所有AWS企业客户开放。 TBC联合创始人Alexander Ksendzovsky表示：“我们找到了一种方法，可以将图像等信息编码到生物材料中。然后我们观察生物体如何处理这些信息，并开发出模拟该过程的工具。” 亚马逊云服务初创企业技术全球总监Deap Ubhi指出，这并非亚马逊首次在市场提供生物衍生计算平台（https://www.wired.com/story/jeff-bezos-is-funding-a-wild-hunt-for-the-brains-core-algorithm/）。Ubhi称这家云计算巨头还与澳大利亚公司Cortical Labs合作，该公司将实验室培育的神经元与硅芯片结合，帮助企业处理数据（其产品称为WAAS，即“湿件即服务”）。Cortical Labs还销售价值数千美元的“生物计算机”——一种专为实验室设计的低功耗设备，据称可使神经元存活六个月。 Ubhi表示TBC采取了“务实的方法”，这也是该公司吸引亚马逊的原因之一。他解释道：“他们没有试图颠覆大型语言模型的核心架构单元Transformer，而是在生成式AI领域现有标准内工作，思考‘如何让现有视觉模型更高效？’” 图为微电极阵列神经元芯片 TBC使用多电极阵列记录大鼠脑细胞的活动 （图片由The Biological Computing Co提供） 随着AI公司竞相提升模型效率，曾属边缘领域的生物计算已开始获得关注。研究人员长期设想这样一个世界：计算机软件更像人脑内的神经网络运行，而非完全依赖数学算法。 但生物计算面临独特挑战。该领域需要运营真实的生物实验室（而非仅计算机实验室），必须维持脑细胞、干细胞或合成生物材料的活性或保存状态，进行精密监控，并将之转化为有意义的数字信息。尽管部分初创公司已取得进展，但弥合自然与代码之间的鸿沟依然复杂。 TBC四年前由两位神经科学家兼神经外科医生在马里兰州巴尔的摩创立：现任CEO的Ksendzovsky和担任总裁兼COO的Jon Pomeraniec。今年初，该公司在Primary Venture Partners领投下完成2500万美元首轮融资。 今年三月该轮融资结束后不久，公司又获得2500万美元追加投资，总融资额突破5000万美元。这笔新融资此前未被披露。 去年这家初创公司在旧金山设立办事处和小型研发实验室，35名员工在此直接操作大鼠脑细胞和人类干细胞。活体细胞被放置在瑞士生物科技公司3Brain制造的多电极硅阵列上。研究人员通过阵列向神经元发送电刺激模式并记录其反应。TBC随后分析这些神经活动中的计算模式，将其转化为软件以改进现有AI模型，特别是视频生成模型。 Ksendzovsky表示，从一开始就聚焦视频领域既是科学选择也是实用考量。原因之一是TBC使用的多电极硅阵列的物理布局——每个电极的位置会影响其与神经元的交互方式。公司意识到图像是理想的起点，因为视觉信息比文本或语言更容易映射到网格上。 由此衍生出潜在的商业用例。该初创公司推测，通过建模神经元处理图像的方式，其洞见可用于改进视频生成AI模型。 图为研究人员操作MEA神经元芯片 TBC实验室研究人员正在使用多电极阵列 （图片由The Biological Computing Co提供） Pomeraniec表示，著名AI研究者（https://www.wired.com/story/jeff-dean-google-discovery-loop-startup/）兼TBC投资人Jeff Dean最初建议公司尝试微调视频生成模型，再逐步拓展神经技术的应用范围。 由于视频模型已有成熟的行业基准，初创公司可通过测试在已解决问题上的性能，早期证明其技术是否代表重大科学进步。Pomeraniec解释道：“Jeff表示如果能做到这点，未来就有可能用我们的AI模型实现更复杂有趣的应用。” 此前TBC的技术仅通过名为Bluesky Compute的新型云提供商提供。该公司宣称，与其运行的开源AI模型相比，其AI模型在视频生成速度上最高可提升五倍，并显著降低推理成本（即AI模型的“思考”过程成本，相对于训练成本）。（公司未透露对比的具体开源AI模型，但称其属于“前沿”视频生成模型之一。） 图为MEA神经元芯片特写 TBC使用的阵列特写，设计用于捕捉神经元电活动 （图片由The Biological Computing Co提供） 随着亚马逊开始分发TBC的软件，这家雄心勃勃的初创公司或将触及更广阔的客户群。亚马逊的Ubhi表示他对The Biological Computing Company充满期待，但其技术的规模化能力仍有待观察。 “我认为对于这类模型，必须思考：当推向极限时，改进效果是否依然存在？如果有客户想生成十分钟、一小时的长视频，随着时间推移，保真度可能损失多少？”他问道。换言之，模型需要能够追踪已发生内容，并在视频变长时保持连贯性。随着TBC进入下一阶段，公司将观察当新客户尝试突破其技术极限时，该技术是否依然可靠。