私たちが日常的に使用するAIはシリコンチップ上のコードで動作しているが、そのシリコンチップは物理的限界に近づいている。そこで研究者たちは生きた人間の脳細胞を使ったチップを開発し、ビデオゲームDoomをプレイさせることに成功した。この生体ニューロンチップは従来のAIシステムと比較して学習速度が速く、エネルギー効率が高く、現実世界でのロボット制御にも優れている。Cortical LabsによるCL1システムは、わずか20万個のニューロンを6ヶ月間生存させ、自己完結型のサーバーラックサイズに収められている。この技術は未来のAIインフラを根本から変える可能性を秘めている一方で、意識や倫理に関する新たな問題も提起している。
生体ニューロンチップの誕生
私たちが毎日使っているAI、例えばChatGPTやGeminiといったものは、こうしたコードの中で動いているんです。例えばこちらは、トランスフォーマーモデルのPythonコードですね。そしてこのコードは、シリコンチップの中で動作します。具体的にはGPU、あるいはこのようなデータセンター内の多数のGPUの中で動いているわけです。
でも、ここに問題があります。これらのシリコンチップは、もうスペースが足りなくなり始めているんです。
ご存知の通り、現代のチップ内部のトランジスタは、すでにわずか数ナノメートルの幅しかありません。物理的にこれ以上小さくすることも、効率を上げることもできないんです。つまり、私たちはハードリミットにぶつかっているわけですね。
でも、ここに突飛なアイデアがあります。シリコンチップを使う代わりに、生きた人間の脳細胞で動作するチップを使ったらどうでしょうか?
これは皆さんの中にはかなりクレイジーに、あるいはSFのように聞こえるかもしれませんが、研究者たちはすでに最近これを実際に作り上げたんです。
彼らは生きた人間のニューロンで動くチップを作り、ビデオゲームのDoomをプレイするように教えることにさえ成功しました。
これは単にビデオゲームをプレイするということよりも、はるかに大きな意味を持っています。これらの生体脳チップは、AIの未来を動かす可能性があるんです。エネルギー効率がはるかに高く、学習速度もはるかに速い。そして現実世界でロボットを制御する能力も、はるかに優れているんです。
ということで、この動画では、このチップの正確な詳細、どうやってDoomをプレイさせたのか、そしてこれがAIの未来にとって何を意味するのかについて説明していきます。いつものように、おばあちゃんでも理解できるような簡単な言葉で説明していきますね。それでは早速始めましょう。
生体脳チップというアイデア
最初に見ると、生きた脳チップというアイデアは、純粋にSFホラーのように感じられますよね。でも不思議なことに、これは実は次の論理的なステップなんです。
ご存知の通り、現在のAIシステムはニューラルネットワークから設計されていますが、これは実は脳から着想を得ているんです。例えば私たちの脳も、巨大な相互接続されたネットワークを形成する生物学的ニューロンで構成されています。
でもAIシステムと私たちの脳には、重要な違いがあります。AIはソフトウェア上で動作し、そのソフトウェアはGPU上で動いています。これはすでにかなり非効率なんです。
さらに、それらは非常に硬直的で決定論的です。何十億ものトランジスタが非常に予測可能な方法でオンとオフを繰り返していると考えてください。
でも私たちの脳のような生物学的ニューロンは、非常に異なっています。それらは動的です。自己再編成ができますし、適応して新しいことを学ぶこともできます。さらに、GPUよりもはるかに少ないエネルギーしか使いません。これについては動画の後半でお話しします。
そこでCortical Labsの研究者たちは、非常に異なるアプローチを取ることにしました。ソフトウェアでニューラルネットワークを作るだけではなく、本物のニューロンを使ったらどうだろうか、と。
そして先週、彼らはまさにそれを実行したんです。さらに、ビデオゲームのDoomを成功裏にプレイさせることにも成功しました。
Dishbrainからの進化
でもこれについて話す前に、これらすべてにつながった以前のプロトタイプに戻る必要があります。
そのシステムはDishbrainとして知られていました。これは2021年から2022年頃に開発された、彼らのオリジナルの概念実証でした。その実験では、研究者たちは人間とマウスのニューロンのクラスターが、実際にシンプルなアーケードゲームであるPongをプレイすることを学習できることを示したんです。これはすでにかなり驚くべき結果でした。
でもDishbrainは、まだ非常に研究プロトタイプの段階でした。
最大100万個のニューロンという大規模な神経培養が必要でした。そしてこれほど多くの細胞があっても、訓練プロセスは極めて遅かったんです。システムが信頼できる学習行動を示すまでに、研究者たちは約18ヶ月かかりました。
さらに、Pongしかプレイできませんでした。Pongは学習するには比較的シンプルなゲームです。そしてチップはあまりうまく生存できませんでした。
彼らがキャパシタンスの問題と呼ぶものに苦しんでいたんです。ご存知のように、Pongをプレイさせたり他のことをさせたりするとき、基本的にこれらの神経細胞に電気信号を送っているわけです。信号が慎重にバランスを取られていないと、細胞が過剰に刺激される可能性があります。極端な場合、これは興奮毒性と呼ばれるものを引き起こします。ニューロンが基本的に感電死してしまうんです。
ですから、正直に言ってかなり悲しい実験でした。Dishbrainはまともなプロトタイプでしたが、多くの欠陥がありました。全体として本格的な再設計が必要だったんです。
CL1システムの技術的進化
そしてそれが、彼らの最新システムであるCL1につながります。これははるかに優れています。
最大の変更点の一つは、ニューラルネットワーク自体の規模です。Dishbrainは機能するのに約100万個のニューロンを必要としましたが、CL1はそれをわずか20万個のニューロンにまで大幅に削減しながら、安定した学習行動を維持しているんです。
これは効率の面で大きな改善です。
さて、本当の革新はニューロンの数だけではありません。それを生かし続けることなんです。
人間の体では、私たちの脳細胞は全体的な生物学的システムによってサポートされているため生存できます。私たちの体は、栄養と酸素を届けるのを助けてくれます。さらに、老廃物や二酸化炭素を除去するのも助けてくれます。
コンピュータの中では、これらは何も存在しません。ですから、これらの生命維持プロセスをすべて人工的に作り出す必要があるんです。ニューロンに栄養と酸素を常に供給する方法、そして老廃物を除去してフィルタリングする方法が必要です。
そこで彼らは、マイクロ流体灌流回路と呼ばれるものを設計しました。これは小さな自動配管システムのようなもので、ニューロンに栄養豊富な液体を常に届けるんです。
この液体は合成血流のように機能し、グルコースやニューロンが機能して生存するために必要な他の栄養素を届けます。
でも同じくらい重要なのは、プロセスのもう半分、つまり排泄物の除去です。ニューロンが機能すると、老廃物も生成します。そしてこの老廃物が周囲の液体に蓄積すると、急速に毒性を帯びて実際にニューロンを殺してしまう可能性があるんです。
ですからCL1には、名前が示すように、ニューロンによって生成された老廃物を常にフィルタリングする微小濾過システムもあります。これは腎臓と同じ仕事をしていると考えることができます。
さらに、細胞を生かし続けるためにもっとやるべきことがあります。温度制御は非常に正確でなければなりません。ですからシステムは、標準的な人体温度である正確に37度を保たなければなりません。
温度のわずかな変化でも、ニューロンの機能を台無しにする可能性があります。
次に、ニューロンも呼吸する必要があります。ニューロンは酸素を消費し、体の他のすべての細胞と同じように二酸化炭素を生成します。ですからこれを管理するために、CL1にはチャンバー内の酸素と二酸化炭素を慎重に調整する自動ガス混合システムも導入されています。
これらすべてのシステムが一緒に機能することで、栄養供給、老廃物の濾過、温度調整、ガス制御により、CL1はニューロンを最長6ヶ月間生存させ、機能させ続けることができるんです。
私の意見ではまだかなり短いですが、以前のプロトタイプであるDishbrainよりもはるかに優れています。
さらに印象的なのは、実際のフォームファクターです。CL1はこのように見えます。
これは完全に自己完結型です。ポンプ、ガスリザーバー、加熱装置、コンピュータインターフェース、これらすべてがこの中に収納されています。別の外部コンピュータや何か巨大な生命維持システムを接続する必要はありません。
全体がかなり小さく、通常のコンピュータサーバーと同じように標準的なサーバーラックに収まるように設計されています。
ですから将来的には、大量のGPUを備えたデータセンターに入る代わりに、トップAIモデルを動かす生きたニューロンを備えたこれらが列をなして並んでいるのを見ることを想像してみてください。
突飛に聞こえますが、実際には予想よりも現実に近いかもしれません。
脳細胞の入手方法
この時点で、おそらく頭の中で燃えるような疑問があるでしょう。
彼らはこれらの生きた人間の脳細胞をどこで手に入れたのか?
実は、何人かの人間を殺して脳を収穫し、脳細胞を抽出したんです。
いえいえ、冗談です。幸いなことに、このプロセスで人間は傷つけられていません。
脳細胞は、ノーベル賞を受賞した技術を使って実験室で作られています。
それは人工多能性幹細胞、略してiPSCと呼ばれています。簡単に言うと、皮膚スワブや採血のような、人間からの非侵襲的な細胞提供から始まります。
これから、完全に正常な皮膚細胞や血液細胞が得られます。これらは、すでに体内で役割を持っている完全に成熟した細胞です。
でも科学者たちは興味深いことを発見しました。これらの細胞をいくつかの生化学的シグナル、特に転写因子にさらすと、実際に細胞を再プログラムできるんです。これらの化学シグナルは細胞の記憶を消去し、幹細胞に戻すようにリセットします。細胞を白紙の状態に変えるようなものですね。
具体的には、これは人工多能性幹細胞と呼ばれます。そして今度は、この幹細胞を好きなタイプの細胞に再プログラムできるんです。心臓細胞、肝臓細胞、筋肉細胞、あるいは私たちの場合はニューロンにですね。
要するに、これが彼らが実際にこれらの生きた人間の脳細胞をどのように調達したかを説明しています。
ニューロンとハードウェアの接続
さて、脳細胞が手に入ったところで、このチップ上にこれらをどのように正確に配置するのでしょうか?これらは容器内にランダムに浮かんでいるわけではありませんよね?
代わりに、2D単層と呼ばれるものに慎重に配置されます。
基本的に、単一の平面層に配置された非常に薄い細胞シートです。そしてこのニューロンの層は、高密度微小電極アレイまたはHDMEAとして知られる特殊なシリコンインターフェースの上に直接成長させられます。
そしてここが、生きた細胞とコンピュータが出会う場所なんです。
このアレイは、ガラスと金属の基板でできています。
そしてその中に、微小電極が埋め込まれています。ニューロンは表面全体に平らに成長するため、最終的にこれらの電極に直接触れることになります。
言い換えれば、生きた細胞が文字通りハードウェアに触れているんです。
そしてそれにより、このチップは双方向通信デバイスとして機能することができます。まず、ニューロンを刺激することができます。
つまり、システムはこの生きた神経ネットワークの特定の領域を活性化するために電気パルスを送ることができるんです。
でも逆のこともできます。ニューロン自体からの自然な電気活動を記録できるんです。ニューロンが発火するたびに、小さな電気信号を生成します。そしてHDMEAは、これらのスパイクを極めて高い精度で検出できます。
ミリ秒未満の解像度で電圧の変化を捕捉します。そしてこれが、この細胞の皿を実際のインタラクティブな計算システムに変えるものなんです。
チャットボットを超えて実際にAIで実際の仕事を成し遂げたいなら、この動画のスポンサーであるMannisをチェックする必要があります。Mannisは単なる別のAIチャットボットではありません。
これは、実際の具体的な結果を提供するように設計されたプロアクティブなAIエージェントです。Mannisはあなたの目標を理解し、ステップを計画し、そしてタスク全体を完全に自律的に実行します。
いくつかの驚くべき例を紹介します。Googleからのこの決算報告書をアップロードして、Mannisにこれをプロフェッショナルなプレゼンテーションに変えるように依頼できます。
Mannisは添付されたPDFを自律的に分析し、関連情報を抽出し、それから自律的にデザインを準備し、私のためにプレゼンテーション全体を生成してくれます。そしてこれが得られたものです。
これは信じられないほどプロフェッショナルに見えます。すべてのデータは正確で、これはすでに実際のプレゼンテーションとして使用できます。非常に印象的です。
あるいは別の例です。
この非常に複雑な分類ツリーの画像をアップロードして、Mannisにこれをインタラクティブなグラフに変えてもらうことができます。そしてその後、これが得られたものです。
すべてがインタラクティブで、物を動かすことができます。Mannisを異なるものにしているのは、行動を起こせることです。自律的にウェブをブラウジングし、コードを書いて実行し、ファイルを作成し、ツールとやり取りすることができます。すべて自律的にです。
私のお気に入りの部分は、Gmail、Google Drive、GitHub、Slack、Notionなどの異なるプラットフォームに接続できることです。これにより、既存のファイル、フォルダ、メディアをMannisに簡単に渡すことができるので、異なるページ間をクリックして、自分でファイルをコピーアンドペーストする必要がありません。
プロジェクトを構築しているのか、コンテンツを作成しているのか、リサーチをしているのか、複雑なワークフローを自動化しているのかに関わらず、Mannis AIは別のチャットウィンドウではなく、チームに追加のオペレーターがいるような感じがします。
実際に何かをするAIが欲しいなら、ぜひMannisをチェックしてください。下の説明にある私のリンクをクリックして、1,000の無料クレジットを入手してください。
ニューロンの規模と能力
さて、ここで何が起こっているのかのスケールを理解するために、ニューロンの数を比較するのが役立ちます。
人間の脳には約860億個のニューロンが含まれていますが、ショウジョウバエには約10万個のニューロンがあります。
でもこのハエの脳でさえ、信じられないほど多くのことができるんです。飛ぶ、歩く、環境を探索する、食べ物を見つける、自分自身をきれいにする、捕食者を避けるなどです。
さて、CL1システムには約20万個のニューロンがあり、ショウジョウバエの2倍です。ですから、これは複雑な昆虫の脳とほぼ同等なんです。
そして彼らは、これにかなり複雑なこと、3Dファーストパーソンシューティングゲームのプレイをさせることに成功しました。
ゲームプレイの仕組み
でもこれは次の明白な質問につながります。ニューロンには目がありません。手もありません。コントローラーもありません。この脳細胞のクラスターは、どのようにしてゲームDoomをプレイするのでしょうか?
答えは、ゲーム全体が神経系が理解できる言語に翻訳されなければならないということです。言い換えれば、ゲームは電気信号に変換されなければならないんです。
では、これがどのように機能するかステップバイステップで追っていきましょう。
まず、システムはビジュアルゲームプレイデータをエンコーダーを通して実行します。これはレイキャスティングと呼ばれる技術を使用し、壁や敵がどこにあるかを含む環境のジオメトリを検出するのに役立ちます。ですから、ゲーム環境の高度に単純化された3Dマップを作成するんです。
次に、この幾何学的データを、ニューロンが理解できる電気パルスに変換しなければなりません。
では、どのようにそれを行うのでしょうか?エンコーダーは実際に、ゲームプレイのさまざまな要素を表すために、電気パルスの周波数、振幅、タイミングを変化させます。
パルスはその後、脳細胞に触れている特定の電極に送られて刺激します。これは非常に大まかな例ですが、このように考えることができます。
敵が画面の左側に現れると、システムは神経ネットワークの左側に触れている電極を刺激するかもしれません。プレイヤーが壁にぶつかると、異なるパターンのパルスがこの神経ネットワークの異なる領域を活性化するかもしれません。
壁は一種のザップのように感じられます。敵は別のタイプのザップのように感じられます。
敵を殺すこと、負けること、撃たれることは、別のタイプのザップのように感じられるかもしれません。
そしてニューロンがこれらの信号を受け取ると、発火し返すことで反応できます。このHDMEAは毎秒最大4万回、この発火活動を継続的に記録していることを覚えておいてください。
さて、最後のステップは、この神経活動をゲームコントロールに翻訳し戻すことです。ですから彼らはデコーダーを使用して、基本的にニューロンからの電気信号をゲーム内の特定のコマンドに変換します。
例えば、ある発火パターンは右に曲がることを意味し、別のものは前進することを意味し、別のものは撃つことを意味するかもしれません。
このプロセス全体が非常に速く起こります。ゲームプレイが分析され、電気信号に変換され、神経ネットワークに注入され、細胞がこれを処理してから電気信号を送り返し、それがコマンドにデコードされてゲームエンジンに送られます。
すべてがミリ秒の何分の一かで起こります。これは生物学とソフトウェアの間のシームレスなループです。
私たちは今、生きた人間の脳細胞でできた生きた神経ネットワークがビデオゲームとやり取りしているんです。
学習のメカニズム
この時点で、コミュニケーションシステムを理解できるはずです。でもそれだけでは学習を説明できません。ニューロンがゲームとやり取りできるからといって、実際にプレイして勝とうとするわけではありませんよね。
何らかのインセンティブがなければ、ニューロンはランダムに発火するか、好きなことをするだけかもしれません。
ですから課題は、どうやってニューロンの皿に実際に学習するよう動機づけるかということになります。
生きた脳の中では、学習は通常化学的報酬によって駆動されます。例えば、有益なことをすると、脳はドーパミンのようなものを放出し、その行動を強化します。
あるいは有害なことをすると、痛みを感じ、脳は二度とそれをしないことを学ぶことができます。
でもニューロンの皿には、これらのどれもありません。ドーパミンシステムもホルモンも痛みもありません。
ですから研究者たちは、完全に異なる訓練方法を設計する必要がありました。これは自由エネルギー原理と呼ばれるものに基づいています。
これは、単純な細胞から脳全体まで、生物学的システムは驚きを最小化しようとすることを示唆しています。生きたシステムは、予測可能で安定した環境を好みます。
そして逆に、混沌としていたり予測不可能だったりすることを好みません。さもないとストレスを感じるでしょう。
ですから研究者たちは、このアイデアを使ってニューロンに動機づけする巧妙な方法を考え出しました。
ゲーム内で有用な行動をするたびに、廊下を正しく移動したり敵を殺したりすると、システムは滑らかで予測可能な電気信号を送ります。ニューロンの観点からは、この信号は安定していて組織化されており、これが彼らの好むものです。
でも悪い決定をした場合、壁に突っ込んだり撃たれたりすると、システムは逆の信号を送ります。
混沌とした電気ノイズでニューロンを攻撃するんです。そして彼らはこれを絶対に嫌います。そしてその混沌を減らす唯一の方法は、自分自身を変えることなんです。
ニューロンは発火の仕方を変えたり、自分自身の接続を再配線したりすることさえできます。そしてこれが、生きた脳細胞のシステムがDoomを適切にプレイすることを学習する方法なんです。
素晴らしいアイデアで、見ていて非常に信じられないことです。
でもはっきりさせておきましょう。
これらのニューロンは、正確にはeスポーツのチャンピオンではありません。実際、ゲームプレイはかなり粗いです。これまで見たことのない新しい3Dゲームを理解しようとしている赤ちゃんや昆虫のようなものです。
でも本当の成果は、ビデオゲームをどのようにプレイできるかではありません。これははるかに大きな何かを意味しているんです。
エネルギー効率と学習速度の優位性
この生きたニューラルチップは、信じられないほど速く学習できます。
わずか数時間の露出で、神経ネットワークはゲームのルールに適応し始めます。パターンを形成し始め、環境に反応し、徐々に応答を改善していきます。
これを現代のAIモデルと比較すると、訓練にははるかに長い時間がかかります。通常、うまく機能し始める前に、何百万もの訓練反復と大量の訓練データが必要です。
ですから、チップに生きたニューロンを使用することは、AIがはるかに速く学習する方法になる可能性があるんです。
さて、学習速度に加えて、さらに重要なことがあります。エネルギーです。
現代のAIモデルには膨大な量のエネルギーが必要です。例えば、GPT-3の訓練には約1,300メガワット時の電力が必要でした。
これは小さな町全体を丸一年間電力供給するのに十分な量です。そしてこれは訓練段階だけです。
ChatGPTやGeminiを使用するたびに、これらのモデルを動かすデータセンターも相当な電力を消費します。AIのために、データセンターはすでに近くの都市電力網の限界に近づいています。これを維持するだけの十分な電力がないんです。
そしてそのため、トップAIラボは世界中で大規模な新しいデータセンターを構築するために競争しているんです。なぜならAIをスケールアップするにつれて、はるかに多くの計算とはるかに多くの電力が必要になるからです。
でもシリコンGPUの代わりに生きたニューロンを使ったらどうでしょうか?人間の脳は非常に多くのことができます。見る、嗅ぐ、話す、言語、推論、思考、走る、ジャンプ、ダンス、自転車に乗る、車を運転するなどができます。
それでもあなたの脳は、わずか20ワットの電力で動作します。通常の電球よりも少ないエネルギーです。
ですから生物学的神経ネットワークは信じられないほど効率的なんです。これをAIを動かすチップに適用すれば、多くのエネルギーを節約できることになります。
物理AIへの応用可能性
最後に、これらの脳チップがこれほど大きな問題である別の大きな理由があります。
そしてこれは、モラベックのパラドックスと呼ばれるものにつながります。
これは、人間が難しいと感じるタスク、チェスをプレイするようなことは実際にはコンピュータにとって非常に簡単で、その逆も真であるという観察です。人間が簡単だと感じるタスク、歩いたり、自転車に乗ったり、壊れやすい物を拾ったりすることは、ロボットにとって非常に難しいんです。
理由は、現実世界の環境が乱雑で予測不可能だからです。
ロボットは、力、摩擦、バランス、動き、その他多くのことをアルゴリズムを使用してリアルタイムで計算しなければなりません。
でも生物学的システム、私たちの脳や単に生きた神経細胞は、現実生活でこれらの予測不可能な環境に対処するようにすでに進化しています。ですから物理的な動きを扱うのが信じられないほど得意なんです。
ですからこれらの生きたニューロンチップには、ロボット工学や他の物理AIシステムで使用される大きな可能性もあります。
倫理的な問題
最後に、議論に倫理を持ち込むことも重要です。
現在のAIモデルは、ソフトウェアコードとシリコンチップの中に存在しているだけです。ですから意識的でも感覚的でもないかもしれません。これもグレーゾーンですが。
でも今日話しているチップはどうでしょうか?これは本物の生きた人間の脳細胞を使用しています。
では、この場合、それは意識的または感覚的なのでしょうか?ビデオゲームをプレイさせたり、プロンプトに答えるよう強制したりするために、これらの生きたニューロンを常にザップすることは倫理的なのでしょうか?
そこが、私たちがSFホラーの領域に入り始めるところなんです。
これはデジタル拷問の一形態なのでしょうか?彼らは終わりのないシミュレーションの中で苦しんでいるのでしょうか?
Cortical Labsの研究者によると、CL1チップは意識的でも感覚的でもないはずです。なぜなら小さすぎるからです。
彼らは、本物の脳は単なるニューロンの集合ではないと主張しています。それは特殊化された構造を持つ非常に複雑なシステムです。
私たちには中枢神経系、感覚器官、そして感情、記憶、認識、痛みのようなものを担当する他のシステムがあります。
これらの培養物にはそれらのどれも存在しないため、意識的でも感覚的でもないと主張しています。
でもこれをデータセンターにスケールアップしたらどうなるでしょうか?大規模なデータセンターで一緒に接続された、これらの生きた脳チップの列をたくさん想像してみてください。
その場合、意識的と見なされるほど大きくまたは複雑になるでしょうか?そしてもしそうなら、その時点で非倫理的と見なされるのでしょうか?
コメントで皆さんの考えを教えてください。
とにかく、今日は多くのことをカバーしました。理解しやすかったことを願いますし、これから何か興味深いことを学んでいただけたことを願います。
いつものように、皆さんと共有するトップAIニュースとツールを探していきます。
ですから、この動画を楽しんでいただけたなら、いいね、シェア、チャンネル登録を忘れずに、そしてより多くのコンテンツにご期待ください。
また、毎週AI界では非常に多くのことが起こっています。私はYouTubeチャンネルですべてをカバーすることはできません。ですからAIで起こっているすべてのことを本当に最新の状態に保つために、私の無料の週刊ニュースレターを購読してください。
そのリンクは下の説明にあります。ご視聴ありがとうございました。次回お会いしましょう。
コメント