Cortical Labs公司CL1人腦芯片:開啟生物智能計算新時代

Cortical Labs公司CL1人腦芯片:開啟生物智能計算新時代

在科技飛速發展的今天,人工智能已經深入到我們生活的各個角落,但隨著其發展,也面臨著能耗高、效率有限等諸多挑戰。為了突破這些瓶頸,科學家們開始探索將生物學與技術相結合的新路徑。近期,澳大利亞公司Cortical Labs推出了一款名為CL1的生物智能SBI計算機人腦芯片,為計算技術帶來了全新的變革。

一、CL1人腦芯片簡介

CL1是全球首款將人類腦細胞與硅硬件融合的“合成生物智能”(Synthetic Biological Intelligence,SBI)系統。它利用實驗室培養的人類腦細胞,在硅芯片上構建動態的神經網絡,實現了“濕件”(腦細胞)與硬件的有機結合,創造出一種能夠自主學習和適應的有機計算機。這一創新成果不僅在技術上具有開創性,還帶來了顯著的優勢,如能源效率高、動態適應性強、可持續性好等。

二、算法原理

CL1的核心算法基于生物神經元的天然特性。與傳統的人工智能和機器學習系統依靠大量的電子晶體管和復雜的算法來模擬神經網絡不同,CL1直接培養真實的人類神經元,并將其與硅芯片深度融合,構建了一個復雜的雙向信息交互系統。這種系統中,神經元在受到刺激后可以向芯片發送信號,而芯片則通過脈沖信號進行反饋,從而實現高效的信息處理。

在CL1的算法設計中,生物神經元的自我組織、適應性學習等特性被充分利用。例如,在早期的DishBrain實驗中,研究人員通過電力輸入到培養皿中,讓神經元感知虛擬的球拍和球的位置,并通過電流刺激的反饋來教導神經元如何進行游戲。結果顯示,這些神經元能夠感知并適應環境,展現出原始的學習能力。這種基于生物神經元的算法,使得CL1在處理復雜任務時具有更高的效率和更強的適應性,能夠快速學習和優化神經網絡的連接路徑。

三、實驗過程

(一)早期DishBrain實驗

Cortical Labs在2022年就成功研發出DishBrain這一概念技術。他們將80萬個“人類和老鼠的神經元”培養在芯片上,并將其置于一個模擬環境中進行測試。經過強化學習的訓練,該設備僅在5分鐘內就掌握了玩經典電子游戲Pong的技巧。這一實驗為CL1的研發奠定了基礎,證明了生物神經元與硅芯片結合的可行性以及其強大的學習能力。

(二)CL1的研發與測試

在DishBrain的基礎上,Cortical Labs團隊進一步研發出了CL1這款功能性生物計算機。CL1的內部結構非常復雜,包括電波過濾系統、媒體存儲空間、混合氣體和維持整體循環的泵,以及一個精密的溫度控制系統。每個CL1單元都配備了30個片上腦機接口,整機功耗大約在850W至1000W之間。

在CL1的實驗過程中,研究人員將實驗室培養的人類神經元放置在由59個電極組成的平面電極陣列上,形成一個動態的神經網絡。通過Cortical Labs開發的Biological Intelligence Operating System(biOS),研究人員可以創建一個模擬世界,并將信息直接發送到神經元關于其環境的信息。隨著神經元對這些信息的反應,它們的沖動會影響其模擬世界。這種實驗設置使得CL1的神經網絡能夠自主學習,快速適應不同的任務和環境。

四、技術優勢與應用前景

(一)技術優勢

?能源效率高:人類大腦的運行功率僅約20瓦,而訓練大型語言模型的硅基AI系統往往需要數千瓦的電力。CL1利用生物神經元的天然高效性,一個包含30個單元的堆棧僅消耗850-1000瓦,大幅降低了能耗。

?動態適應性強:傳統AI芯片的計算模式是靜態的,而CL1的神經網絡具有動態性,可以根據任務需求自主調整和優化,提供更靈活的學習能力。

?可持續性好:CL1的生物組件是可再生的,相較于傳統電子設備,其生產和運行更加環保,具有長期可持續發展的潛力。

(二)應用前景

CL1的推出為多個領域帶來了革命性的可能性:

?藥物發現:CL1可以模擬人類大腦的反應,幫助研究人員更準確地測試新藥效果,縮短藥物研發周期,降低失敗率。

?疾病建模:通過模擬大腦的復雜性,CL1可用于研究癲癇、阿爾茨海默病等腦部疾病,為開發新療法提供重要工具。

?機器人智能:CL1的動態學習能力使其成為構建智能機器人的理想選擇,能夠實現更高級的自主決策和環境適應。

此外,Cortical Labs還推出了“濕件即服務”(Wetware as a Service,WaaS),用戶可以通過云端遠程訪問CL1系統,與培養的腦細胞交互,無需親自擁有硬件。這種模式進一步拓寬了技術的應用范圍。

五、未來展望

CL1的發布是生物計算領域的里程碑,開啟了技術與生物深度融合的新篇章。Cortical Labs的目標不僅是提供一款產品,而是推動“最小可行大腦”(Minimal Viable Brain,MVB)的實現——一個能夠以最少細胞類型模擬人類大腦復雜性的生物模型。這種工具將為藥物發現、疾病研究和智能系統開發提供前所未有的可能性。

團隊計劃在2025年底前運行四個服務器堆棧,并通過云系統向全球用戶開放商業使用。每個單元的預計售價為35,000美元,遠低于當前類似技術的85,000美元,展現了其降低成本、普及技術的決心。

正如Cortical Labs所言:“SBI比AI更自然,因為它利用了與活體生物智能相同的材料——神經元。通過將神經元作為計算基板,SBI有潛力創造出比傳統硅基AI更有機、更自然的智能系統。”CL1的問世不僅改變了我們對計算的理解,也為解決人類面臨的重大挑戰提供了新思路。未來,隨著這一技術的普及,我們或許將迎來一個生物與技術共生的全新時代。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/bicheng/73656.shtml
繁體地址,請注明出處:http://hk.pswp.cn/bicheng/73656.shtml
英文地址,請注明出處:http://en.pswp.cn/bicheng/73656.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

Python學習第十八天

Django模型 定義:模型是 Django 中用于定義數據庫結構的 Python 類。每個模型類對應數據庫中的一張表,類的屬性對應表的字段。 作用:通過模型,Django 可以將 Python 代碼與數據庫表結構關聯起來,開發者無需直接編寫 S…

Windows 圖形顯示驅動開發-WDDM 3.0功能- 硬件翻轉隊列(一)

WDDM 3.0 之前的翻轉隊列模型 許多新式顯示控制器支持對按順序顯示的多個幀排隊的能力。 從 WDDM 2.1 開始,OS 支持將在下一個 VSync 中顯示的多個未完成的翻轉覆蓋請求。 顯示微型端口驅動程序 (KMD) 通過 DXGK_DRIVERCAPS 中的 MaxQueuedMultiPlaneOverlayFlipVS…

《Python深度學習》第二講:深度學習的數學基礎

本講來聊聊深度學習的數學基礎。 深度學習聽起來很厲害,其實它背后是一些很有趣的數學原理。本講會用簡單的方式解釋這些原理,還會用一些具體的例子來幫助你理解。 2.1 初識神經網絡 先從一個簡單的任務開始:識別手寫數字。 想象一下,你有一堆手寫數字的圖片,你想讓計算…

車載DoIP測試 --- CANoe DoIP中如何配置路由激活請求中的 OEM 特定場(RoutingActivationWithOEMSpecific)

我是穿拖鞋的漢子,魔都中堅持長期主義的汽車電子工程師。 老規矩,分享一段喜歡的文字,避免自己成為高知識低文化的工程師: 簡單,單純,喜歡獨處,獨來獨往,不易合同頻過著接地氣的生活,除了生存溫飽問題之外,沒有什么過多的欲望,表面看起來很高冷,內心熱情,如果你身…

JDBC數據庫連接池技術詳解——從傳統連接方式到高效連接管理

1. 引言 在開發數據庫應用時,我們通常需要與數據庫建立連接并執行SQL語句。傳統的JDBC連接方式雖然簡單直接,但在高并發場景下容易帶來性能問題,甚至導致系統崩潰。因此,引入數據庫連接池(Connection Pool&#xff09…

【工具類】PDF文件轉圖片

PDF文件轉文件 1. 引入Maven依賴 主要使用了 pdfbox 包與 hutool 包。 pdfbox 負責 pdf 到圖片的轉換&#xff1b; hutool 負責文件讀取轉換。 <dependency><groupId>org.apache.pdfbox</groupId><artifactId>pdfbox</artifactId><version…

使用DeepSeek,優化斐波那契數函數,效果相當不錯

下面這段代碼定義了一個遞歸函數 fibonacci&#xff0c;用于計算第 n 個斐波那契數。 def fibonacci(n):if n < 1:return nelse:return fibonacci(n - 1) fibonacci(n - 2)雖然代碼邏輯正確&#xff0c;但其性能較差&#xff0c;尤其是對于較大的 n 值&#xff0c;其復雜度…

Forward Looking Radar Imaging by Truncated Singular Value Decomposition 論文閱讀

Forward Looking Radar Imaging by Truncated Singular Value Decomposition and Its Application for Adverse Weather Aircraft Landing 1. 論文的研究目標與意義1.1 研究目標1.2 實際問題與意義2. 論文的創新方法與公式解析2.1 信號建模與問題轉化2.2 截斷奇異值分解(TSVD)…

provide/inject源碼實現

在 Vue 3 中&#xff0c;provide 和 inject 是通過 Vue 的響應式系統和組件實例機制實現的&#xff0c;底層是依賴 Vue 3 中的 Proxy 和 Reactive 來實現跨層級的數據傳遞和響應式綁定。以下是一個簡化版的實現邏輯&#xff0c;幫助理解 Vue 3 中 provide 和 inject 是如何實現…

Unix時間戳BKP備份寄存器RTC實時時鐘

Unix時間戳 Unix時間戳&#xff0c;也稱為POSIX時間或Epoch時間&#xff0c;是一種在Unix和類Unix操作系統中使用的時間表示方法。它表示的是自1970年1月1日00:00:00 UTC&#xff08;協調世界時&#xff09;至當前時間經過的秒數&#xff0c;不考慮閏秒。Unix時間戳通常以秒為…

【Linux內核系列】:進程板塊與文件板塊的綜合

&#x1f525; 本文專欄&#xff1a;Linux &#x1f338;作者主頁&#xff1a;努力努力再努力wz &#x1f4aa; 今日博客勵志語錄&#xff1a; 人生中成功只是一時的&#xff0c;失敗卻是人生的主旋律&#xff0c;但是如何面對失敗卻把人分成了不同的樣子&#xff0c;有的人會被…

CellOracle|基因擾動研究基因功能|基因調控網絡+虛擬干預

在gzh“生信小鵬”同步文章 論文來源: 發表期刊:Nature發表時間:2023年2月23日論文題目:Dissecting cell identity via network inference and in silico gene perturbation研究團隊:Kenji Kamimoto 等,華盛頓大學醫學院1. 研究背景與問題提出 細胞身份(Cell Identit…

專線、云 和 物聯網(IoT)

專線、云 和 物聯網&#xff08;IoT&#xff09; 是現代信息與通信技術&#xff08;ICT&#xff09;領域的三大重要組成部分&#xff0c;它們在企業和個人的數字化轉型中扮演著關鍵角色。以下是對這三者的詳細介紹及其相互關系&#xff1a; 1. 專線&#xff08;Leased Line&…

[Lc14_priority_queue] 最后一塊石頭重量 | 數據流中的第 K 大元素 | 前K個高頻單詞 | 數據流的中位數

目錄 1.最后一塊石頭的重量 題解 2.數據流中的第 K 大元素 題解 3.前K個高頻單詞 題解 代碼 ?4.數據流的中位數 題解 在C中&#xff0c;使用標準庫中的priority_queue&#xff0c;默認情況下它是一個最大堆&#xff08;即大堆排序&#xff09;&#xff0c;這意味著最…

XSS漏洞靶場---(復現)

XSS漏洞靶場—&#xff08;復現&#xff09; 反射型 XSS 的特點是攻擊者誘導用戶點擊包含惡意腳本的 URL&#xff0c;服務器接收到請求后將惡意腳本反射回響應頁面&#xff0c;瀏覽器執行該腳本從而造成攻擊&#xff0c;惡意腳本不會在服務器端存儲。 Level 1(反射型XSS) 此漏…

2025/3.17 郭院安排會議與南京銀行參訪

目錄 *郭院會議&#xff1a;服務外包*1.會遇到的問題以及解決方案2.考慮行業目前會碰到的瓶頸3.后端應該呈現處理圖像的過程4.記得做報告、文檔說明和視頻等工作 *南京銀行&#xff08;鑫合易家&#xff09;參訪記錄*1. 風險評分業務流程筆記![在這里插入圖片描述](https://i-b…

Cloud Ace 宣布成為 Langfuse 亞太地區首個代理商,提供 LLM 全鏈路解決方案

Cloud Ace 宣布正式代理 Langfuse 產品&#xff0c;是 Langfuse 在亞太地區唯一的官方授權經銷商&#xff0c;全面負責其商用許可證的銷售、部署與技術支持服務。通過此次合作&#xff0c;Cloud Ace 將充分發揮 Langfuse 的先進技術能力與行業專業知識&#xff0c;為企業級客戶…

Helm 的倉庫管理與 Chart 搜索

在使用 Helm 管理 Kubernetes 應用的過程中&#xff0c;倉庫管理與 Chart 搜索是兩個核心功能。通過 Helm 倉庫&#xff0c;用戶可以方便地存儲、分享和獲取 Helm Chart&#xff0c;而搜索功能則幫助用戶快速找到所需的 Chart。本文將詳細介紹 Helm 倉庫的概念、管理方法以及如…

Matlab 汽車振動多自由度非線性懸掛系統和參數研究

1、內容簡介 略 Matlab 169-汽車振動多自由度非線性懸掛系統和參數研究 可以交流、咨詢、答疑 2、內容說明 略 第二章 汽車模型建立 2.1 汽車懸架系統概述 2.1.1 懸架系統的結構和功能 2.1.2 懸架分類 2.2 四分之一車輛模型 對于車輛動力學&#xff0c;一般都是研究其懸…

免訓練指標(Zero-Cost Proxies)

1. 什么是免訓練指標&#xff08;Zero-Cost Proxies&#xff0c;ZC proxies&#xff09;&#xff1f; 免訓練指標是一類 無需完整訓練模型即可評估其性能的度量方法&#xff0c;主要用于提高 神經架構搜索&#xff08;NAS&#xff09; 的效率。 傳統 NAS 需要訓練候選架構來評…