A FinalSpark utiliza organoides cerebrais, estruturas tridimensionais desenvolvidas em laboratório a partir de células-tronco neurais, para criar o que eles chamam de Wetware computing. Ao contrário dos sistemas convencionais de inteligência artificial (IA), esses organoides consomem um milhão de vezes menos energia. Dr. Fred Jordan, co-fundador da FinalSpark, destaca que os avanços recentes em biologia e tecnologias de células-tronco abrem novas perspectivas no campo da biologia sintética.
A abordagem da FinalSpark pode marcar o início de uma era de informática com baixo impacto ambiental. Em vez de integrar conceitos biológicos na computação tradicional, a start-up utiliza organoides cerebrais para processar informações de maneira eficiente. Esses 16 organoides estão conectados a eletrodos e a um sistema microfluídico que lhes fornece água e nutrientes. Segundo a FinalSpark, um bioprocessador orgânico maduro pode substituir os atuais sistemas de machine learning que consomem muita energia.
Os sistemas de IA atuais, como o GPT-4, necessitam de quantidades colossais de energia para funcionar. Em comparação, o cérebro humano, com seus 86 bilhões de neurônios, consome apenas 0,3 quilowatt-hora por dia. De acordo com os pesquisadores da FinalSpark, o treinamento de um grande modelo de linguagem, como o GPT-4, requer dezenas de gigawatts-hora, o equivalente ao consumo energético anual de milhares de lares.
A Neuroplatform da FinalSpark permite que pesquisadores de todo o mundo conduzam experimentos à distância com seus organoides cerebrais. Nos últimos três anos, essa plataforma foi utilizada com mais de 1000 organoides, coletando assim 18 terabytes de dados. Fred Jordan afirma que a colaboração internacional é essencial para alcançar objetivos tão ambiciosos.
A FinalSpark espera expandir as capacidades de sua plataforma para incluir uma gama mais ampla de protocolos experimentais, como a injeção de moléculas e medicamentos nos organoides. Essa tecnologia pode revolucionar o campo da IA ao oferecer uma alternativa energeticamente eficiente aos processadores tradicionais.