Biologisches Computerunternehmen bietet KI-Modell auf Rattenhirnbasis über AWS an
Amazon Web Services gewährt ausgewählten Kunden Zugang zum neuen KI-Modell von The Biological Computing Company, das neuronale Muster aus Rattenhirnzellen nutzt, um die Videogenerierung zu verbessern.

Amazon Web Services (AWS) hat eine begrenzte Vorschau auf ein neues Modell der künstlichen Intelligenz (KI) gestartet, das von The Biological Computing Company (TBC) entwickelt wurde. Das Modell nutzt neuronale Netze, die aus Rattenhirnzellen stammen, und konzentriert sich speziell auf die Verbesserung der Fähigkeiten zur Videogenerierung.
Alexander Ksendzovsky, Mitbegründer und CEO von TBC, erläuterte, dass das Unternehmen eine Methode entwickelt habe, um Informationen, wie z. B. Bilder, in biologisches Material zu kodieren. Anschließend wird beobachtet, wie die Biologie diese Informationen verarbeitet, und ein Werkzeug entwickelt, das diesen biologischen Prozess nachahmt. Sowohl Amazon als auch TBC gehen davon aus, dass die Technologie bald allen Unternehmenskunden von AWS zur Verfügung stehen wird.
AWS hat zuvor mit Unternehmen im Bereich des biologischen Rechnens zusammengearbeitet. Deap Ubhi, globaler Technologiedirektor für Start-ups bei AWS, merkte an, dass der Cloud-Gigant auch mit Cortical Labs zusammenarbeitet, einem australischen Unternehmen, das im Labor gezüchtete Neuronen mit Siliziumchips zur Datenverarbeitung kombiniert.
TBCs Ansatz wird als "pragmatisch" beschrieben, was für Amazon attraktiv war. Anstatt zu versuchen, die Kernarchitekturen großer Sprachmodelle neu zu erfinden, arbeitet TBC innerhalb bestehender Standards für generative KI daran, "aktuelle visuelle Modelle effizienter zu gestalten", so Ubhi.
Das biologische Rechnen, das darauf abzielt, die Funktionsweise neuronaler Netze im Gehirn nachzuahmen, anstatt sich ausschließlich auf mathematische Algorithmen zu verlassen, hat inmitten des zunehmenden Wettbewerbs im KI-Sektor an Bedeutung gewonnen. Zu den Herausforderungen in diesem Bereich gehören die Aufrechterhaltung der Lebensfähigkeit von biologischem Material und die Übersetzung seiner Prozesse in aussagekräftige digitale Informationen.