Met de opkomst van generatieve AI stijgt het energieverbruik snel. Dat in tegenstelling tot ons brein, dat per uur zo’n 20 watt aan energie verbruikt. De Zwitserse FinalSpark haalt daar zijn inspiratie uit. Het bedrijf ontwikkelt bioprocessors op basis van biologische neuronen. Met andere woorden: een soort biologisch brein voor AI.
Het klinkt als science fiction: AI-taken laten uitvoeren door levende, biologische neuronen. Deze cellen vormen de bouwstenen van onze hersenen en zijn dus hetgeen wij als mensen gebruiken om complexe taken uit te voeren. Maar de zes werknemers van FinalSpark zijn grote liefhebbers van science fiction, vertelt dr. Fred Jordan, co-ceo en medeoprichter van de Zwitserse startup. “En als je van science fiction houdt, probeer je gekke ideeën niet te vermijden. Die zoek je juist op.”
Het idee van FinalSpark ontstond ongeveer een decennium geleden. Jordan en dr. Martin Kutter, de andere oprichter en ceo van het bedrijf, behaalden hun PhD’s in signal processing. Nu richten ze zich op het volgende doel: een revolutie veroorzaken in AI. “We waren met z’n tweeën en zaten in een werkveld waar Google miljarden dollars aan onderzoek uitgeeft. Toch geloofden wij dat we een kans hadden.” Die kans zien ze in onderzoeksgebieden waar de meesten in de gemeenschap geen aandacht aan besteden.
Eén van die gebieden is spiking neural networks, of ‘gepulste neurale netwerken’. Dit soort netwerken haalt inspiratie uit natuurlijke neurale netwerken, zoals die in ons brein. In tegenstelling tot klassieke neurale netwerken versturen gepulste neurale netwerken informatie in pieken, of pulsen. Daardoor zijn ze een stuk energiezuiniger. Tussen de pieken door wordt namelijk nagenoeg geen energie verbruikt. “Wij maakten hier wat modellen van en verzamelden simulaties van de gepulste neuronen. Aan het einde hadden we een paar honderd gesimuleerde gepulste neuronen, die diverse kilowatturen aan energie verbruikten.”
Zo’n drie jaar later is het team van FinalSpark uitgebreid. Een van de nieuwe werknemers werkt tijdelijk ook bij het Zwitserse technologie-instituut ETH, waar hij de biologische neuronen van de mens bestudeert. En deze neuronen verbruiken bijna geen energie. Zo komen de wetenschappers op een nieuw idee: “Laten we onze gesimuleerde gepulste neuronen vervangen door echte neuronen.”
Veel energiezuiniger
Het idee van FinalSpark lijkt eenvoudig: gebruik biologisch materiaal om AI-taken uit te voeren. Een zogenaamde bioprocessor.
Zo’n systeem zou een stuk energiezuiniger zijn dan de huidige technologie, al is onbekend hoeveel energie AI-tools concreet verbruiken. De makers doen daar nauwelijks uitspraken over. Volgens onderzoek was AI in 2024 verantwoordelijk voor zo’n 11 tot 20 procent van het wereldwijde stroomverbruik van datacenters. Volgens het Internationaal Energieagentschap waren datacenters in 2024 op hun beurt verantwoordelijk voor 1,5 procent van het wereldwijde energieverbruik, wat neerkomt op 415 terawattuur. Dat terwijl het menselijk brein, dat net zo goed data opslaat en complexe taken uitvoert, slechts zo’n 20 watt aan energie verbruikt.
De vraag is: hoe maak je dan zo’n bioprocessor? “Het eerlijke antwoord is dat niemand dat weet”, lacht Jordan. “We weten alleen in welke algemene richting we op moeten werken.” Het vakgebied is namelijk nog relatief jong en veel wordt nog onderzocht.
Toch communiceren we al decennia met levende cellen. Daar zijn ook diverse technologieën voor ontwikkeld. Jordan noemt elektrofysiologie als voorbeeld: de studie van de elektrische eigenschappen van cellen en weefsels. “Maar deze tools worden niet gebruikt voor biocomputing. We gebruiken dus dingen die voor iets anders bedoeld waren voor ons eigen doel.”
Hoe werkt het?
FinalSpark werkt in zijn onderzoek met een organoïde, ofwel een mini-orgaan. “Het is niet echt een brein, maar wel vergelijkbaar met een orgaan. Wij maken een dun balletje van weefsel, met een diameter van ongeveer een millimeter, waarin duizenden neuronen met elkaar verbonden zijn. Daar verbinden we elektroden aan.”
Via die elektroden wordt geprobeerd met de neuronen te communiceren. Neuronen creëren een zogenaamd ‘actiepotentiaal’; een variatie in voltage dat meetbaar is. “Dat is niet eenvoudig, want het gaat om slechts vijftig microvolt”, zegt Jordan. Via diezelfde elektroden kun je vervolgens ook stroom sturen om ze te stimuleren. “Soms antwoorden ze dan.”
Net als een kunstmatig neuraal netwerk moet ook een biologisch netwerk getraind worden. Dat is waar FinalSpark nu aan werkt: het uitvoeren van een succesvolle training. “Training is het vinden van de juiste set aan verbindingen tussen neuronen, zodat je de juiste output krijgt voor een bepaalde input. Die definitie is hetzelfde voor kunstmatige neurale netwerken, maar omdat het een ander systeem is, werk je met een ander proces.”
Beloning met hormonen
Die training gaat via elektrische stimulatie, maar ook via hormonen, zoals dopamine en serotonine. Met deze hormonen worden de neuronen als het ware ‘beloond’ voor gewenst gedrag. “Maar als je een beloning geeft, moet je er wel van uitgaan dat de neuronen deze dopamine kunnen waarnemen”, zegt Jordan.
Juist daarin zit weer een uitdaging: er zijn honderden verschillende types en subtypes van neuronen. “De neuronen in het corpus striatum, een deel van je brein, worden mogelijk gebruikt in het beloningssysteem. Daarom maken we organoïden met striatum-neuronen, zodat ze gevoelig zijn voor dopamine.”
Maar dit zijn niet de neuronen die geassocieerd worden met het leerproces. Wil je zorgen dat het uiteindelijke neurale netwerk in staat is om te leren, dan moeten ook neuronen worden toegevoegd die daarmee geassocieerd worden. FinalSpark gebruikt daarvoor neuronen die we in de mens tegenkomen in de hersenschors. “We stellen verschillende organoïden samen met verschillende delen van het brein, om zo te zoeken naar de juiste samenstelling voor een lerend systeem.”
Steeds opnieuw trainen
Hoe komt FinalSpark eigenlijk aan die neuronen? “We gebruiken het werk van professor Yamanaka van de Universiteit van Kyoto”, vertelt Jordan. Yamanaka ontdekte een manier waarmee volwassen huidcellen weer terug kunnen keren naar stamcellen. Vanuit daar kunnen de stamcellen doorgroeien naar andere soorten cellen. Voor dat werk won Yamanaka in 2012 de Nobelprijs voor Geneeskunde. FinalSpark koopt dit soort stamcellen in en gebruikt ze voor zijn onderzoek.
Nadeel van biologisch materiaal is echter dat het op een gegeven moment vergaat. “In principe zijn neuronen zo’n honderd jaar houdbaar”, glimlacht Jordan. “De neuronen in je brein gaan namelijk je hele leven mee. Die vernieuwen niet.”
Helaas gaan de neuronen in de bioprocessors van FinalSpark nog niet zo lang mee. “Als wij de organoïde pakken en deze aan elektroden koppelen, gaan ze momenteel een paar dagen tot een paar maanden mee.” Daarna moet dus weer een nieuwe organoïde gebruikt worden, die weer opnieuw getraind moet worden. Het werk vergaat dus iedere paar maanden. “Dat is een ding waar we nu aan werken. Idealiter blijft het twee jaar goed.”
Gebruik door onderzoekers
FinalSpark staat niet helemaal alleen in zijn onderzoek naar biocomputing. Het bedrijf biedt een Neuroplatform, waar wetenschappers zelf met de bioprocessors aan de slag kunnen. “Het platform stelt hen in staat om met Python signalen naar de neuronen te sturen en signalen te ontvangen. En we hebben een API waarmee je bijvoorbeeld dopamine kunt geven.”
Op dit moment zijn zo’n tien universiteiten aangesloten, die er op afstand gebruik van maken. Zij mogen hier gratis gebruik van maken om onderzoek naar biocomputing verder te helpen.
Concurreren met AWS
Het uiteindelijke doel van FinalSpark is om bioprocessors echt werkend te krijgen en flink op te schalen. “We verwachten dat we over tien tot vijftien jaar kunnen concurreren met AWS”, zegt Jordan. “We willen fabrieken bouwen met daarin weefsel van zo’n honderd bij honderd meter groot, en twintig centimeter dik. Dat moet miljoenen mensen wereldwijd bedienen van generatieve AI-functionaliteiten. Idealiter maakt dat voor de gebruikers geen verschil, maar het zou honderd keer minder elektriciteit verbruiken.”
In de tussentijd kijkt Jordan naar kleinere mijlpalen. “Ik werk al jaren met kunstmatige neurale netwerken. Dertig jaar geleden waren we al blij als we ze konden trainen om compleet nutteloze dingen te doen. Dit zou ook de eerste stap zijn in de training van biologische computers. Nutteloze dingen zijn namelijk erg eenvoudig”, vertelt hij.
“De tweede stap is om ze te trainen om nuttige dingen te doen. Je kunt zeggen dat dat hetzelfde is, maar dat denk ik niet. Het kostte ons al dertig jaar om van domme AI naar geavanceerde AI te gaan. Dus dit is ook hier de tweede stap. Daarna gaan we schalen.”
Toekomstdromen
Jordan hoopt dat er op termijn nog meer voordelen naar boven komen dan alleen het energieverbruik. “Er is een klein groepje mensen in dit veld dat denkt dat de meest belangrijke toepassing van biocomputing nog helemaal niet bekend is. Het is vergelijkbaar met de mensen die de solid state-transistor uitvonden, zo’n tachtig jaar geleden. Die wisten helemaal niet dat het gebruikt zou worden om smartphones te maken”, legt hij uit.
“We hebben het hier over de creatie van een volledig nieuwe industrie, een nieuw soort levend component. Je kunt je voorstellen dat daar een diversiteit van applicaties uit gaat komen, die we nu nog niet voorzien.”
