Biokomputery w świecie AI – neurony jako nowe procesory

Transkrypcja

Dziś moim gościem jest doktor Ewelina Kurtys. Porozmawiamy o biokomputerach. Czym są, co już dziś potrafią i dlaczego mogą całkowicie zmienić sposób, w jaki myślimy o sztucznej inteligencji. Ewelino, dziękuję, że przyjęłaś moje zaproszenie na rozmowę.

Dziękuję bardzo za zaproszenie.

Powiedz nam może coś więcej o sobie. Co łączy Cię z branżą IT?

Nazywam się Ewelina Kurtys. Mam doktorat z neurobiologii, zaczynałam od zupełnie innej strony, bo od nauk biologicznych, biomedycznych. Później opuściłam uczelnię i zaczęłam pracować ze start-upami. W ten sposób odkryłam sztuczną inteligencję i jej ogromny potencjał do zmieniania naszego życia. Bardzo mnie to zafascynowało.

Powiedzmy, że od jakiegoś czasu zajmuję się komercyjnym zastosowaniem sztucznej inteligencji. A ostatnio poszłam krok dalej. Już nie tylko AI, ale także jej przyszłością. Pracuję nad projektem Final Spark, gdzie budujemy komputery z żywych neuronów. Chcemy stworzyć nową technologię przyszłości, która jak zakładamy za około 10 lat będzie dostarczała bardziej wydajną energetycznie sztuczną inteligencję. Ma zużywać znacznie mniej energii.

Zanim przejdziemy do tych najważniejszych rzeczy, to może zróbmy mały wstęp. Powiedz nam, czym w ogóle jest biokomputer i czym są organoidy? Trudne słowo na początek.

Biokomputer to komputer zbudowany z żywych neuronów. To nowa dziedzina i dosłownie, nie w przenośni. To prawdziwe, żywe neurony, takie same jak w naszych mózgach. Jeśli staramy się je programować, nazywa się to biocomputing. To także nowa dziedzina, w której nawet nazewnictwo nie jest jeszcze ustalone. Niektórzy używają innych określeń, na przykład wetware computing albo organoid intelligence. Słów jest sporo, bo dziedzina dopiero się rozwija. Na razie biokomputery to prototypy. Są zbudowane z takich zlepków komórek, które nazywamy organoidami. Jeśli są prostsze, to neurosferami. Neurosfery to kulki o średnicy około pół milimetra, złożone z około 10 tysięcy neuronów. Umieszczamy je na ośmiu elektrodach. To można zobaczyć na naszej stronie internetowej: finalspark.com/live gdzie widać obraz z laboratorium i odczyt aktywności elektrycznej neuronów. One są umieszczone na ośmiu elektrodach po to, by móc wysyłać im sygnały elektryczne i odbierać od nich sygnały. To pierwsze kroki do programowania neuronów.

A gdybyśmy chcieli podpowiedzieć naszym słuchaczom, jak to sobie wyobrazić. Czy to jest jakaś zamknięta komora, probówka, która jest niedostępna dla ludzi, a w środku te neurony są podłączone do czegoś? Czy zupełnie inaczej?

To są laboratoria, czyli pokoje, w których musi być bardzo czysto. Komórki są przechowywane w inkubatorach. Inkubator wygląda jak lodówka, tylko że jest w środku ciepło żeby utrzymać odpowiednią temperaturę. Komórki hodujemy w plastikowych pojemnikach. U nas to są specjalne plastikowe płytki z elektrodami. W środku znajduje się malutkie miejsce, gdzie umieszczamy neurony i elektrody. Do tego musi cały czas dopływać płyn czyli składniki odżywcze i jednocześnie musi być odprowadzany, by usuwać metabolity. Żywe komórki muszą być w bardzo precyzyjnie kontrolowanych warunkach i stale w środowisku wodnym.

Będę dopytywał o szczegóły trochę później. Ale zanim do tego dojdziemy, powiedz od czego zaczęła się ta historia? Jakie były najważniejsze kamienie milowe tego przedsięwzięcia?

Final Spark został założony w 2014 roku przez Freda Jordana i Martina Kutera, dwóch przedsiębiorców i naukowców ze Szwajcarii. Mają oni już inną, bardzo dochodową firmę, która nazywa się Alp Vision. Dzięki niej mogli założyć drugi start-up w którym nie musieli aż tak bardzo martwić się o pieniądze. Zajęli się więc swoimi marzeniami. A takim typowym marzeniem każdego inżyniera jest zbudowanie myślącej maszyny. Wielu o tym marzy, oni też. 

Właśnie z takim celem powstał ten poboczny projekt. Zatrudnili wtedy jednego inżyniera, który jest z nami do dziś. Na początku zajmowali się różnymi skomplikowanymi algorytmami cyfrowymi. Z czasem zauważyli, że te symulacje cyfrowe zużywają bardzo dużo energii. Okazało się, że projekt budowania inteligentnej maszyny w dużej mierze zależy od nakładów energetycznych co potwierdziło się później.

Widzieliśmy to chociażby na przykładzie ChatGPT, jego sukces był możliwy głównie dzięki ogromnym nakładom energetycznym, zarówno podczas trenowania modelu, jak i jego późniejszego utrzymania. Doszli do wniosku, że to nie ma sensu dla małego start-upu. Szukanie nowych metod w cyfrowej sztucznej inteligencji jest zbyt kosztowne. Zaczęli zastanawiać się nad alternatywami. Pierwszy pracownik miał doświadczenie z żywymi neuronami, kiedyś brał udział w małym projekcie w laboratorium. Pojawił się pomysł, żeby spróbować właśnie z żywymi neuronami. To był szalony projekt, mało kto się tym zajmował, ale nie byliśmy jedyni. Na świecie są inne zespoły, które miały podobny pomysł, więc nie byliśmy kompletnymi szaleńcami. Pomyśleliśmy, że to może być droga do kolejnego etapu rozwoju sztucznej inteligencji. Badania z neuronami można prowadzić dużo taniej choć są trudne i wymagają wielu lat pracy, żeby zrozumieć, jak programować neurony. Ale jeśli to się uda, to zyskamy sztuczną inteligencję, która będzie zużywać znacznie mniej energii.

Trochę już powiedziałaś o tym, dlaczego warto, ale zatrzymajmy się jeszcze przy tym punkcie. Powiedz proszę, dlaczego komputery z żywych neuronów mogą być przełomowe? Wspomniałaś o energii, ale jak to jeszcze może wpłynąć na rozwój AI?

Nam obecnie zależy na tym, żeby dostarczyć moc obliczeniową, która będzie równie dobra jak ta cyfrowa. Na razie nie zakładamy, że będzie lepsza, trudno to przewidzieć. Ale już sam fakt, że będzie zużywać o wiele mniej energii, to ogromna rewolucja. Kolejną rewolucyjną rzeczą jest to, że neurony można bardzo łatwo namnażać w ogromnych ilościach.

Jeszcze tylko Cię zatrzymam na chwilę przy tej energii. W notatkach napisałaś, że to ma być milion razy bardziej wydajne. Czy to było przesadzone, czy naprawdę tak jest?

Nie, to jest prawda. Są niezależne artykuły naukowców spoza naszego zespołu, które pokazują na podstawie różnych analiz, że neurony są nawet milion razy bardziej wydajne energetycznie niż cyfrowe komputery.

Biorąc pod uwagę, ile energii zużywa taki ChatGPT, brzmi to jak rewolucja. Może się okazać, że w zasadzie taka technologia nic nas nie będzie kosztować. Przy milionowej optymalizacji to będą dosłownie grosze.

Tak, to na pewno byłaby duża rewolucja. A do tego dochodzi jeszcze jeden ważny aspekt: neurony można bardzo łatwo namnażać w ogromnych ilościach. To nie jest jak z płytkami komputerowymi, gdzie dostęp jest ograniczony. Neurony możemy hodować niemal w nieskończoność, jest to bardzo łatwe. Dzisiejsza technologia to już umożliwia.

Jak tak mówisz, że będzie można kopiować te neurony, tworzyć je, to czy zaraz się nie okaże, że my też zostaniemy skopiowani?

Nie, to zupełnie inny mechanizm. Pojedyncze komórki można rzeczywiście kopiować bardzo łatwo w laboratorium, choć właściwie nie tyle kopiować, co produkować nowe. Neurony są produkowane z komórek macierzystych. Same neurony się już nie dzielą, ale komórki macierzyste można namnażać i z nich tworzyć duże ilości neuronów.

No dobrze, wszystko brzmi dobrze, ale gdzie jest haczyk? Jakie ograniczenia mają biokomputery na ten moment? I kiedy możemy uznać, że ta technologia nadaje się do komercjalizacji?

Największym wyzwaniem jest to, że nikt nie wie, jak programować neurony. To bardzo trudne, bo nie mamy jeszcze wiedzy, jak neurony kodują informacje i jak je przetwarzają na takim podstawowym poziomie. Naukowo wciąż nie mamy tej odpowiedzi. Odkrycie algorytmu kodowania neuronów byłoby ogromną rewolucją nie tylko dla AI, ale też dla medycyny. To jednak wymaga wielu eksperymentów, które opierają się na metodzie prób i błędów. A to z kolei wymaga dużo czasu. Ostatnio udało nam się zachować jeden bit informacji w neuronach więc to naprawdę wczesny etap. I to jest obecnie nasze największe wyzwanie. Dlatego rozmawiamy teraz z inwestorami. Do tej pory cały projekt był finansowany przez założycieli, ale teraz rozmawiamy o pozyskaniu 50 milionów euro, żeby przyspieszyć badania. Dzięki temu szybciej moglibyśmy odkryć algorytm programowania neuronów.

Przygotowując się do naszej rozmowy, wyczytałem, że neurony w takim laboratorium żyją około 3 miesięcy. Czyli mamy neurony, one się czegoś uczą, potem umierają, i zaczynamy od nowa?

Tak, ale to na tym etapie nie ma większego znaczenia. Te 3 miesiące to i tak bardzo długo jak na obecne standardy. Oczywiście będziemy chcieli w przyszłości wydłużyć czas życia neuronów, ale teraz wystarczy nam to, co mamy. Na razie skupiamy się na tym, żeby w ogóle nauczyć neurony czegoś in vitro.

Wspomniałaś wcześniej, że te neurony są jak nasze w mózgu. Czy to znaczy, że jeśli nauczymy się zapisywać informacje w takich neuronach, to w przyszłości będziemy też wiedzieć, jak zapisywać je w naszych umysłach?

Tak, jest na to duża szansa. Oczywiście to cały czas spekulacje, ale tak możliwe, że w przyszłości będziemy mogli w pewnym stopniu modyfikować ludzki mózg, jeśli zrozumiemy, jak programować neurony.

I to też jest perspektywa 10 lat?

Tak to widzimy. Pierwsze uczenie się in vitro chcielibyśmy osiągnąć w ciągu 2–3 lat. Bardziej zaawansowane algorytmy w kolejnych 2–3 latach. Więc tak, celujemy w mniej niż 10 lat.

Ja tu już wymyślam na poczekaniu, ale jeśli ludzie boją się, że sztuczna inteligencja zabierze im pracę, to może powinni się obawiać, że za 10 lat będziemy sobie po prostu mogli wgrać informacje do głowy? Wtedy AI będzie w naszej głowie? Może my sami nią będziemy?

Myślę, że jest szansa, że będziemy mądrzejsi. Jest dużo badań nad tym, jak ulepszyć człowieka są różne pomysły: farmakologiczne, ale też na przykład wszczepianie implantów. Na pewno coś z tego kiedyś wyjdzie i możliwe, że będziemy mieć lepszą pamięć, większe możliwości.

Brzmi ciekawie żeby nie powiedzieć trochę przerażająco. Ale wróćmy do ograniczeń. Neurony żyją 3 miesiące, nie potrafimy jeszcze zapisywać informacji. Co jeszcze nam przeszkadza?

To są właśnie te dwa najważniejsze ograniczenia. Największym wyzwaniem jest uczenie się in vitro.

Jeśli chodzi o komercjalizację. Macie stronę, i można wykupić dostęp do waszego rozwiązania. Jaka jest szansa, że w niedalekiej przyszłości na przykład taki ChatGPT będzie działał z wykorzystaniem neuronów, żeby zużywać mniej energii?

Wydaje nam się, że to wszystko zajmie około 10 lat. Jak już uda nam się rozwiązać problem uczenia się in vitro i tworzyć bardziej zaawansowane algorytmy, to wtedy chcemy zająć się skalowaniem. Planujemy budować duże struktury neuronów takie bioserwery. Wyobrażamy sobie to jako duże centra, laboratoria, do których będzie można podłączać się zdalnie. Podobnie jak dziś można podłączyć się do naszego małego laboratorium w celach naukowych, tak w przyszłości będzie można korzystać z mocy obliczeniowej takiego bioserwera zdalnie tak jak dziś do clouda się podłączamy.

Brzmi to bardzo dobrze. Wspominałaś, że szukacie finansowania w wysokości 50 milionów euro dobrze zrozumiałem?

Tak, zgadza się.

Powiem szczerze, że brzmi to rewelacyjnie. Zastanawiam się więc, dlaczego nikt jeszcze nie zainwestował w to czterokrotnie więcej? Mam w głowie przykład aplikacji Builder.ai. Microsoft zainwestował w nią ogromne pieniądze, a potem się okazało, że to było 700 programistów z Indii. Czy inwestorzy nie widzą w tym potencjału? Czy może jeszcze nie weszliście tak mocno w marketing?

To jest projekt długoterminowy. Najłatwiej jest dziś zdobyć finansowanie na rozwiązania, które przynoszą zyski w perspektywie 3 do 5 lat. To są bezpieczniejsze inwestycje.

A w przypadku takich innowacyjnych, długofalowych projektów potrzeba więcej czasu, żeby udowodnić, że pomysł ma sens i zminimalizować ryzyko. Inwestorzy bardzo boją się ryzyka. Z naszej strony też nie ma presji czasu. Nie musimy się zgadzać na wszystko, czego życzyłby sobie inwestor, jeśli coś nam nie odpowiada. Nawet jeśli nie pozyskamy finansowania, to i tak będziemy kontynuować projekt tylko wolniej.

Czy biokomputery obecnie rozwiązują jakiekolwiek rzeczywiste problemy?

Na razie nie. Jesteśmy w fazie rozwoju. Aktualnie jesteśmy w stanie zachować 1 bit informacji w neuronach. To są bardzo podstawowe badania nad przetwarzaniem sygnałów jeszcze nie komercyjne rozwiązania.

Gdzieś obiło mi się o uszy, nie jestem pewien, czy to nie chodzi o waszą konkurencję, że neurony grały w Ponga. Kojarzysz coś takiego?

Tak, to nasza konkurencja, to jest Cortical Labs z Australii. To są nasi najważniejsi konkurenci. Oni opublikowali artykuł, w którym opisali, że neurony były zaangażowane w grę Pong.

Jesteś w stanie powiedzieć, jak to działało?

Polegało to na tym, że neurony w jakiś sposób mogły kontrolować grę. My próbowaliśmy to powtórzyć w naszym laboratorium, ale nigdy nam się nie udało. Mogę tyle powiedzieć.

A czy to mogło być przypadkowe? Skoro jeszcze nie wiemy, jak neurony się uczą i jak zapisują informacje, to może im się udało, a w milionach innych prób by się nie udało?

Nie. Myślę, że warunki w laboratoriach są niezwykle złożone i trudne do powtórzenia. To ogólny problem w badaniach biomedycznych. Są takie artykuły które pokazują, że 30% badań jest niemożliwa do odtworzenia. To pokazuje, jak bardzo wyniki mogą zależeć od konkretnych warunków i szczegółów w danym laboratorium.

Powiem Ci, że im więcej mi o tym opowiadasz, tym bardziej myślę, że te 10 lat to wcale nie jest aż tak dużo czasu.

Tak, zakładając, że znajdziemy inwestora i uda się przyspieszyć badania. Bo jeśli nie, to może to potrwać trochę dłużej.

Powiedzmy teraz w jaki sposób biokomputery są obecnie programowane? I jak mogą być programowane w przyszłości? Czy przewidujecie, że powstanie dla nich nowy język programowania?

Tak, na pewno powstanie nowy język i zupełnie inne podejście do programowania. Obecnie używamy głównie Pythona. Nasz hardware jest podłączony do zwykłych, cyfrowych komputerów, więc możemy kontrolować wszystko, co dzieje się z neuronami, właśnie za pomocą komputera. W Pythonie piszemy programy, które określają na przykład jakie sygnały elektryczne chcemy wysłać neuronom. Możemy też programować sygnały chemiczne. Czyli piszemy w Pythonie formułę, a potem to się faktycznie dzieje w laboratorium, na płytce z neuronami. Obecnie używamy dopaminy i serotoniny, które są neuroprzekaźnikami, tak jak w ludzkim mózgu.

Czyli wszystko jest podłączone do sprzętu i można zdalnie tym sterować?

Tak. Wszystko jest zintegrowane z naszym hardware’em i można kontrolować, co się dzieje z neuronami w czasie rzeczywistym.

Jak to wygląda w praktyce? Bo skoro mówimy, że to działa, to znaczy, że już można z tego korzystać. Jak to wygląda od strony użytkownika, badacza czy programisty? I w jakiej cenie?

Można się podłączyć do naszego laboratorium zdalnie. Przyjmujemy nie tylko uniwersytety i instytucje badawcze, ale także klientów komercyjnych. Programiści mogą pisać kod w Pythonie i w ten sposób programować interakcje z neuronami. Mogą też analizować dane. Chodzi o to, by znaleźć znaczące zależności między tym, co wysyłamy do neuronów, a tym, co od nich otrzymujemy. To są nadal badania podstawowe, ale rośnie liczba entuzjastów, którzy chcą sprawdzić, jak to działa. 

Można się podłączyć do laboratorium na zasadzie, że dzieli się neurony z innymi użytkownikami. Taki dzielony dostęp kosztuje 1000 dolarów miesięcznie i to jest minimalny okres czasu na jaki można wykupić dostęp. Można także mieć neurony tylko dla siebie kiedy nikt inny nie będzie już robił eksperymentów. Taki dedykowany dostęp kosztuje 5000 dolarów za miesiąc. Wynika to z tego, że jest to skomplikowany hardware, którym muszą się opiekować nasi naukowcy.

A możesz jeszcze powiedzieć, czym dokładnie różni się dostęp współdzielony od dedykowanego?

W dostępie współdzielonym nie można korzystać z systemu 24/7. Trzeba zapisywać się w kalendarzu i obecnie ustaliliśmy limit na maksymalnie 4 godziny dziennie na użytkownika. W przypadku dostępu dedykowanego masz pełną kontrolę. Możesz korzystać przez cały czas. W dodatku przy dostępie dedykowanym hardware jest trochę inny. Tam można też robić eksperymenty bez kodowania. Mamy graficzny interfejs typu no-code. Choć wiadomo, że kodowanie daje znacznie więcej możliwości.

Zastanawiam się, jeżeli wykupię dostęp na miesiąc i uruchomię swój program w Pythonie, to gdy wrócę do tego samego programu za dwa miesiące, to efekt będzie taki sam? Czy to nie jest jeszcze ten moment?

No właśnie nie. To nie jest jeszcze ten moment. Neurony nie są stałym systemem, jak zwykły komputer. To system dynamiczny. I to jest jedno z największych wyzwań, bo jeśli dziś wyślemy dany sygnał i otrzymamy konkretną odpowiedź, to za tydzień ten sam sygnał może dać zupełnie inny wynik. Neurony się zmieniają, adaptują i dlatego właśnie tak trudno się je programuje. To cały czas jest jeszcze przedmiot badań. Dlatego właśnie czasem trudno odtworzyć niektóre eksperymenty. Raz coś nam się udaje dokładnie tak, jak chcemy, a następnym razem już nie. To jedna z największych trudności w pracy z neuronami.

Chciałbym jeszcze wrócić do poprzedniego pytania, bo właściwie nie odpowiedzieliśmy do końca. Jak to będzie wyglądać w przyszłości? Czy rzeczywiście powstanie nowy język programowania? Czy nadal będzie to wyglądało tak, że piszemy instrukcje, czy może będzie potrzebne coś więcej?

Wydaje mi się, że powstanie zupełnie nowy język programowania. To trochę jak z komputerami kwantowymi. Tam też hardware jest zupełnie inny niż w komputerach cyfrowych, więc i programowanie musi być zupełnie inne. Tu będzie podobnie, zupełnie inne podejście, inna logika. Dlatego to wszystko jest takie trudne. Tak jak w komputerach kwantowych. Tam też nikt do końca nie wie jeszcze, jak to efektywnie programować. Wymaga to zupełnie innego sposobu myślenia.

A jak myślisz, kto będzie tak naprawdę tworzył te programy? Informatycy, biolodzy? Czy to będzie jakiś miks?

Wyobrażam sobie, że będą to nadal programiści, jak dziś, tylko z innym podejściem. Ale możliwe, że będzie też warstwa tłumacząca, taka jaką mamy dziś w komputerach. Dzisiaj przecież nie programujemy na poziomie najniższym. Nie piszemy wszystkiego w Verilogu lub innych podstawowych językach. Mamy języki wysokiego poziomu, a gdzieś pod spodem jest warstwa, która tłumaczy to wszystko na język hardware’u. Może więc i tutaj tak będzie. Nadal będziemy pisać w Pythonie, a specjalna warstwa będzie to tłumaczyć na język neuronów.

Skoro już wspomniałaś o komputerze kwantowym, to czy uważasz, że komputer kwantowy będzie konkurencją dla biokomputera? Czy to zupełnie inne dziedziny?

Nie, raczej myślimy o tym jako o technologiach komplementarnych, a nie konkurencyjnych. Komputery kwantowe mają zupełnie inne zalety, prawdopodobnie znajdą zastosowanie na przykład w szyfrowaniu. Z kolei neurony, patrząc na ludzki mózg, wydają się lepsze do zupełnie innych zadań.

Nie powiedzieliśmy jeszcze tego wprost, ale biokomputery, o których teraz rozmawiamy, nie będą uniwersalnym rozwiązaniem do wszystkiego. Popraw mnie, jeśli się mylę.

Tak, dokładnie. Nam się wydaje, że wszystko, co dziś robimy za pomocą cyfrowych sieci neuronowych, da się lepiej zrobić na neuronach biologicznych, a to zależy od konkretnego zastosowania. Na przykład sztuczna inteligencja generatywna. Wydaje nam się, że neurony będą tu naprawdę dobre. Nasz mózg świetnie radzi sobie z analizowaniem złożonych problemów, z kreatywnością. 

A nawet z oszukiwaniem.

No właśnie. Halucynacje mają i cyfrowe modele.

Dokładnie. Czy to nie jest tak, że one zużywają mniej energii właśnie dlatego, że coś pomijają?

Tak, dokładnie. To jedna z kluczowych różnic. Komputery cyfrowe analizują wszystko z równą ważnością, każdą informację traktują tak samo. Mózg natomiast hierarchizuje informacje. Poświęca więcej energii tylko tym, które uzna za najważniejsze.

A czy zastanawialiście się nad jakimś połączeniem tych technologii? Bo kiedy myślę komputer kwantowy to widzę szybkość i ogromną moc obliczeniową. A bio­komputery, to niska energochłonność. Czy będzie możliwe stworzenie rozwiązania, które łączy jedno i drugie?

Ciężko powiedzieć. Na razie zarówno komputery kwantowe, jak i biokomputery to zupełne nowości. Nie ma sensu ich jeszcze łączyć, bo to dwie wielkie niewiadome. Ale jeśli obie technologie zaczną dobrze działać, wtedy jak najbardziej można myśleć o systemie hybrydowym. Tylko że teraz jeszcze za wcześnie.

No dobrze, to tak na koniec. Jaką książkę, podcast, blog poleciłabyś osobie, która chciałaby zgłębić ten temat? Może w przyszłości chciałaby zostać programistą biokomputerów. Od czego powinna zacząć?

To jest bardzo nowy temat, więc z książkami będzie ciężko. Jeśli ktoś chce być na bieżąco z tą nową technologią, to musi sięgać do internetu. Jeśli chodzi o bio­computing, to na pewno polecam nasze blogi na stronie internetowej. Mamy też grupę na Discordzie, gdzie toczą się techniczne dyskusje. Można się też podłączyć do naszego systemu i to nawet bez wynajmowania laboratorium. Udostępniamy dane z neuronów za darmo. Jak to zrobić jest opisane na naszym discordzie. Na naszej stronie, w zakładce Live, widać prawdziwe sygnały z laboratorium to są numeryczne dane z neuronów, z których można korzystać.

Jeśli ktoś interesuje się tą dziedziną, internet będzie najlepszym źródłem. Książek o biocomputingu zgodnie z moją wiedzą jeszcze nie ma. O neurobiologii jak najbardziej, ale stricte o biocomputingu jeszcze nie widziałam.

W notatkach napisałaś mi też o książce Life 3.0, co to takiego?

Tak! To książka, którą bardzo polecam każdemu, kto interesuje się sztuczną inteligencją. Czytałam ją kilka lat temu. Napisał ją fizyk Max Tegmark. Świetnie opisuje na czym polega AI, jakie są zagrożenia, możliwości, kierunki rozwoju. Gdy pierwszy raz zaczęłam interesować się sztuczną inteligencją, ta książka naprawdę mi pomogła. Nie ma tam nic o biocomputingu, ale to jedna z najlepszych książek wprowadzających do tematu AI.

Wspomniałaś też, że warto po prostu uczyć się biologii i kodowania. Napisałem sobie taką uwagę: jak połączyć te dwa światy? To wydaje się trochę abstrakcyjne.

Ja myślę, że to coraz bardziej realne. Już teraz jest wiele projektów, które łączą biologię i kodowanie. Nasz projekt nie jest jedyny. Na przykład w data science bardzo dużo tego jest jak się analizuje dane medyczne. Myślę, że najważniejsza jest praktyka. Są też kraje, gdzie powstają specjalne kierunki studiów łączące biologię z inżynierią co jest jest bardzo fajne. Jeśli ktoś interesuje się biokomputerami, warto zacząć czytać o neuronach, jak są zbudowane, jak przetwarzają informacje, co już o nich wiemy. Jeśli chodzi o przebranżowienie, to na razie jest niewiele możliwości pracy w tej konkretnej dziedzinie. Jest to trochę skomplikowane. Jest Cortical Labs z Australii, jesteśmy my w Szwajcarii i firma Koniku w USA. Także tych projektów jest niewiele.

Wydaje mi się, że warto łączyć biologię i programowanie, to jest bardzo przyszłościowe. Jest bardzo dużo projektów gdzie się analizuje na przykład ten interface między mózgiem a innymi urządzeniami. Także jest bardzo dużo projektów które łączą te dwie dziedziny. Ale one już nie są jak biocomputing o neuronach tylko bardziej o jakichś sygnałach biologicznych jakie wytwarza nasz mózg.

Od razu pomyślałem, że to może być idealne połączenie dla osób po biologii, które lubiły komputery.

Myślę, że tak. Chociaż to długa droga, trzeba to naprawdę lubić. Ale jeśli biolog nauczy się programować, może mieć przewagę. Bo będzie miał kontekst, to jest bardzo ważne. Umiałby nie tylko kodować, ale też rozumiał, jak to wszystko działa.

Może fajnym zakończeniem byłoby wspomnienie, jak trafiłaś do Final Spark.

Bardzo polecam networking, jeżdżenie na konferencje i rozmawianie z ludźmi, z przypadkowymi osobami, jak najwięcej. Zawsze to robiłam i do dziś robię. Jak trafiłam do Final Spark, to akurat mieszkałam w Londynie. Miałam pierwszą pracę poza uczelnią. Zajmowałam się obrazowaniem medycznym i analizowaniem. Tak się trochę nauczyłam AI. Poszłam na jedną z wielu konferencji i eventów w Londynie. Prezentowały się tam różne firmy zajmujące się sztuczną inteligencją. I rozmawiałam ze wszystkimi. Zawsze tak robię, chodzę od stoiska do stoiska, pytam, co robią, dlaczego to ważne, i staram się jak najwięcej nauczyć. To bardzo rozwija, można się uczyć bezpośrednio od osób, które pracują z danym tematem na co dzień. No i tak właśnie trafiłam na Final Spark.

Czyli to nie było tak, że już wcześniej znałaś ten projekt?

Nie, ciężko było wtedy go znać. To jeszcze nie był rozpoznawalny temat, nie było wielu informacji. Dziś jest o nas więcej w prasie, ale wtedy prawie nikt o tym nie słyszał.

I taka rozmowa wystarczyła, żeby…?

Tak, wystarczyła, żeby się tym zająć. Bardzo mnie to zafascynowało, bo łączyło biologię,to w czym się kształciłam, z technologią która mnie zafascynowała. Nowy temat. Połączenie inżynierii i biologii. Tak się złożyło, że dobrze się w to wpasowałam.

Czyli widzicie, dość krótka ścieżka, wystarczy pojawić się na evencie. Oczywiście się śmieję.

Myślę, że warto robić to, co się lubi, i się tym interesować. Rozmawiać z ludźmi. Z networkingu można się naprawdę dużo nauczyć. Bardzo polecam uczestnictwo w konferencjach, targach, meetupach, wszędzie gdzie można z kimś porozmawiać. Wtedy jest większa szansa, że trafi się na coś naprawdę ciekawego.

To mamy tu naprawdę ciekawą osobę. Powiedz jeszcze gdzie można cię znaleźć w sieci?

Najłatwiej na LinkedInie, to najprostszy sposób. A także na naszej stronie internetowej finalspark.com. Można napisać do naszego zespołu. Ja najczęściej odpowiadam na te maile. Można wypełnić formularz kontaktowy albo znaleźć nasze adresy mailowe na stronie. Zawsze zachęcam do kontaktu, jeśli ktoś ma pytania albo jest zafascynowany projektem, to chętnie udzielamy informacji.

To jeszcze takie ostatnie pytanie: czy poszukujecie programistów Pythona, czy to jeszcze za wcześnie?

Na razie za wcześnie. Można dużo zrobić tylko na razie rozmawiamy z inwestorami. Jeśli uzyskamy finansowanie, to na pewno będziemy zatrudniać. Ale obecnie mamy bardzo mały zespół, sześć osób i nie zamierzamy nikogo zatrudniać.

Dobrze, to jak się pojawią wolne miejsca dla programistów Pythona, to mam parę osób u siebie, które pewnie będą chętne.

Dobrze, dam znać.

No to ja wszystkich zapraszam do pisania do Eweliny, jeśli chcielibyście się czegoś dowiedzieć. A Tobie bardzo dziękuję za rozmowę i za podzielenie się z nami swoimi doświadczeniami.

Dziękuję bardzo.

Trzymaj się, na razie!

Dzięki!