Na prvi pogled, prostorija izgleda kao tipična server-soba: redovi metalnih ormara s treperećim LED svjetlima, monotono zujanje ventilatora, kablovi razvučeni poput živaca između moždanih centara. No iza te sterilne scene krije se jedan od najsmionijih tehnoloških pothvata današnjice: stroj koji oponaša neurofunkcionalnost mozga makaki majmuna. Ne u prenesenom značenju, nego doslovno — barem kad se gleda kroz brojke neurona i sinapsi.

Nazvali su ga Darwin Monkey, i to nije slučajno: Charles Darwin opisivao je majmune kao jednu od karika u evolucijskoj priči čovjeka, a kineski su inženjeri, čini se, odlučili preskočiti nekoliko milijuna godina prirodne selekcije i staviti makakijev mozak izravno na silicijske noge. I to noge koje trče precizno i tiho, bez stanki za odmor, hranjenje, igru u krošnjama ili uzajamno čišćenje krzna.

Kineska škola neuromorfike

Iza projekta Darwin Monkey računala stoji State Key Laboratory of Brain-Machine Intelligence na Zhejiang University, u suradnji sa Zhejiang Lab. Zhejiang University je jedno od najstarijih i najuglednijih sveučilišta u Kini, poznato po snažnom tehnološkom i inženjerskom programu te visokom položaju na svjetskim ljestvicama. State Key Laboratory of Brain-Machine Intelligence okuplja multidisciplinarne timove stručnjaka iz područja neuroznanosti, računalnih znanosti i inženjerstva, a u njegovim laboratorijima se razvijaju i druge inovacije povezane s umjetnom inteligencijom. Zhejiang Lab, osnovan 2017., nastao je kao nacionalni istraživački centar s fokusom na big data, umjetnu inteligenciju i inteligentne mreže, a financiran je zajednički od strane vlade, akademije i industrije.

To su institucije koje u kineskoj znanstvenoj hijerarhiji nose reputaciju mjesta gdje se istraživački budžeti ne mjere u tisućama, nego u milijunima dolara — i gdje se AI ne shvaća samo kao softverska igračka, nego kao ključ buduće znanstvene i industrijske dominacije. Njihov pristup nije krenuo od algoritama, nego od hardvera. Neuromorfna računala — ona koja imitiraju strukturu i rad mozga — zahtijevaju posebne čipove, daleko drukčije od GPU-a i CPU-a.

Zhejiang je prije nekoliko godina uveo Darwin čip seriju, a sada je stigla treća generacija: Darwin 3. Darwin čipovi koriste koncept spiking neurona — elektroničkih ekvivalenata živčanih stanica koje “pucaju” impulse samo kad se dogodi dovoljno značajan podražaj. Umjesto stalnog preračunavanja matrica, ovdje je obrada vođena događajem (event-driven), što znači manju potrošnju energije i prirodniji ritam rada.

Svaki Darwin 3 čip ima višeslojnu arhitekturu s integriranim memorijskim blokovima, što omogućuje brzu razmjenu podataka između neuronskih jezgri. Dizajn uključuje i mrežu komunikacijskih kanala koja omogućuje minimalna kašnjenja i efikasno povezivanje tisuća neurona. Fizički, čipovi su izrađeni u naprednom poluvodičkom procesu, s visokom gustoćom tranzistora i površinom optimiziranom za hlađenje, a vizualno nalikuju na standardne procesorske module s dodatnim slojem za neuromorfne funkcije.

Tehnička anatomija majmunskog mozga od silicija

Darwin Monkey nije jedinstveno, veliko računalo, nego klaster sastavljen od 15 pločastih servera. Svaki server sadrži 64 Darwin 3 čipa, a svaki čip podržava otprilike 2,35 milijuna spiking neurona. Osim osnovnih komponenti, sustav uključuje i složene mehanizme za balansiranje opterećenja, redundantne module za sigurnost te napredne sustave hlađenja, jer gustoća čipova zahtijeva preciznu kontrolu temperature.

Kad se sve zbroji, dobije se nevjerojatna brojka od više od 2 milijarde neurona i preko 100 milijardi sinapsi. Za usporedbu, ljudski mozak ima oko 86 milijardi neurona, ali i mnogo složenije sinaptičke dinamike. Darwin Monkey nije “pametniji” od čovjeka — barem ne još — ali brojčano se već natječe s mozgovima nekih životinja višeg reda. Osim same brojke, važno je naglasiti i da ovakav klaster omogućuje pokretanje višestrukih simulacija odjednom, što ga čini iznimno fleksibilnim istraživačkim alatom.

Spiking neuron model omogućuje da se svaki signal nosi u obliku vremenski kodiranog impulsa, umjesto stalnog toka podataka. To drastično smanjuje količinu potrebnih operacija, približavajući se načinu na koji biološki neuroni rade. I što je još važnije, omogućuje sustavu učenje u realnom vremenu. Takva sposobnost znači da Darwin Monkey može reagirati na promjene u podacima dok se one događaju, slično kao što bi to učinio živi mozak, čime se postiže nova dimenzija u modeliranju i razumijevanju inteligencije.

Od TrueNortha do Darwina: kratka povijest neuromorfnih čipova

Prvi ozbiljni pokušaji izrade neuromorfnih čipova krenuli su s projektima poput IBM TrueNorth (2014.) i Intel Loihi (2017.), koji su uveli ideju da hardver može imitirati neurone na razini električnih impulsa. TrueNorth je imao milijun neurona na jednom čipu, dok je Loihi 2 donio naprednije učenje i energetsku učinkovitost. Uz njih, spominju se i projekti poput BrainScaleS sa Sveučilišta u Heidelbergu, koji kombinira analognu i digitalnu elektroniku za modeliranje neuronskih mreža, te SpiNNaker sa Sveučilišta u Manchesteru, masivno paralelan sustav sposoban simulirati stotine milijuna neurona u stvarnom vremenu. Svi ti pokušaji pokazali su koliko je izazovno, ali i obećavajuće, stvoriti hardver koji bi pratio logiku mozga.

Darwin 3 ide korak dalje u dva smjera: skaliranju i integraciji. Skaliranje znači više neurona i sinapsi po čipu, što omogućuje da se na manjoj površini postiže veća računalna moć, dok integracija znači da su čipovi projektirani da međusobno komuniciraju s minimalnim kašnjenjem i uz visok stupanj sinkronizacije. Rezultat je klaster koji može raditi kao jedinstven, koherentan “mozak”, sposoban održavati stabilne obrasce aktivnosti. To u praksi znači da se modeli mogu pokretati na stotinama čipova bez značajnijeg gubitka performansi ili usporavanja, a istraživači dobivaju platformu koja se ponaša gotovo kao organski sustav, samo u silicijskoj verziji.

Što Darwin Monkey može raditi

Zahvaljujući ovoj arhitekturi, Darwin Monkey može simulirati mozgove širokog spektra životinjskih vrsta: od akvarijskih ribica (par milijuna neurona) i miševa (sto milijuna neurona) do makaki majmuna (milijarde neurona). U praksi, to znači da istraživači mogu koristiti isti hardver za promatranje različitih razina kompleksnosti, od jednostavnih mreža živčanih stanica pa sve do sustava koji proizvode ponašanja slična onima u primata. Takva fleksibilnost otvara mogućnost stvaranja detaljnih modela učenja, pamćenja i adaptivnog ponašanja na način koji dosadašnji GPU sustavi nisu mogli pružiti.

Trenutačno pokreće DeepSeek — model sposoban za logičko rezoniranje, generiranje sadržaja i rješavanje matematičkih problema. Za razliku od klasičnih generativnih AI modela koji rade na GPU-ima, ovdje rezoniranje proizlazi iz neuronske mreže koja radi na “biološki inspiriranom hardveru”. To znači drugačije obrasce pogrešaka, drukčiji tempo donošenja odluka i potencijalno novu vrstu “umjetnog” kreativnog procesa.

Dodatno, zahvaljujući arhitekturi, DeepSeek se može nadograđivati složenijim zadacima poput analize osjetilnih podataka ili donošenja odluka u stvarnom vremenu, što ga približava funkcionalnosti kognitivnih sustava u prirodi.

Zašto je ovo važno

Neuromorfna računala nude nešto što klasični superračunala teško postižu: omjer snage i potrošnje energije koji je daleko bliži biološkim sustavima. Darwin Monkey ne treba megavate i složene sustave hlađenja da bi radio simulaciju makakijevog mozga — njegova arhitektura troši red veličine manje energije od GPU klastera s istim zadatkom. Takva energetska učinkovitost čini ga ne samo praktičnim, nego i održivim u vremenu kad računalna potrošnja struje postaje globalni problem, a svaka ušteda na megavatima znači i manji ugljični otisak.

U medicini, ovo otvara vrata simulacijama neurodegenerativnih bolesti poput Alzheimerove ili Parkinsonove, gdje se može pratiti kako promjene u sinaptičkim vezama utječu na kognitivne funkcije. Također bi se mogla koristiti za proučavanje epilepsije, moždanog udara, autizma ili shizofrenije, jer omogućuje modeliranje poremećaja u neuronskim mrežama i predviđanje učinka novih terapija. Sustav bi mogao simulirati i posljedice traumatskih ozljeda mozga te pomoći u istraživanju regenerativnih strategija i neurorehabilitacije. Ti modeli omogućuju testiranje lijekova i terapija u simuliranim uvjetima koji su daleko realniji od dosadašnjih digitalnih prikaza, što ubrzava istraživanja i potencijalno smanjuje troškove razvoja novih tretmana.

U robotici, ovakva arhitektura bi mogla omogućiti robotima da reagiraju na okolinu jednako brzo i fleksibilno kao životinje, učeći obrasce kretanja i odlučivanja u stvarnom vremenu. Mogla bi unaprijediti i razvoj autonomnih vozila, industrijskih robota koji se prilagođavaju neočekivanim situacijama te humanoidnih robota namijenjenih skrbi i pomoći starijima ili osobama s invaliditetom. Sustavi inspirirani neuromorfnim pristupom mogli bi omogućiti i bržu prilagodbu dronova ili podvodnih robota zahtjevnim okruženjima, gdje je potrebno trenutačno reagirati na promjene.

U AI istraživanju, kombinacija klasičnih neuronskih mreža i spiking modela mogla bi donijeti novu generaciju hibridnih inteligencija, sustava koji će donositi odluke učinkovitije, preciznije i prilagodljivije nego ikad prije. To uključuje inteligentne agente za financijsko tržište, sustave za obradu prirodnog jezika otpornije na dvosmislenosti te AI alate koji se uče iz manjih količina podataka, imitirajući način na koji se djeca uče kroz iskustvo.

Kulturna i znanstvena simbolika

Darwin Monkey nije samo rekorder u broju neurona; on je simbol trenutka u kojem se ljudska znatiželja i inženjerska moć susreću na terenu koji je donedavno bio rezerviran samo za biologiju. Dok je Darwin definirao smjerove kojima je evolucija vodila od majmuna do čovjeka, kineska verzija priče opisuje put od majmuna do računalnog procesora; a svi ćemo zajedno vidjeti gdje nas to vodi. Projekt ujedno pokazuje da su znanost i tehnologija danas sposobne brisati granice između prirodnog i umjetnog, nudeći nova polja za istraživanje koja prije deset godina nisu ni postojala. 

Ujedno, projekt ilustrira trend u kojem se velike tehnološke sile sve više okreću razvoju specijaliziranog hardvera za AI, umjesto da se oslanjaju isključivo na softverska rješenja. To je strateški potez: tko kontrolira hardver, kontrolira i tempo razvoja umjetne inteligencije. Osim političkog i ekonomskog aspekta, to otvara i znanstvenu dimenziju: kontrola hardvera znači i kontrolu arhitekture same inteligencije, načina na koji se informacije procesiraju, pamte i pretvaraju u odluke. To je prostor u kojem se već danas vode utrke između istraživačkih timova i korporacija, a Darwin Monkey postaje svojevrsna demonstracija moći i ambicije. On je jednako znanstveni instrument, koliko i simbol strateške nadmoći.

Stroj koji uči kao živo biće

Darwin Monkey nije prvi neuromorfni stroj, ali je do sada najambiciozniji. Njegova kombinacija skale, energetske učinkovitosti i sposobnosti učenja u stvarnom vremenu čini ga jedinstvenim istraživačkim alatom. Takav sustav istraživačima otvara mogućnost da detaljnije prouče obrasce neuronske aktivnosti, ali i da testiraju nove algoritme koji se ponašaju bliže načinu na koji funkcioniraju biološki sustavi. Time se ne gradi samo instrument za znanost, nego i potencijalna platforma za buduće tehnološke revolucije.

Ostaje otvoreno pitanje: hoće li jednog dana ovakvi “digitalni mozgovi” postati dio naše svakodnevice, upravljati robotima, analizirati podatke iz medicine ili stvarati umjetnost? Neki stručnjaci nagađaju da bi njihova prisutnost mogla promijeniti način na koji radimo s podacima u zdravstvu, obrazovanju ili industriji, dok drugi upozoravaju da bi prevelika oslonjenost na takve sustave mogla stvoriti nove ovisnosti i rizike. Za sada ostaje činjenica da je napravljeno nešto što, barem na papiru, misli kao majmun. Samo što ovaj majmun živi u klimatiziranom ormaru, nikad ne traži bananu i možda već sutra nauči trikove koje mu nitko nije pokazao.

Etika i filozofija: gdje je granica

Ostaje, naravno i još jedno pitanje: kad stroj oponaša mozak, gdje prestaje biti alat, a počinje biti “biće”? Darwin Monkey nema svijest, barem ne u ljudskom smislu, ali njegovo učenje u realnom vremenu i mogućnost prilagodbe uvode nesigurnost. Što ako za deset godina ovakav sustav razvije interne modele koji nadilaze ono što su mu programeri namijenili? Što ako ti modeli postanu toliko kompleksni da ih ljudi više ne mogu u potpunosti pratiti ili objasniti? To bi otvorilo novo poglavlje u razumijevanju tehnologije: sustav bi mogao donositi odluke koje izgledaju kao proizvod autonomne volje, iako formalno nisu ništa više od posljedica izračuna.

To nas vraća na staru raspravu: je li inteligencija samo dovoljno kompleksno procesiranje informacija ili je svijest nešto kvalitativno drugo? Darwin Monkey ne daje odgovor, ali ga iz akademskih rasprava premješta u serversku sobu — i ostavlja ga uključenog 24 sata dnevno. Možda je upravo u toj kombinaciji svakodnevne banalnosti i uznemirujuće složenosti sadržana bit našeg odnosa prema novim tehnologijama: stroj je naizgled alat, ali potencijalno i ogledalo u kojem promatramo i propitujemo vlastite granice.