Одним из наиболее интересных аспектов сопоставления этих двух ученых является терминологическое пересечение. Имя «Адам» занимает центральное место в обеих исследовательских программах, но в совершенно разных качествах.
Робот-ученый Адам (Ross D. King)
Для Росса Кинга «Адам» — это первая в истории машина, которая смогла самостоятельно совершить научное открытие. Этот робот интегрирует ИИ с лабораторной автоматизацией для проведения циклов научных исследований:
1. Генерация гипотез: ИИ предлагает объяснения наблюдаемым биологическим явлениям.
2. Планирование экспериментов: Робот выбирает наиболее информативные опыты.
3. Исполнение: Манипуляторы проводят биохимические тесты.
4. Анализ: Система интерпретирует результаты и обновляет модель знаний.
«Адам» Кинга специализировался на изучении функциональной геномики дрожжей, идентифицируя гены, кодирующие «сиротские» ферменты. Это прямой пример того, как вычислительная система (ИИ) управляет биологическими процессами для получения новых данных.
Профессор Адам Стокс (Adam A. Stokes)
Адам Стокс, напротив, является живым исследователем, который проектирует физические системы, вдохновленные биологией. Его связь с ДНК-компьютерами менее прямая, чем у Кинга. В то время как Кинг строит компьютеры из ДНК, Стокс строит роботов, которые могут использовать принципы синтетической биологии для своей работы. Например, он участвует в разработке биогибридных роботов (bio-bots), использующих живые мышечные клетки для движения.
Таким образом, ответ на вопрос содержит важный нюанс:
• Росс Кинг напрямую занимается ДНК-компьютерами (создание NUTM).
• Адам Стокс занимается биоинспирированной инженерией, флюидной логикой и мягкой робототехникой, но его работы по «вычислениям» лежат в области макроскопических систем (пневматика, материалы), а не молекулярного программирования ДНК.
Вопрос (в заголовке) очень актуален, особенно в контексте текущего дефицита полупроводниковых компонентов и стратегического фокуса на инфраструктуре для ИИ.
Отслеживать ли работы обоих профессоров (Кинга и Стокса)?
Да, обязательно стоит следить за работами обоих профессоров, поскольку их направления не конкурируют, а стратегически дополняют друг друга, приближая создание полноценной биовычислительной платформы.
В условиях поиска более эффективных дата-центров и архитектур, их вклад можно рассматривать так:
- Профессор Росс Д. Кинг (ДНК-вычисления): Его работа предлагает фундаментальное решение проблемы вычислительной мощности и энергоэффективности. ДНК-компьютеры, такие как разработанная им NUTM, используют массовый недетерминированный параллелизм, позволяя исследовать экспоненциальное количество вычислительных путей одновременно. Это обещает превосходство над классическими и квантовыми компьютерами в решении NP-полных задач. Ресурсом является не время, а пространство (объем раствора), а энергопотребление экстремально низкое.
- Актуальность для ИИ: Его роботы-ученые («Адам», «Ева», «Genesis») демонстрируют, как ИИ может управлять биологическими экспериментами, что является следующим шагом в автоматизации научных открытий и системной биологии.
- Профессор Адам А. Стокс (Мягкая робототехника и Морфологические вычисления): Его работа предлагает решение проблемы физического воплощения и взаимодействия с миром. Морфологические вычисления переносят часть вычислительной нагрузки с процессора на физическое тело (материал, флюиды), что идеально подходит для специализированных, энергоэффективных систем. Это важно для создания автономных и адаптивных физических платформ, которые могут стать «телом» для сложного ИИ.
- Актуальность для дата-центров: Его флюидная логика позволяет создавать надежные системы без электроники для экстремальных условий, что может быть применимо для сенсорики и автономного контроля в агрессивной среде.
Кинг работает над «интеллектуальным программным обеспечением» (алгоритмами мышления на ДНК), а Стокс — над «биологическим аппаратным обеспечением» (корпус, датчики, мягкие физические компоненты). Для полноценного перехода от кремния нужны оба направления.
Другие ключевые фигуры, стартапы и венчурные фонды
В связи с тем, что область ДНК-компьютеров и био-вычислений быстро развивается, и мои последние попытки поиска не дали актуальных результатов по конкретным стартапам и венчурным фондам, я могу порекомендовать обратить внимание на следующих ключевых ученых и концептуальные направления, которые тесно связаны с работами Кинга и Стокса:
ДНК-Вычисления и Самостоятельная Сборка
Леонард Адлеман (пионер ДНК-компьютинга, решавший NP-полные задачи на ДНК), Надриан Симан (структурный подход, использование ДНК как строительного материала для нанороботов и структур).
Стартапы, использующие DNA Origami (ДНК-оригами) и Synthetic Biology (синтетическая биология) для хранения данных и наномеханизмов.
Биогибридная Робототехника
Исследователи, занимающиеся Bio-bots (роботами, использующими живые клетки в качестве актуаторов).
Инженерные лаборатории, работающие над мягкой памятью и интеграцией био-сенсоров на микроуровне, что является точкой сближения со Стоксом.
ИИ и Автоматизация Науки
Концепции Nobel Turing Challenge (цель Кинга — создать ИИ, способный на открытия нобелевского уровня к 2050 году) и системы BioReason (объединение ИИ с биологическими данными для генерации гипотез).
Фонды и стартапы, фокусирующиеся на Automated Drug Discovery (автоматизированный поиск лекарств) и Cloud Labs (облачные лаборатории).
Для поиска актуальной информации о стартапах и венчурных фондах рекомендую использовать специализированные платформы по инвестициям, фокусируясь на ключевых словах: DNA Data Storage, Synthetic Biology, Bio-Computation, и Soft Robotics.
В условиях дефицита кремниевых компонентов (DRAM/GPU/HBM) и поиска новых путей для повышения эффективности дата-центров, работы обоих профессоров представляют стратегический интерес, но в разных плоскостях «биологической революции».
Почему нужно следить за обоими профессорами?
Хотя их подходы различаются, они дополняют друг друга в создании архитектуры вычислений будущего:
• Росс Д. Кинг (Вычислительный уровень): За его работами нужно следить, если ваша задача — поиск альтернативного субстрата для вычислений. Его концепция Недетерминированной универсальной машины Тьюринга (NUTM) на основе ДНК нацелена на решение NP-полных задач, которые экспоненциально сложны для классического кремния. В условиях нехватки GPU и HBM подход Кинга предлагает использовать массовый параллелизм молекул, где ограничением выступает не время (тактовая частота), а пространство (количество молекул в растворе), что теоретически делает такие системы быстрее и энергоэффективнее квантовых или классических суперкомпьютеров.
• Адам А. Стокс (Архитектурный/аппаратный уровень): Его работы критически важны для создания энергоэффективной инфраструктуры. Стокс разрабатывает «воплощенный интеллект» и флюидную логику, позволяющую выполнять вычисления непосредственно через структуру материала или потоки жидкостей. Это позволяет создавать системы управления (например, для роботов в дата-центрах или систем охлаждения), которые работают без электроники, потребляют минимум энергии и устойчивы к экстремальным условиям (радиация, электромагнитные помехи), где кремний деградирует.
Кинг строит «процессор» из ДНК, а Стокс — «умное физическое тело» и материальную логику, которая может взаимодействовать с этим процессором.
Кого еще включить в радар (Исследователи и Изобретатели)
• Леонард Адлеман (Leonard Adleman): Основоположник области, первым решивший математическую задачу с помощью ДНК.
• Надриан Симан (Nadrian Seaman): Пионер ДНК-нанотехнологий, рассматривавший ДНК как строительный материал для наноструктур.
• Су И Ли (Su Yi Li) и Приянка Бховад (Priyanka Bhovad): Ключевые фигуры в области физических резервуарных вычислений (PRC) с использованием оригами-структур. Их работы позволяют использовать сложные механические деформации как вычислительный ресурс, что идеально подходит для создания автономных мягких систем без громоздких контроллеров.
• Джордж Уайтсайдс (George M. Whitesides): Наставник Адама Стокса, эксперт в мягкой робототехнике и нетрадиционных логических системах (например, бистабильные пневматические клапаны).
Ключевые стартапы:
• Twist Bioscience / Atlas Data Storage: Лидеры в синтезе ДНК. Atlas — это масштабный проект по созданию ДНК-хранилищ для дата-центров с инвестициями в 155 млн долларов.
• Catalog: Разрабатывает платформу для вычислений непосредственно на ДНК (система Shannon), решая проблему поиска и обработки данных без их перевода в цифру.
• DNA Script: Фокусируется на ферментативном синтезе ДНК, который обещает быть быстрее, дешевле и экологичнее традиционной химии.
• Biomemory: Французский стартап, работающий над устройствами для дата-центров емкостью 100 петабайт.
• Iridia: Занимается высокомаржинальными нишами — ДНК-метками для аутентификации предметов роскоши и чипов.
Венчурные фонды (Deep Tech):
• ARCH Venture Partners: Специализируются на «великой науке» и снижении научных рисков на ранних стадиях (инвесторы Atlas и Twist).
• Khosla Ventures: Инвестируют в «лунные выстрелы» (moonshots), способные изменить мир (включая OpenAI и биотехнологии).
• Deerfield Management: Крупный фонд, ориентированный на здравоохранение и биотехнологические платформы.
Стратегический совет
Для решения задачи эффективных дата-центров в эпоху ИИ, наиболее прагматичным подходом является отслеживание пересечения ИИ и биологии. Например, архитектура BioReason (интеграция языковых моделей ИИ с ДНК-моделями) позволяет ИИ «рассуждать» на языке жизни, что может стать основой для операционных систем нового типа, таких как BioNodeOS.
Аналогия: Если кремниевые технологии — это скоростное шоссе, на котором закончился асфальт (DRAM/GPU), то подход Росса Кинга — это изобретение телепортации (ДНК-вычисления), а подход Адама Стокса — это создание самовосстанавливающегося ландшафта, по которому можно двигаться без дорог (воплощенный интеллект).