Yandex Metrika
1
1 голос

Сегодня, в будущем, компьютеры стали почти пугающе мощными. Они способны вычислять триллионы знаков числа π, убеждать людей убивать, да и вообще на многое способны — и какова цена? Нагрузка на локальную окружающую среду, влияние на глобальный климат, количество воды, достаточное, чтобы утолить жажду шести Даний, и постоянный шум, который по своему эффекту можно сравнить с акустическим аналогом водной пытки.

Возможно, вы считаете, что всё это — приемлемая цена за возможность «галлюцинировать» несуществующие книги или изображать из себя нациста. Но вот в чём дело: у нас уже есть компьютер, который намного мощнее любого существующего искусственного интеллекта, и при этом он использует лишь крошечную долю процента той энергии, которая требуется машинам.

Человеческий мозг и энергопотребление
Можем ли мы воспроизвести структуру мозга, чтобы создать компьютеры будущего? Изображение: umarfarooq__7821/Shutterstock

И что ещё лучше — он уже у вас есть.

«Человеческий мозг — удивительно энергоэффективное устройство», — писал в 2023 году исследователь Адвайт Мадхаван (Advait Madhavan) из National Institute of Standards and Technology.

«Если говорить в терминах вычислений, он способен выполнять примерно экзафлоп — миллиард миллиардов (1 с 18 нулями) математических операций в секунду — используя всего около 20 ватт энергии».

Если рассматривать мозг как орган, то он действительно чрезвычайно «прожорлив». Он составляет около двух процентов массы тела, но потребляет примерно 20 процентов всей энергии организма в состоянии покоя.

Однако объективно это не так уж много. Если исходить из среднего дневного рациона примерно в 2700 калорий, то на питание мозга приходится всего около 340 калорий.

Это эквивалент примерно 0,4 киловатт-часа энергии — достаточно, чтобы питать старую лампу накаливания мощностью 60 ватт чуть меньше семи часов.

Это меньше энергии, чем можно получить примерно из трёх бананов.

В общем, это довольно незначительное количество — особенно если сравнить его с альтернативой.

«Один из самых мощных суперкомпьютеров в мире — Frontier supercomputer в Oak Ridge National Laboratory — недавно продемонстрировал вычисления на уровне экзафлопа», — отметил Мадхаван.

«Но для этого ему требуется в миллион раз больше энергии [чем мозгу] — около 20 мегаватт.»

Таким образом, для работы Frontier понадобилось бы количество энергии, эквивалентное примерно трём миллионам бананов.

Но есть и более наглядное сравнение: чтобы запустить его всего на один день, нужно сжечь около 207 тонн угля, что приведёт к выбросу примерно 340 тонн CO₂.

Если не уголь, то можно использовать примерно 120 000 литров жидкого нефтяного топлива, что приведёт примерно к половине такого количества выбросов CO₂.

Альтернативный вариант — сжечь около 84 миллионов литров природного газа, что приведёт к выбросу примерно 74 тонн CO₂.

Очевидно, что такие энергетические расходы невозможно увеличивать бесконечно. Но при этом компьютеры и искусственный интеллект — вместе с их постоянно растущими потребностями в энергии — в ближайшее время никуда не исчезнут.

Поэтому возникает вопрос: можно ли сделать что-то лучше?

Чему можно научиться у мозга

Существует широко распространённый факт — на самом деле неверный, но всё равно знаменитый — будто человек использует только 10 процентов своего мозга.

Конечно, в реальности всё иначе: большую часть времени мы используем большую часть мозга, а иногда — почти весь. Однако эта фраза, хотя и неверна, всё же намекает на более тонкую истину.

«Если говорить о здоровом человеческом мозге, он не активирует все нейроны и не использует всю свою мощность одновременно», — отмечал в 2024 году Чан Сюй (Chang Xu), доцент Центра искусственного интеллекта и Института Net Zero при University of Sydney.

«В нём около 100 миллиардов нейронов, и он выборочно использует их из разных полушарий мозга для выполнения различных задач и процессов мышления.»

Всего за пару десятков ватт энергии ваш мозг способен управлять всем телом.

Он может создавать внутренний монолог и формировать образы в сознании буквально из ничего.

Он способен распознать форму летящего к вам мяча, выполнить сложные математические вычисления, чтобы определить, где он окажется, и переместить руку в нужную точку, чтобы поймать его — и всё это за считанные миллисекунды.

Это поразительная эффективность. Учёные долго пытались воспроизвести её в искусственных системах, и во многом она связана с тем, как именно устроена обработка информации в мозге.

«Одно из важных различий между компьютером и мозгом заключается в способе обработки информации внутри каждой системы», — объяснял Лицюнь Луо (Liqun Luo), профессор биологии Stanford University, в книге Think Tank: Forty Scientists Explore the Biological Roots of Human Experience (2018).

«Компьютерные задачи в основном выполняются последовательными шагами», — писал Луо.

Это видно по тому, как инженеры программируют компьютеры, создавая последовательный поток инструкций. В таком каскаде операций на каждом этапе требуется высокая точность, поскольку ошибки могут накапливаться и усиливаться на следующих этапах.

Мозг тоже использует подобные последовательные процессы — но это не единственный его механизм.

Он также применяет массовую параллельную обработку информации, используя огромное количество нейронов и многочисленные связи между ними.

Возьмём пример с ловлей мяча.

Компьютеру пришлось бы сначала заметить мяч, затем измерить его движение, потом вычислить траекторию, оценить точку приземления и только после этого отправить руку в нужное место.

Мозг же делает всё это почти одновременно.

«К тому моменту, когда сигналы от фоторецепторов проходят через две–три синаптические связи в сетчатке глаза, информация о положении, направлении и скорости мяча уже извлечена параллельными нейронными цепями и передаётся в мозг», — объясняет Луо.

«Точно так же моторная кора (часть коры головного мозга, отвечающая за произвольные движения) отправляет команды параллельно для управления сокращением мышц ног, корпуса, рук и запястья, благодаря чему тело и руки одновременно занимают правильное положение для ловли мяча.»

Для инженеров это открывает интригующую возможность.

Можно ли создать компьютеры, вдохновлённые такой массовой параллельной архитектурой? И если да — какие преимущества это даст?

Следующая граница вычислений

Несмотря на то что современные системы искусственного интеллекта иногда кажутся удивительно «человеческими», на фундаментальном уровне это не так.

Они не только не способны обрабатывать информацию так, как это делает человек — верно и обратное.

«Традиционные модели искусственного интеллекта сильно зависят от обратного распространения ошибки», — объяснял Суин Йи (Suin Yi), доцент электротехники и компьютерной инженерии в Texas A&M University.

Этот метод используется для настройки нейронных сетей во время обучения, но он не является биологически правдоподобным.

Чтобы создать компьютер, более похожий на человеческий мозг, потребуется серьёзная переработка всей архитектуры вычислений.

Нужны будут новые алгоритмы, работающие на новых структурах. Понадобится фактически заново переосмыслить, как должны строиться связи и как должны выполняться вычислительные процессы.

К счастью, многие исследователи уже работают именно над этим.

«Мы попытались устранить биологическую неправдоподобность, присутствующую в современных алгоритмах машинного обучения», — сказал Йи.

«Наша команда изучает такие механизмы, как обучение Хебба и пластичность, зависящая от времени спайков, — процессы, которые помогают нейронам усиливать связи так, как это происходит в настоящем мозге.»

Команда Йи — лишь одна из многих, работающих над системами искусственного интеллекта, вдохновлёнными природной эффективностью.

Например, исследователи из University of Surrey изучают технику Topographical Sparse Mapping.

В этой системе нейроны соединяются не со всеми возможными элементами сети, а только с ближайшими, что значительно снижает энергопотребление.

Дополнительный инструмент — Enhanced Topographical Sparse Mapping — позволяет ещё сильнее оптимизировать сеть, удаляя ненужные связи. Это похоже на то, как мозг постепенно оптимизирует свои нейронные соединения в процессе обучения.

«Когда мы повторяем топографическую архитектуру мозга, мы можем обучать системы искусственного интеллекта быстрее, используя меньше энергии и при этом сохраняя ту же точность», — объяснял Мохсен Камелиан Рад (Mohsen Kamelian Rad), аспирант исследовательской группы Nature-Inspired Computation and Engineering.

Тем временем команды из University of Sydney и University at Buffalo также работают над нейронными моделями, вдохновлёнными мозгом.

Их цель — не только повысить эффективность вычислений, но и создать компьютеры, которые смогут работать более интуитивно: использовать неполные или расплывчатые данные и обрабатывать запросы нелинейным образом.

Проще говоря, как подытожил Адвайт Мадхаван, компьютеры следующего поколения будут сильно отличаться от компьютеров прошлого.

По мере того как меняется объём и характер собираемых данных, должны меняться и требования к вычислительным системам.

«Аппаратное обеспечение, которое будет обеспечивать вычисления будущего, должно минимизировать энергетическое воздействие и быть полезным для планеты», — отметил он.

«Следя за последними достижениями нейронауки, компьютеры следующего поколения смогут воспользоваться недавно раскрытыми секретами биологии и удовлетворить постоянно растущий спрос на энергоэффективные вычислительные технологии.»

Заметили ошибку в тексте? Выделите её мышкой и нажмите Ctrl + Enter

Следите за нашими новостями:


Понравилось? Поделитесь с друзьями!

✏️ Сообщить об ошибке

Вы заметили ошибку в следующем тексте: