Игорь Шнуренко – Демон внутри. Анатомия искусственного интеллекта (страница 23)
Интересно, что мозг Эйнштейна весил лишь 1230 граммов—значительно меньше, чем средний мозг взрослого мужчины (1400 граммов). В исследованиях утверждалось, что кора мозга великого физика была тоньше, чем у нормальных людей, следовательно, плотность нейронов больше, и связи между ними якобы возникали более устойчивые. Более плотно упакованные нейроны передают сигналы быстрее, в итоге мозг быстрее соображает.
Еще одно исследование мозга Эйнштейна было опубликовано в 1999 году в британском медицинском журнале «Ланцет». Британские ученые заключили, что часть мозга, которая отвечает за математические способности и пространственную логику, была у великого физика на 15 процентов шире, чем у обычного мужчины, что якобы позволяло клеткам работать более эффективно. Последовала целая серия исследований, в которых подчеркивалось отличие отдельных клеток и частей мозга Эйнштейна. Ученые считали, что они на пути к установлению «формулы гениальности», то есть к четкому пониманию, какие структуры мозга придают тому или иному человеку выдающиеся способности.
Впрочем, нейробиолог Теренс Хайнс из университета Пейс в Нью-Йорке подверг сомнению выводы этих исследований. По его словам, делать выводы о том, что у Эйнштейна было больше глиальных клеток, чем в среднем, просто некорректно: гений умер в возрасте 76 лет, а сравнивали его с выборкой людей, которые покинули этот мир, когда им было от 47 до 80 лет. При этом мозги выборки были свежими и содержались правильно сразу после смерти их владельцев, в то время как части мозга Эйнштейна содержались где и как попало. Что касается более тонкой, чем у большинства, коры головного мозга, то заключения строились лишь на миллиметре коры Эйнштейна. Хайнс подчеркнул заинтересованность исследователей в хайпе и сенсационности выводов. Кроме этого, все выводы строились лишь на одном мозге — или на том, что оставил от него постепенно деградировавший патологоанатом — а не, скажем, на мозгах ста гениев, которых сравнили бы с мозгами соответствующей статистической выборки обычных людей. Да и математиком, откровенно говоря, Эйштейн был хорошим, но не самым блестящим. Его гений лежал в других областях знаний, прежде всего в физике и философии, хотя обыватель, конечно, не видел разницы.
Лучше всех черную комедию с приключениями своего мозга охарактеризовал сам автор теории относительности, который как-то написал на доске для студентов фразу: «Не все, что считается, можно посчитать, и не все, что можно посчитать, считается».
Эта странная история, в которой хайп и дилетанты играли главную роль, послужила, впрочем, одним из толчков к разработке действительно важных и успешных подходов в развитии искусственного интеллекта. Исследования мозга и теории нейросетей — на сегодняшний день магистральный путь в построении систем с искусственным разумом для десятков тысяч ученых по всему миру.
МОЗГ VS. КОМПЬЮТЕР
Но что же такое искусственные нейросети — главный элемент таких систем? Это, если абстрагироваться от биологических аналогий, вычислительные системы взаимодействующих между собой узлов, передающих сигналы и способных решать сложные информационные задачи. Принципы их работы в основном скопированы с биологических нейронных сетей — хотя, конечно, компьютерные сети имеют от биологических важные отличия и, в целом, развиваются по своим собственным законам.
Чтобы понимать искусственные нейросети, нужно представить себе, как передаются нервные сигналы в биологических организмах.
В мозгу взрослого человека находится примерно сто миллиардов нейронов — столько же, сколько звезд в нашей галактике. Нейроны — это нервные клетки с отростками, в которых организм хранит, обрабатывает и передает дальше информацию. Передача сигнала происходит через отростки-аксоны, которые могут быть очень большой длины. Например, у кальмара он может достигать трех метров при диаметре в несколько сотен микрон — зато при опасности сигнал передается практически мгновенно, и головоног выпускает чернильное облако. На концах отростков, прилегающих к другим нейронам или мышечной ткани, образуются своего рода присоски — синапсы. У каждого нейрона обычно бывает не один, а много аксонов и тысячи синапсов.
Роль синапсов заключается в том, чтобы передать импульс между двумя нейронами или между нейроном и мышечной тканью. Обычно это происходит химическим путем, через выброс исходным нейроном норадреналина или другого биологически активного вещества. Это вещество, называемое нейромедиатором, поступает на рецепторы клетки-мишени или другого нейрона. Через короткие отростки-дендриты импульс передается в тело клетки и через нее далее. Есть и электрическая передача импульса, которая работает только между двумя нейронами и происходит гораздо быстрее химической.
Синапсы, которые аналогичны узлам в вычислительных машинах, очень важны для определения эффективности передачи информации. Количество синапсов, умноженное на рабочую частоту мозга, дает его производительность. Другая важная характеристика работы с информацией — число связей между клетками мозга или между узлами вычислительной сети. Чем больше синапсов, тем больше связей, причем больше не в простой, а в квадратичной последовательности.
Самый мощный компьютер проигрывает сравнение с мозгом среднего человека и даже ребенка по всем параметрам. В мозгу 12-летнего ребенка насчитывается квадрильон синапсов, каждый из которых имеет порядка тысячи молекулярных триггеров. Триггеры — это своего рода транзисторы, то есть мозг обычного мальчика работает на квинтильоне транзисторов (квинтильон — это 10 в 18-й степени). Число транзисторов — наиболее общеупотребительная характеристика, применяемая для сравнения интегрированных сетей.
Если умножить квинтильон транзисторов на частоту работы мозга в 1 килогерц, то получится производительность до 10 в 21 степени бит/с. В то же время самый мощный на 2017 год компьютерный процессор компании AMD имеет всего 20 миллиардов транзисторов. У американского процессора Xilinx’s Everest/Versal, основанного на принципе FPGA, 50 миллиардов транзисторов.
Все равно это примерно на 7-8 порядков меньше, чем у ребенка. Даже при рекордной рабочей частоте процессора AMD FX-8150 примерно в 9 х 10 в 9 степени герц производительность получается где-то на три порядка меньше, чем у человека. Конечно, производительность процессоров растет, но, как будет показано дальше, она довольно быстро упрется в потолок, так и не достигнув показателей даже пропитого мозга, спрятанного в поношенной черепной коробке пьяного нищеброда.
В своей книге «Сингулярность близка», вышедшей в 2006 году, отец современного техношовинизма Рей Курцвейл предсказывает, что к 2025 году мощность суперкомпьютеров достигнет уровня, когда в такую машину можно будет загрузить человеческий мозг. В обоснование Курцвейл приводит закон Мура, согласно которому производительность вычислительных машин удваивается каждые 1,2 года. Но закон этот чисто эмпирический, скорее его можно назвать наблюдением, причем период удвоения то и дело меняется. Такие цифры хорошо смотрятся на слайдах в презентации, но прогнозировать с их помощью следует с большой осторожностью.
Загрузка мозга, по мнению Курцвейла, станет возможной при способности компьютера производить в 10 в 19 степени флопов (то есть операций с плавающей запятой в секунду). При этом сегодня этот показатель у китайского суперкомпьютера Sunway TaihuLight составляет порядка 100 петафлопов (петафлоп — это квадрильон операций, то есть 10 в 15 степени). Нужно учесть и то, что Курцвейл, очень популярный визионер и ярый сторонник быстрейшего создания Сверхинтеллекта, уже много раз ошибался в своих прогнозах.
Как видим, даже самые умные машины в целом не дотягивают до производительности человеческого мозга, но ускоренному их развитию препятствует, например, проблема энергоэффективности..
Человеческий мозг при всей своей невероятной мощности потребляет всего 20 ватт энергии. Китайский суперкомпьютер Tianhe-2 с производительностью 34 петафлопа потребляет около 20 мегаватт энергии — то есть его энергоэффективность в миллион раз ниже.
Но ведь для достижения человеческого уровня мощность суперкомпьютеров должна вырасти на порядки —а значит, также вырастет и энергопотребление. Уже сейчас при разработке суперкомпьютеров проблема охлаждения является важнейшей.
Подсчитано, что при производительности в 1000 петафлопов — всего в 10 раз больше, чем текущий рекорд — суперкомпьютеру потребуется столько же электроэнергии, сколько сегодня потребляют все домохозяйства Сан-Франциско. Конечно, сотни миллионов долларов, которые уйдут только на оплату электричества, жалко, но не это главная проблема. Непонятно, как охлаждать такую машину? Ведь компьютер должен оставаться максимально компактным — ибо если он будет занимать большое пространство, резко ухудшится его производительность.
Помимо проблемы энергопотребления, есть еще проблема шума и вопрос затрат на поддержание работы такого компьютера. Эти показатели также могут сделать достижение паритета с человеческим мозгом невозможным для компьютеров, во всяком случае, созданных на кварцевой элементной основе по архитектуре фон Неймана.