Как стать автором
Обновить

Производительность мозга, или когда ждать ИИ

Немного позанимаемся арифметикой и пофантазируем о производительности нашего мозга и о том, когда же нам ждать Искусственный Интеллект.

На этот пост меня натолкнула любопытная табличка из одного научного исследования о методиках эмуляции мозга.

image

Как видно, оценки максимально достижимых вычислительных способностей мозга разнятся в диапазоне от 10^16 FLOPS (десять в 16-ой степени), если считать по количеству синапсов и нейронов, до 10^28 FLOPS, если брать в расчет микротрубочки или даже отдельные протеины в клетке.

Вторая оценка кажется избыточной — протеины и технические элементы клетки достаточно несвободны в своих действиях, и их поведение сравнительно тривиально детерминировано. Но и нижняя оценка в 10^16 может быть недостаточной — некоторые процессы в клетках и синапсах могут носить сложный характер, так что 2-4 порядка добавить вполне можно.

Конечно, не весь мозг занимается именно мыслительной деятельностью, есть зоны ответственные за другие процессы — такие как движение, например. Но можно говорить достаточно уверенно, что мышление в общем смысле занимает большую часть мозга.
Т.е. можно рассчитывать на цифру 10^18 — 10^20 FLOPS.

Реально достижимая сегодня производительность суперкомпьютеров — 10^17 FLOPS. Т.е. на 1-3 порядка меньше теоретически вычисленной производительности мозга.

При этом процессоры и нейронные связи в мозгу построены на несколько разных архитектурах. В некоторых задачах лучше одна архитектура, в некоторых другая. Например, в шахматы люди проигрывают компьютеру уже на мощностях компьютера в 10^13 FLOPS и ниже.

Нейроподобные вычислительные структуры более эффективны при работе со сложными структурами, где прямой перебор неэффективен из за большой емкости вычислений — изображение, звук, работа с языком и смыслом.

AlphaGO выиграла у человека в GO на мощностях порядка 10^15FLOPS, пользуясь архитектурой программных нейросетей. Но в данном случае мощность оценена по максимальной вычислительной способности железа. Сама вычислительная мощность нейросети, реализованная на этом железе, скорее всего, значительно ниже (на глазок — 1-2 порядка). Это значит, что создание новых процессорных архитектур, похожих на нейронные сети на железном уровне, увеличит достижимую производительность нейросетей на эти 1-2 порядка.

Эксперименты по созданию нейроподобных чипов, позволяющих более оптимальное реализовать вычисление нейронных сетей, делают такие компании как IBM, но нужно понимать что кремний — не самая подходящая платформа для таких экспериментов. Для качественной эмуляции мозга, необходимо создать процессор с несколькими десятками миллиардов вычислительных элементов, которые динамически «пускают усики» друг к другу, образуя связи и регулируя проводимость этих связей. Сделать это, структурируя песок (т.е. кремний) — сложно.

С кремнием есть еще вот какой затык — технологический предел по нему близок. В том смысле, что раньше индустрия без проблем следовала закону Мура, который обещает удвоение производительности процессоров каждые два года. Сегодня близок предел по частоте — быстрее 10^10 Герц процессоры пока не работают, а предел всего на 1 порядок выше — 10^11 Герц, т.к. нас органичивает скорость света и электрон не успевает преодолеть весь процессор за 1 такт, т.е. невозможно обеспечить синхронизацию ядра. Близок предел по размеру вычислительного элемента — атом углерода всего на 2 порядка меньше размера одного тразистора, а на этом уровне уже начинаются неудобные квантовые эффекты.

Пока есть потенциал по увеличению производительности вширь — в топовых суперкомпьютерах стоит по миллиону процессорных ядер. Можно и больше — хватило бы денег. Такие системы стоят сотни миллионов долларов. Если совсем припрет, человечество может без особых проблем увеличить это количество на 3 порядка — это будет стоит порядка 0.2% мирового ВВП. Тогда это и будут искомые нами 10^20 FLOPS, в которые оценивается производительность нашего мозга. Просто на другой архитектуре, менее подходящей для реальных задач. Переход на другую, более походящую архитектуру, может быть сравним с увеличением производительности еще на 1-3 порядка (а может, этого и не потребуется)

На замену кремнию есть несколько перспективных технологий. Например, под вычисления пробуют приспособить графен и другие материалы.

Делаются первые попытки в создании квантовых компьютеров, однако пока неясно, насколько такие процессоры будут универсальны, или на них можно будет реализовывать лишь очень узкий набор логики.

Многие часто спотыкаются на софте, который позволит реализовать мышление, близкое к человеческому. — Окончательно не установлено каким именно образом мы думаем (хотя с каждым днем мы приближаемся к этому все ближе). Смогут ли люди написать нужный софт и освоить эти 10^20 FLOPS (которые мы, по всей видимости достигнем в будущем) и действительно эмулировать ум человека?

С этой точки зрения, лично я, особых проблем не предвижу.

1) Общие принципы работы мозга с информацией понятны
2) Нет особых причин реализовывать один в один именно работу биологических нейронов.
3) Современные нейросети на кремнии, которые усиленно разрабатываются и используются всеми крупными компаниями (Google, Microsoft, IBM, Apple и т.п.) уже весьма многообещающи даже на сравнительно скромных мощностях порядка 10^15 FLOPS.

Вообще, главный стимул развития ИИ — экономический. Не имеет значения, сможем ли мы создать сильный ИИ с четким сознательным мышлением, большинство экономических задач этого не требуют. Многие рабочие места сегодня выглядят заменимыми обычными программными нейросетями, возможно с небольшими доработками, в виде образования нескольких структур (зона анализа аудио, видео, смысла и т.п.) и какой-либо нейромедиаторной системы, которая может добавить 1-2 порядка сложности (а может и не добавить, надо подумать).

Короче говоря, мы находимся примерно в трех порядках от юзабельного ИИ. Если б закон Мура продолжил выполняться, то в ближайшие 15-30 лет уже можно было бы говорить о создании развитого ИИ, сравнимого с человеком.
Поэтому единственный вопрос который тут остается — это будет ли ИИ сделан на кремнии или на чем-то другом.

Ну и очевидна технологическая сингулярность которая сокращает этот срок: сейчас мы сами придумываем материалы и технологию производства процессоров. Но в какой-то момент компьютер превзойдет нас в этом и будет сам для себя вычислять более эффективные вычислительные элементы и архитектуры для процессоров, на которых он работает. Возникнет положительная обратная связь и вычислительная мощность компьютера начнет расти экспоненциально, пока не упрется в фундаментальные ограничения Вселенной типа скорости света.

Но это все уже никак не будет касаться биологической жизни. Поэтому дальше мой хрустальный шар показывает туман.

В завершение, стоит сказать, что ни один ИИ не денется от двух фундаментальных потребностей жизни и саморазвивающихся систем:
1) Добыча энергии и вещества (т.е. в какой-то момент скорее всего потребуется зажечь свое солнышко (термояд), создать черную дыру, либо построить сферу Дайсона), с веществом особых проблем быть не должно.

2) Тонкое и сложное структурирование материи (т.е. разработка процессоров, которые будут осваивать эту энергию и процессить Вселенную)

А что вы думаете на этот счет?
Теги:
Хабы:
Данная статья не подлежит комментированию, поскольку её автор ещё не является полноправным участником сообщества. Вы сможете связаться с автором только после того, как он получит приглашение от кого-либо из участников сообщества. До этого момента его username будет скрыт псевдонимом.