«Человеческий мозг» – лишь один из многих проектов. Например, в 2013 году администрацией Барака Обамы была запущена американская инициатива «МОЗГ». Ее целью является прогресс в нейробиологии – в частности, более глубокое понимание нарушения функций головного мозга с помощью передовых технологий сканирования и моделирования. Похожий китайский проект стартовал в 2015 году и продлится 15 лет. Ученые и исследователи уже создают массивные нейронные компьютеры, разрабатываемые специально для имитации импульсов нейронных сетей.
SPINNAKER
SpiNNaker – детище британского пионера в области компьютерной техники Стивена Фербера, который разработал эту новую компьютерную архитектуру, вдохновленную человеческим мозгом, для использования в нейробиологии, робототехнике и информатике. SpiNNaker включает в себя набор специальных процессоров, имитирующих импульсы нейронов. Каждый состоит из 18 процессоров меньшего размера (16 из которых используются для имитации нейронов, 1 – для управления и еще 1 – запасной) с продуманным дизайном, чтобы они могли взаимодействовать на сверхвысокой скорости друг с другом и со своими компаньонами на соседних чипах. Архитектура позволяет одновременно активировать множество таких микросхем для симуляции параллельной работы миллиардов нейронов и включает в себя до 1 036 800 процессоров, что требует 100 кВт мощности – удивительно мало для столь гигантского компьютера параллельного действия. SpiNNaker – одна из основных аппаратных платформ, входящих в проект «Человеческий мозг». Исследователи надеются, что помимо имитации импульсных нейронных сетей, в будущем эта технология поможет разрабатывать также новые типы больших энергосберегающих компьютеров параллельного действия.
1 Ethernet – технология, которая позволяет соединять проводные локальные сети, обеспечивая тем самым взаимодействие устройств согласно протоколу.
По сравнению с искусственными нейронными сетями, используемыми в машинном обучении, импульсные нейронные сети больше напоминают биологические нейроны. Традиционные искусственные нейроны непрерывно выводят значения на основе входных данных. Тогда как импульсные, которые активируются импульсами на входе, передают цепочки импульсов друг от друга, эффективно кодируя информацию во времени в форме двоичных сигналов «включено/выключено». Это значит, что импульсные нейронные сети лучше подходят для решения изменяющихся со временем проблем, нежели обычные искусственные нейронные сети. Импульсные нейронные сети требуют значительных вычислений для имитации более реалистичных нейронов (отсюда необходимость в специальном оборудовании, таком как SpiNNaker). Неясно только, как учить такие сети, поскольку нельзя применить традиционное обратное распространение. По этой причине, хотя импульсные нейронные сети имеют большой потенциал – в том числе для создания нейробиологических моделей, позволяющих лучше понимать живой мозг, – мы пока не знаем, как заставить их работать на полную мощность.
Я работаю над прорывным проектом ОИИ. Полагаю, нам нужно исследовать гораздо более сложные модели нейронов. В частности, нейроны, которые могут размножаться и умирать.
ДЖУЛИАН МИЛЛЕР (2019)
Исследователи продолжают разрабатывать инновации в этой области. Джулиан Миллер, например, стал пионером такого эволюционного подхода, как декартово генетическое программирование, которое позволит компьютерам развивать электронные схемы. Сегодня Миллера вдохновляет идея создания ОИИ с помощью декартова генетического программирования для совершенствования новых типов нейронных сетей. Тогда как большинство нейронных сетей обучены решать только одну задачу и должны пройти переподготовку, прежде чем смогут выполнять другие, Миллер создает искусственный мозг, который способен справиться со множеством задач, используя небольшой набор примеров. Его эволюционирующие нейронные сети меняют количество нейронов во время обучения и повторно используют их для выполнения различных задач.
Бесконечность – не предел!
Не все с оптимизмом смотрят на преимущества ОИИ. Некоторые футурологи, философы и писатели-фантасты делают пугающие прогнозы о том, куда в конечном итоге нас может привести эта технология. Они утверждают, что, как только ИИ станет достаточно умным, чтобы разрабатывать себе подобных, появится петля положительной обратной связи: умный ИИ сможет создать еще более умного ИИ, который в свою очередь создаст еще более умного ИИ, и так далее. Такого рода аргументы опираются на закон Мура, который гласит, что число транзисторов в микросхеме удваивается примерно каждые два года (а скорость процессоров удваивается каждые 18 месяцев). Сторонники этой идеи полагают, что экспоненциальное увеличение скорости компьютеров неизбежно приведет к появлению суперинтеллекта. Однажды, считают они, мы достигнем «технологической сингулярности
[18]» – когда рост подобных ИИ станет неуправляемым, что приведет к потенциальной катастрофе для человечества.
Я установил дату сингулярности, когда произойдет глубокая и разрушительная трансформация человеческих возможностей, – 2045 год. Созданный в этот год небиологический интеллект окажется в миллиард раз мощнее, чем весь человеческий интеллект сегодня.
РЭЙМОНД КУРЦВЕЙЛ (2005)
За развитием подобных сюжетов интересно наблюдать в научно-фантастических фильмах и книгах, но в реальном мире их следует воспринимать как ложку дегтя. Развитие технологии ИИ выиграло от увеличения вычислительной мощности и доступности бóльших наборов данных для тренировки алгоритмов машинного обучения. Но успехи в области ИИ всегда связаны с улучшением алгоритмов, а не с частотой процессора. (И ночи ИИ обусловлены разочарованиями – тем, что алгоритмы не оправдали надежды.) Каждый алгоритм предоставляет захватывающие новые возможности, но ни один из них не решит всех проблем. Новые проблемы требуют новых алгоритмов для их решения (так же, как различные задачи, которые мы выполняем, задействуют разные области нашего мозга), а темпы инноваций ограничены нашими способностями и нашим уровнем понимания природы интеллекта.
Было бы замечательно, если бы мы могли пойти коротким путем и позволили бы компьютерам разрабатывать самих себя. Однако, несмотря на такие методы, как генетическое программирование, мы отчаянно стараемся заставить компьютеры разрабатывать более совершенные алгоритмы. Сегодня тысячи ученых используют самые современные компьютеры в попытках создать ИИ. Если мы изо всех сил пытаемся создать разум, почему же наши значительно менее умные ИИ будут лучше нас?
