К 2030 году глобальная экономика благодаря искусственному интеллекту может вырасти на 15,7 триллионов долларов — таков прогноз PWC. Искусственный интеллект задействован в совершенно разных областях: в металлургическом производстве, в автопилоте автомобилей, на фондовой бирже. Проблема в том, что сейчас ИИ в начале своего развития — во многом по причине несовершенного оборудования. Количество информации растет и современное оборудование и нейронные сети вскоре будут не способны справиться с объемом поступающих задач. Поэтому человечеству нужно в ближайшие десятилетия решить эту задачу. Одно из перспективных направлений разработок в области ИИ — нейроморфные системы. Что это такое и почему не так просто их создать?
В чем главная проблема искусственного интеллекта на сегодняшний день?
Согласно закону Мура вычислительная мощность процессоров кратно увеличивается каждые два года. А вот мощности, необходимые для обучения искусственного интеллекта, удваиваются каждые три-четыре месяца — с 2012 года они выросли более чем в 300 тысяч раз. В скором времени вычислительные возможности даже самых мощных компьютеров станут недостаточными для обучения ИИ, поэтому необходим поиск принципиально новых решений. Искусственный интеллект ждет своей революции. Сейчас одна нейросеть — одна задача. Более того, большие системы искусственного интеллекта слишком энергозатратны (и дорогостоящи). Если ученые не смогут решить эти проблемы, то развитие и масштабирование целых сегментов экономики окажутся под угрозой.
Почему нейросети — это дорого?
Чем больше в сети нейронов, тем больше электроэнергии и вычислительных мощностей требуется для ее обучения и функционирования. Например, разрабатывая GPT‑3, одну из крупнейших языковых моделей в мире, компания OpenAI потратила 4.5 миллиона долларов, большая часть этой суммы = затраты на электроэнергию. Все дело в том, как устроено современное «железо». Любой компьютер для выполнения задач использует архитектуру фон Неймана (здесь можно узнать о ней больше): в ней все данные хранятся в одном месте, а вычисления с ними происходят в другом. В исследовании Института инженеров электротехники и электроники (IEEE), посвященном вычислению данных, сказано, что затраты энергии на одну операцию перемещения данных могут в тысячу раз превышать затраты на одну операцию вычисления. Вычисляя современные нейросети на компьютерах фон Неймана издержки на операции перемещения данных оказываются слишком велики. Соответственно чем сложнее нейросеть, тем больше энергии нужно потратить, и тем дороже обойдется ее обучение.
Что с этим делать?
На протяжении истории разработок в области искусственного интеллекта всегда выигрывали те подходы и алгоритмы, для которых существовала подходящая аппаратная платформа, то есть «железо». Поэтому важно рассматривать алгоритмы ИИ в совокупности с аппаратной составляющей, на которой они выполняются. Одним из очевидных направлений развития ИИ является нейроморфность, то есть использование принципов, по которым работает человеческий мозг, в вычислительных системах.
Как человеческий мозг вдохновляет исследователей ИИ?
Первое: в мозге от 80 до 100 миллиардов нейронов, каждый из которых работает асинхронно; множество различных процессов происходит одновременно, кроме того связи между нейронами пластичны, что позволяет человеку быстро адаптироваться в новых условиях.
Второе: число активных нейронов в мозге относительно невелико (менее 10%), что сильно отличается от работы классических нейросетей, в которых работают все нейроны одновременно. Мозг экономнее расходует энергию, поэтому исследователи ИИ пытаются ему подражать — с помощью «разреженных вычислений», локального обучения, импульсного характера передачи информации, вычислений в памяти, аналоговых схем и других заимствованных из мозга феноменов.
Для чего нужен нейроморфный чип?
Самое очевидное — интеллектуальные сенсоры. Именно благодаря им станет возможным полный автопилот в автомобиле, очень точные наблюдения сейсмологов и космологов, а также множество других вещей, которые повлияют на жизнь миллионов людей. Еще нейроморфные чипы нужны в робототехнике: именно благодаря им возможна автономная работа ИИ, которая позволяет роботам почти мгновенно реагировать на изменения в окружающей среде и принимать решения о дальнейших действиях. В перспективах нейроморфные чипы позволят создавать неограниченно большие нейронные сети, число нейронов в которых будет значительно превышать 100 миллиардов, как в мозге человека.
Что такое квантовый компьютер?
Для решения проблемы огромных затрат электроэнергии и длительности обучения нейросетей ученые также рассматривают вариант использования квантовых компьютеров. Это новый класс вычислительных устройств, которые благодаря использованию квантовых эффектов способны решать задачи, недоступные самым мощным «классическим» суперкомпьютерам.
Квантовые компьютеры уже созданы?
Да, разработками в этой области занимаются многие глобальные IT-компании. Уже созданы квантовые симуляторы, которые продемонстрировали преимущество по отношению к классическим машинам, а также первые квантовые компьютеры. В октябре 2019 года компания Google объявила о достижении «квантового превосходства»: квантовый компьютер корпорации смог за 200 секунд выполнить расчет, на который самому мощному в мире суперкомпьютеру Summit (IBM), по различным оценкам, понадобилось бы до 10 тысяч лет.
