До 2030 року глобальна економіка завдяки штучному інтелекту може зрости на 15,7 трильйона доларів — такий прогноз PWC. Штучний інтелект задіяний у різних областях: в металургійному виробництві, в автопілоті автомобілів, на фондовій біржі. Проблема в тому, що зараз ІІ на початку свого розвитку багато в чому через недосконале обладнання. Кількість інформації зростає і сучасне обладнання та нейронні мережі незабаром будуть не здатні впоратися з обсягом завдань, що надходять. Тому людству потрібно у найближчі десятиліття вирішити це завдання. Один із перспективних напрямів розробок у галузі ІІ — нейроморфні системи. Що це таке і чому не так просто створити їх?
У чому головна проблема штучного інтелекту на сьогоднішній день?
Згідно із законом Мура обчислювальна потужність процесорів кратно збільшується кожні два роки. А ось потужності, необхідні для навчання штучного інтелекту, подвоюються кожні три-чотири місяці — з 2012 року вони зросли більш як у 300 тисяч разів. Незабаром обчислювальні можливості навіть найпотужніших комп'ютерів стануть недостатніми навчання ІІ, тому необхідний пошук принципово нових рішень. Штучний інтелект чекає на свою революцію. Зараз одна нейромережа – одне завдання. Більше того, великі системи штучного інтелекту надто енерговитратні (і дорогі). Якщо вчені не зможуть вирішити ці проблеми, то розвиток та масштабування цілих сегментів економіки опиняться під загрозою.
Чому нейромережі це дорого?
Чим більше в мережі нейронів, тим більше електроенергії та обчислювальних потужностей потрібно для її навчання та функціонування. Наприклад, розробляючи GPT‑3, одну з найбільших мовних моделей у світі, компанія OpenAI витратила 4.5 мільйона доларів, більша частина цієї суми – витрати на електроенергію. Вся справа в тому, як влаштовано сучасне залізо. Будь-який комп'ютер для виконання завдань використовує архітектуру фон Неймана (тут можна дізнатися про неї більше): у ній усі дані зберігаються в одному місці, а обчислення з ними відбуваються в іншому. У дослідженні Інституту інженерів електротехніки та електроніки (IEEE), присвяченому обчисленню даних, сказано, що витрати енергії на одну операцію переміщення даних можуть у тисячу разів перевищувати витрати на одну операцію обчислення. Обчислюючи сучасні нейромережі на комп'ютерах фон Неймана витрати на операції переміщення даних виявляються дуже великими. Відповідно, чим складніше нейромережа, тим більше енергії потрібно витратити, і тим дорожче обійдеться її навчання.
Що з цим робити?
Протягом історії розробок у галузі штучного інтелекту завжди вигравали ті підходи та алгоритми, для яких існувала відповідна апаратна платформа, тобто «залізо». Тому важливо розглядати алгоритми ІІ в сукупності з апаратною складовою, де вони виконуються. Одним із очевидних напрямків розвитку ІІ є нейроморфність, тобто використання принципів, за якими працює людський мозок у обчислювальних системах.
Як людський мозок надихає дослідників ІІ?
Перше: у мозку від 80 до 100 мільярдів нейронів, кожен із яких працює асинхронно; множина різних процесів відбувається одночасно, крім того зв'язки між нейронами пластичні, що дозволяє людині швидко адаптуватися в нових умовах. одночасно. Мозок економніше витрачає енергію, тому дослідники ІІ намагаються наслідувати його — за допомогою «розріджених обчислень», локального навчання, імпульсного характеру передачі інформації, обчислень у пам'яті, аналогових схем та інших запозичених з мозку феноменів.
Для чого потрібен нейроморфний чіп?
Найочевидніше — інтелектуальні сенсори. Саме завдяки їм стане можливим повний автопілот в автомобілі, дуже точні спостереження сейсмологів та космологів, а також безліч інших речей, що вплинуть на життя мільйонів людей. Ще нейроморфні чіпи потрібні у робототехніці: саме завдяки їм можлива автономна робота ІІ, яка дозволяє роботам майже миттєво реагувати на зміни у навколишньому середовищі та приймати рішення про подальші дії. У перспективах нейроморфні чіпи дозволять створювати необмежено великі нейронні мережі, кількість нейронів у яких значно перевищуватиме 100 мільярдів, як у мозку людини.
Що таке квантовий комп'ютер?
Для вирішення проблеми величезних витрат електроенергії та тривалості навчання нейромереж вчені також розглядають варіант використання квантових комп'ютерів. Це новий клас обчислювальних пристроїв, які завдяки використанню квантових ефектів здатні вирішувати завдання, недоступні найпотужнішим «класичним» суперкомп'ютерам.
Квантові комп'ютери вже створені?
Так, розробками у цій
