Цифровой журнал «Компьютерра» 2013 № 51 (204) - [30]

Что дальше? Рост вычислительной мощности на порядок (если только успеем до окончания действия закона Мура!), вероятно, позволит эмулировать старые устройства на уровне элементов. Но, к сожалению, и здесь мы быстро упрёмся в стену — потому что даже микропроцессоры 80-х, уж конечно, никто и никогда не «разберёт»: снимать слой за слоем, изучая их под микроскопом, слишком трудно, а публиковать исходники производители, скорее всего, не пожелают по причине упрямства — как упрямятся до сих пор публиковать фирменные прошивки игровых компьютеров тридцатилетней давности. И, получается, однажды мы неизбежно потеряем значительную часть цифрового наследия. Грустно, но что поделаешь?

К оглавлению

Кремниевые нейросети для «умных» машин Михаил Ваннах

Опубликовано 18 декабря 2013

«Умные» машины, телесные и бестелесные, окружают нас во всё большей степени. В квартире — пылесос, на складе — погрузчик, в смартфонах — голосовой помощник Siri. Но для того, чтобы машины эти стали подлинно умными, им необходимо обзавестись инженерным аналогом достаточно мощного головного мозга. Причём для решения не только тех задач, которые принято связывать с человеческим интеллектом, но и тех, с которыми справляются животные, и не обязательно высшие. И вот теперь решение этой проблемы переходит в практическую плоскость.

Сначала несколько слов о мощностях нынешних компьютеров в их мобильном обличье. Как отмечают читатели, процессор смартфонов ARM Cortex выдаёт 1,5–2 гигафлопс, ну а тот ENIAC, что позволил технологии в рамках Манхэттенского проекта овладеть внутриядерными силами, мог осилить лишь 500 флопс. И этого хватило для нужд атомной программы… Мощностей же нынешних смартфонов вполне хватает для того, чтобы создать автопилот дрона («Смартфоны даруют мозги дронам»). А вот болтушка Siri зависит в своём функционировании от внешних серверов, из-за чего и впадает порой в длительные паузы…

Парадокс. Для самого что ни на есть передового научного исследования, связанного с абстрактным мышлением, хватило половины килофлопса. Гигафлопса хватает для автопилотирования дрона (подозреваю, что с лихвой хватит и для большого самолёта), связанного уже не с абстрактным мышлением, а с быстрой реакцией, равновесием и ориентацией в пространстве. А вот простейшее (то, что может любая базарная торговка или девка на завалинке, — быстро и связно трепаться) заставляет обращаться к внешним серверам…

А вот ещё критически важная для «умных» машин задача распознавания образов. С ней справляется и малый ребёнок, и лабораторный шимпанзе, и приподъездные кошки… И программное обеспечение от Google это тоже умеет, опознает лица людей и котиков. Но — требуя для этого массива из шестнадцати тысяч мощных процессоров, функционирование которых связано с весьма серьёзными энергетическими затратами, несопоставимыми с тем, кои употребляет на решение аналогичной задачи живой мозг (оценить затраты в единицах «флопс» затруднительно, ибо слишком уж велики порядки величин). 

>Затраты вычислительных ресурсов на эмуляцию нейросетей (логарифмическая шкала).

А объясняется этот парадокс историей технологий — в сопоставлении с историей человечества и живых существ. Для чего делались первые вычислительные машины? Для работы с абстрактными образами. Да, самое обычное натуральное число есть абстрактный образ. И не слишком простой. Читатель с математическим образованием — или, скорее, с интересом к этой науке — может обратиться к «Теории множеств» коллективного французского математика Николя́ Бурбаки́ и посмотреть, сколь громоздко приведённое там определение обыкновенного натурального числа 1.

Но вот эти-то абстракции, при их кажущейся простоте и доступности первокласснику, весьма могущественны. Движение небесных тел Кеплер описывал с помощью элементарной математики, а вот для того, чтобы определить наилучшую форму бочек для свойственника-бондаря ему пришлось создать основы математики высшей… И нынешние «мельницы чисел» с их гигантской производительностью не могут справиться с тем, с чем легко справляется кусочек серого вещества, неспособный сложить два и два. 

Дело именно в различии первоначально поставленных задач. От живых существ беспощадная эволюция требовала выживания в реальном мире. В вычислительные машины конструктора закладывали способность совершения цепочек операций над абстрактными объектами, при всей привычности для нас являющихся плодом последовательного творчества умов ряда гениев, от Платона и Лейбница до Гильберта и фон Неймана. Причём то, что эти цепочки операций совершаются всё быстрее и быстрее, со всё большими объёмами чисел, распараллеливаемыми даже в смартфонах, преимуществ кремнию над белком не давало.

Да! Наращивание процессорных мощностей и объёмов обрабатываемых данных ключом к решению проблемы не было. И от технологии потребовалось то, чего не может сделать эволюция живых существ, являющаяся не-марковским процессом. Живое существо довольно жёстко определено прошедшими этапами развития. Инженер же может вернуться назад и начать движение от другой точки, располагая тем опытом и технологиями, которые наработал, двигаясь по предыдущему пути. Применить подходы, позволившие достичь нынешних процессорных мощностей, к нейросетям.