Как массивный параллелизм делает производительность мозга выше, чем у ИИ.
Мозг человека сложно устроен; он состоит примерно из 100 миллионов нейронов, образующих порядка 100 триллионов связей. Его часто сравнивают с другой сложной системой, обладающей способностью решать задачи – с цифровым компьютером. И мозг, и компьютер содержат большое количество элементарных единиц — нейронов и транзисторов, соответственно — которые соединяются в сложные цепи для обработки информации, передаваемой электрическими сигналами. На глобальном уровне архитектуры мозга и компьютера похожи друг на друга: они состоят в основном из отдельных схем ввода/вывода, центрального процессора и памяти.
Что обладает лучшей способностью решать задачи – мозг или компьютер? Учитывая стремительное развитие компьютерных технологий в последние десятилетия, вы можете подумать, что компьютер имеет преимущество. Действительно, компьютеры были запрограммированы так, чтобы побеждать людей в сложных играх (шахматы в 90-х и «Го» сейчас) и конкурсах на проверку энциклопедических знаний (телешоу Jeopardy). Однако на момент написания этой статьи люди превосходят компьютеры во множестве реальных задач – начиная от идентификации велосипеда или пешехода на переполненной городской улице и заканчивая тем, чтобы взять в руки чашку чая и плавно поднести её к губам, не говоря уже о концептуализации и креативности.
Так почему же компьютер хорошо справляется с одними задачами, а мозг – с другими? Произвести сравнение компьютера и мозга хоетли как компьютерные инженеры, так и нейробиологи. Это сравнение началось на заре современной компьютерной эры, в небольшой, но глубокой книге под названием «Компьютер и мозг», написанной Джоном фон Нейманом, учёным-эрудитом, в 1940-х годах впервые разработавшим компьютерную архитектуру, которая до сих пор лежит в основе большинства современных компьютеров.
Компьютер имеет огромные преимущества перед мозгом в скорости выполнения основных операций. Персональные компьютеры в настоящее время могут выполнять элементарные арифметические операции, такие как сложение, со скоростью 10 миллиардов операций в секунду. Мы можем оценить скорость выполнения элементарных операций в мозге по элементарным процессам, посредством которых нейроны передают информацию и взаимодействуют друг с другом. Например, нейроны «зажигают» потенциалы действия — импульсы электрических сигналов, которые зарождаются вблизи тел нейрональных клеток и передаются вниз по их длинным отросткам, аксонам, связанным с нижестоящими нейронами-партнёрами. Информация кодируется в частоте и времени этих импульсов. Самая высокая частота возбуждения нейронов составляет около 1000 импульсов в секунду. В качестве другого примера можно привести то, что нейроны передают информацию нейронам-партнёрам преимущественно путём высвобождения химических нейротрансмиттеров в специализированных структурах на концах аксонов, называемых синапсами, а их нейроны-партнёры преобразуют связывание нейротрансмиттеров обратно в электрические сигналы в процессе под названием синаптическая передача. Самая быстрая синаптическая передача занимает около 1 миллисекунды. Таким образом, с точки зрения импульсов и синаптической передачи, мозг может выполнять около тысячи базовых операций в секунду, то есть работать в 10 миллионов раз медленнее, чем компьютер.
Компьютер также имеет огромные преимущества перед мозгом в плане точности выполнения основных операций. Компьютер может представлять величины (числа) с любой желаемой точностью в соответствии с битами (двоичными цифрами, или 0 и 1), присвоенными каждому числу. Например, 32-разрядное число имеет точность 1 из 232 или 4,2 миллиарда. Эмпирические данные показывают, что большинство величин в нервной системе (например, частота возбуждения нейронов, которая часто используется для представления интенсивности стимулов) имеют вариабельность в несколько процентов из-за биологического шума, или точность 1 из 100 в лучшем случае, что в миллионы раз хуже, чем у компьютера.
Однако вычисления, выполняемые мозгом, не являются медленными или неточными. Например, профессиональный теннисист следит за траекторией полёта теннисного мяча после того, как его подают со скоростью до 260 км в час, перемещается в оптимальное место на корте, принимает правильную позу и делает взмах ракеткой, чтобы вернуть мяч на сторону противника – и всё это происходит в течение нескольких сотен миллисекунд. Более того, мозг может выполнять все эти задачи (с помощью тела, которым он управляет) с потреблением энергии примерно в десять раз меньше, чем персональный компьютер. Как это возможно? Важное отличие между компьютером и мозгом – способ обработки информации внутри каждой системы. Компьютерные задачи выполняются в основном последовательно. Это видно по тому, как инженеры программируют компьютеры, создавая последовательный набор инструкций. Этот процесс требует высокой точности на каждом шаге, поскольку ошибки накапливаются и сказываются отрицательно на последующих шагах. Мозг также использует последовательные шаги для обработки информации. В примере с теннисным мячом информация поступает от глаза к головному мозгу, а затем к спинному, который контролирует сокращение мышц в ногах, туловище, руках и запястьях.
Но мозг также использует массивно параллельную обработку, задействуя большое количество нейронов и связей между ними. Например, движущийся теннисный мяч активирует множество клеток сетчатки, называемых фоторецепторами, задача которых заключается в преобразовании света в электрические сигналы. Эти сигналы затем параллельно передаются к различным типам нейронов в сетчатке. Когда сигналы, исходящие от фоторецепторных клеток, проходят через два-три синаптических соединения в сетчатке, информация о местоположении, направлении и скорости полёта мяча извлекается параллельными нейрональными цепями и передаётся мозгу. Аналогичным образом, двигательная кора (часть коры головного мозга, отвечающая за волевой моторный контроль) параллельно посылает команды для управления мышечным сокращением в ногах, туловище, руках и запястьях, чтобы тело было готово к взаимодействию с мячом.
Эта массивно параллельная стратегия возможна потому, что каждый нейрон получает входные сигналы от одних нейронов и передаёт их другим — в среднем около 1000. (Для сравнения, каждый транзистор имеет всего три узла для ввода и вывода.) Информация от одного нейрона может передаваться по множеству параллельных нисходящих путей. В то же время многие нейроны, обрабатывающие одинаковую информацию, могут направлять входящие сигналы к одному и тому же нисходящему нейрону. Это последнее свойство особенно полезно для повышения точности обработки информации. Например, информация, представленная отдельным нейроном, может быть зашумленной (скажем, с точностью 1 к 100). Принимая среднее значение входящих сигналов от 100 нейронов, несущих одну и ту же информацию, общий нисходящий нейрон-партнёр может представлять информацию с гораздо большей точностью (примерно 1 из 1000 в данном случае).
Компьютер и мозг также имеют сходства и различия в сигнальном режиме своих элементарных единиц. Транзистор задействует цифровую сигнализацию, которая использует дискретные значения (0 и 1) для представления информации. Импульс в аксонах нейронов также является цифровым сигналом, поскольку нейрон либо запускает, либо не запускает его в тот или иной момент времени, и когда это происходит, все импульсы имеют приблизительно одинаковый размер и форму; это свойство способствует надёжному распространению импульса на большие расстояния. Однако нейроны также задействуют аналоговую сигнализацию, которая использует непрерывные значения для представления информации. Некоторые нейроны (как и большинство нейронов в нашей сетчатке) безымпульсные, и исходящая информация передаётся с помощью градуированных электрических сигналов (которые, в отличие от импульсов, могут непрерывно менять размер), которые способны передавать больше информации, чем импульсы. Принимающий конец нейронов (приём обычно происходит в дендритах) также использует аналоговую сигнализацию для интеграции до одной тысячи входящих сигналов, что позволяет дендритам выполнять сложные вычисления.
Ещё одно примечательное свойство мозга, которое играет явную роль в примере с теннисным мячом, заключается в том, что сила связи между нейронами может быть изменена в ответ на активность и опыт — процесс, который, как широко полагают нейробиологи, является основой обучения и запоминания. Повторяющиеся тренировки позволяют нейронным цепям лучше настраиваться на выполнение задач, что приводит к значительному повышению скорости и точности.
В течение последних десятилетий инженеры использовали устройство мозга в качестве источника вдохновения, чтобы улучшить компьютерный дизайн. Принципы параллельной обработки и модификации прочности связей были включены в современные компьютеры. Например, повышенный параллелизм, такой как использование нескольких процессоров (ядер) в одном компьютере, является текущей тенденцией в компьютерном дизайне. В качестве ещё одного примера можно привести «глубокое обучение» машин и искусственного интеллекта, которое пользуется большой популярностью в последние годы и объясняет быстрые успехи в распознавании объектов и речи на компьютерах и мобильных устройствах: оно основывается на результатах исследований зрительной системы млекопитающих. Как и зрительная система млекопитающих, глубокое обучение использует несколько слоёв для представления всё более абстрактных характеристик (например, визуального объекта или речи), и значимость связей между различными слоями регулируется посредством обучения, а не проектируется инженерами. Эти последние достижения расширили репертуар задач, которые компьютер способен выполнять. Тем не менее, мозг обладает большей гибкостью, обобщаемостью и способностью к обучению, чем современный компьютер. По мере того как нейробиологи раскрывают всё больше тайн о мозге (чему способствует использование компьютеров), инженеры могут черпать больше вдохновения из работы мозга, улучшая архитектуру и производительность компьютеров. Независимо от того, кто побеждает в решении конкретных задач, это междисциплинарное взаимообогащение, несомненно, будет способствовать развитию как нейробиологии, так и компьютерной инженерии.
- Источник
