Человеческий мозг потребляет всего 20 ватт энергии, но намного мощнее компьютера

Фото из открытых источников

В будущем компьютеры станут почти пугающе мощными. Они смогут вычислять триллионы цифр числа пи и заменить людей во многом. Но уже сейчас у людей есть своего рода компьютер, который намного мощнее любого существующего ИИ, и при этом он потребляет лишь малую долю процента энергии.

«Человеческий мозг — удивительно энергоэффективное устройство», — говорит Адвайт Мадхаван из Национального института стандартов и технологий (NIST). «В вычислительных терминах он может выполнять эквивалент эксафлопа — миллиард миллиардов (1 с 18 нулями) математических операций в секунду — всего с 20 ваттами мощности».

Мозг, если рассматривать его как орган, безусловно, чрезвычайно энергозатратен: он составляет около двух процентов от массы тела, но на него приходится примерно 20 процентов основного потребления энергии. Но объективно это не так уж много – при среднем суточном потреблении, скажем, 2700 калорий, для питания мозга требуется всего около 340 калорий.

Это эквивалентно 0,4 киловатт-часам — этого достаточно, чтобы питать старую 60-ваттную лампу накаливания менее семи часов. Это меньше, чем количество энергии, которое можно получить, например, от трех бананов. По сути, это ничтожно малое количество, особенно по сравнению с альтернативой: «Один из самых мощных суперкомпьютеров в мире, Oak Ridge Frontier, недавно продемонстрировал вычисления на уровне экзафлопа», — отметил Мадхаван. «Но ему требуется в миллион раз больше энергии чем мозгу — 20 мегаватт — чтобы совершить этот подвиг».

Таким образом, для работы электростанции Oak Ridge Frontier потребовалось бы количество энергии, эквивалентное, например, трем миллионам бананов. Но, пожалуй, более разумное сравнение таково: для работы станции в течение дня потребуется сжечь 207 тонн угля, при этом выделится 340 тонн CO₂. Если не это, то достаточно 120 000 литров жидкой нефти, и это выделит примерно вдвое меньше CO₂; в качестве альтернативы можно сжечь 84 миллиона литров природного газа и выбросить всего 74 тонны CO₂.

Это чеки, которые мы не можем обналичивать бесконечно. Но в то же время компьютеры и искусственный интеллект — и их постоянно растущие потребности в энергии — никуда не денутся в ближайшее время. В этот момент стоит задаться вопросом: можем ли мы делать что-то лучше?

Существует часто повторяющийся факт – неправда, но тем не менее известный – что человек использует лишь 10 процентов своего мозга одновременно. Конечно, в реальности мы используем большую часть своего мозга большую часть времени, а почти весь мозг – некоторое время, но это утверждение, хотя и неверное, намекает на несколько более тонкую истину.

«Если задуматься о здоровом человеческом мозге, то он не задействует все нейроны и не использует всю свою умственную мощность одновременно», — отметил Чанг Сюй из Центра искусственного интеллекта и Института нулевых выбросов Сиднейского университета, еще в 2024 году. «В нем около 100 миллиардов нейронов, которые он избирательно использует из разных полушарий мозга для выполнения различных задач или мышления».

Всего за пару десятков ватт мозг может обеспечить энергией всё тело; он способен вести внутренний монолог и создавать образы в вашем сознании из ничего; он может распознать форму брошенного в мяча, выполнить сложные математические вычисления, чтобы определить, куда он попадёт, и переместить руку в нужное место, чтобы поймать его, — и всё это за несколько миллисекунд. 

Это поистине поразительная эффективность, которую ученым долгое время не удавалось воспроизвести в искусственных системах, и во многом это заслуга внутренней структуры.

«Важное различие между компьютером и мозгом заключается в способе обработки информации внутри каждой системы», — объяснил профессор Ликун Луо из Стэнфордского университета, в статье «Аналитический центр: сорок ученых исследуют биологические корни человеческого опыта», опубликованной еще в 2018 году. 

«Выполнение компьютерных задач происходит в основном последовательно», — писал Ло. «Это можно увидеть на примере того, как инженеры программируют компьютеры, создавая последовательный поток инструкций. Для этой последовательной каскадной последовательности операций на каждом этапе необходима высокая точность, поскольку ошибки накапливаются и усиливаются на последующих этапах».

Мозг также использует подобные последовательные шаги для выполнения задач, но, в отличие от компьютеров, это не единственный доступный ему прием. «Ваш мозг также использует массово-параллельную обработку», — пишет Ло, — «задействуя большое количество нейронов и большое количество связей, которые образует каждый нейрон». 

Взять, к примеру, ловлю мяча. Компьютеру сначала нужно заметить мяч, затем измерить его движение, рассчитать траекторию, оценить конечное местоположение, прежде чем, наконец, отправить вашу руку в нужное место. Мозг, напротив, делает все это почти одновременно. «К тому времени, как сигналы, исходящие от фоторецепторных клеток, проходят через две-три синаптические связи в сетчатке, информация о местоположении, направлении и скорости мяча извлекается параллельными нейронными цепями и передается параллельно в мозг», — объяснил Ло. «Аналогично, двигательная кора (часть коры головного мозга, отвечающая за произвольное управление движениями) посылает команды параллельно для управления сокращением мышц в ногах, туловище, руках и запястьях, так что тело и руки одновременно находятся в правильном положении для приема летящего мяча».

Для инженеров-программистов это открывает заманчивую возможность. Можно ли спроектировать компьютеры, которые бы черпали вдохновение из этой массивно- параллельной архитектуры? И если да, то какие преимущества они бы принесли?

Как бы странно похожими на людей ни казались современные программы ИИ, на самом фундаментальном уровне они таковыми не являются. Дело не только в том, что они не могут обрабатывать информацию так, как это делаем мы, — верно и обратное. «Традиционные модели ИИ в значительной степени полагаются на обратное распространение ошибки, — объяснил Суин И из Инженерного колледжа Техасского университета A&M, — метод, используемый для корректировки нейронных сетей во время обучения, который биологически неправдоподобен». 

Таким образом, для создания компьютера, более похожего на человеческий мозг, потребуется полная переработка. Необходимы будут новые алгоритмы, работающие на новых топологиях; потребуется переосмысление с нуля того, как должны осуществляться и расставляться приоритеты в отношении связей и процессов.

Этим уже занимается множество людей. «Мы занимались устранением биологической неправдоподобности, присущей существующим алгоритмам машинного обучения», — сказал Ии. «Наша команда исследует такие механизмы, как хеббовское обучение и пластичность, зависящая от времени возникновения импульсов, — процессы, которые помогают нейронам укреплять связи таким образом, который имитирует процесс обучения в реальном мозге».

Ии и его команда — лишь одни из многих, кто сейчас работает над системами искусственного интеллекта, вдохновленными удивительной эффективностью природы. 

Например, исследователи из Университета Суррея экспериментируют с методом, называемым топографическим разреженным картированием (Topographical Sparse Mapping) — методом, при котором нейроны соединяются не со всеми возможными, а только с теми, которые находятся непосредственно рядом, что значительно снижает энергопотребление сети. Дополнительный инструмент, известный как улучшенное топографическое разреженное картирование (Enhanced Topographical Sparse Mapping), может еще больше усовершенствовать этот метод, удаляя ненужные связи — подобно тому, как наш собственный мозг оптимизирует свои нейронные связи в процессе обучения.

«Когда мы отражаем топографическую структуру [мозга], мы можем обучать системы искусственного интеллекта, которые учатся быстрее, потребляют меньше энергии и работают с той же точностью», — объяснил Мохсен Камелиан Рад из Университета Суррея. «Это новый способ мышления о нейронных сетях, построенный на тех же биологических принципах, которые делают естественный интеллект таким эффективным».

Тем временем команды из Сиднейского университета и Университета Буффало занимаются разработкой аналогичных нейронных моделей, вдохновленных работой мозга. Цель состоит не только в максимизации эффективности – хотя это, безусловно, является приоритетом – но и в создании более интуитивно понятных компьютеров, способных использовать нечеткие или ограниченные данные или обрабатывать запросы нелинейно. 

Короче говоря, «компьютеры следующего поколения будут сильно отличаться от компьютеров прошлого», — заключил Мадхаван. «По мере изменения объёма и характера собираемых нами данных, требования к нашим вычислительным системам также должны меняться». 

«Аппаратное обеспечение, которое будет обеспечивать работу вычислительных приложений будущего, должно минимизировать воздействие на окружающую среду и быть экологичным», — предостерег он. «Благодаря последним достижениям в области нейронауки, компьютеры следующего поколения смогут извлечь выгоду из недавно открытых тайн биологии и удовлетворить постоянно растущий спрос на энергоэффективное вычислительное оборудование».