Ученые обнаружили удивительное преимущество забывания вещей

Фото из открытых источников

Память машины может иметь свою энергетическую цену, и физики доказали, что некоторым машинам необходимо забывать полезные детали, чтобы получить максимальную энергию. Результаты исследования были опубликованы в журнале Physical Review X.

Запоминать больше обычно кажется преимуществом, поскольку машина, отслеживающая собственные действия, должна лучше предсказывать, что произойдет дальше. Однако физики показали, что в некоторых ситуациях память имеет свою энергетическую цену.

Идеальная машина, воздействующая на окружающую среду, может извлечь из неё максимально полезную энергию только в том случае, если она забудет часть своих действий. Это включает в себя детали, которые могли бы улучшить её прогнозы. В результате разделяются две цели, которые ранее связывала воедино теория: точное прогнозирование и эффективное использование энергии.

Лукас Фидерер руководил этой работой вместе с Хансом Бригелем и двумя коллегами из Инсбрукского университета в Австрии. Это математическое доказательство, основанное на идеализированных машинах, а не на лабораторных измерениях, и оно показывает, что компромисс существует в определенных условиях, а не во всех.

В 1961 году физик Рольф Ландауэр определил минимальную физическую стоимость стирания информации. Эксперимент 2012 года позже подтвердил этот предел в лабораторных условиях. Это правило действует и в обратном порядке. Если машина знает что-то о физической системе, она может использовать эти знания для извлечения полезной энергии, той, которая способна совершать работу.

Классический мысленный эксперимент представляет собой ситуацию, когда одна частица находится в ящике: зная, в какой его половине она находится, машина может получить небольшое количество энергии.

Живые клетки уже работают вблизи этих пределов. В статье приводятся оценки, согласно которым рибосомы, механизм, создающий белки, выполняют простые этапы декодирования с энергией, менее чем в десять раз превышающей теоретический минимум.

В более ранней работе, опубликованной в 2018 году, рассматривались машины, которые отслеживают только поток сигналов, которые они не могут изменить. Для таких машин действовало простое правило: машина, которая лучше всего предсказывает поток, также извлекает наибольшее количество энергии.

Прогнозирование также лежит в основе современного искусственного интеллекта. Например, большие языковые модели предназначены для прогнозирования того, что будет дальше в последовательности.

Команда Фидерера изучала машины, которые действуют, например, робота, перемещающегося по комнате и постоянно делающего новые наблюдения. Шахматист, животное, занимающееся поиском пищи, и чат-бот совершают действие, смотрят на ответ и снова действуют, поэтому их собственный выбор определяет то, что они увидят дальше.

«Своими действиями агент меняет мир, который сам пытается предсказать. Мы хотели понять, как это меняет физику обработки информации», — сказал Фидерер.

В командной статистике машина получает энергию из двух факторов. Первый — это то, насколько хорошо она предвидит то, что увидит. Второй — это то, насколько непредсказуемыми кажутся её собственные действия с точки зрения её памяти.

Воспоминания о прошлых действиях помогают в первом случае и ухудшают второй. В некоторых ситуациях побеждает фактор затрат. Команда доказала, что в таких условиях машина, хранящая всю полезную информацию, не может достичь максимально возможной энергоэффективности, независимо от объема имеющейся у нее памяти.

В собственной иллюстрации команды показано, как робот, открывающий дверь, может точно запоминать силу нажатия, что поможет ему предсказать, как будет двигаться дверь. В некоторых условиях даже самому энергоэффективному роботу пришлось бы отказаться от этой детали.

«Удивительно то, что агент может извлечь энергетическую выгоду из забывания информации, которая на самом деле улучшила бы его прогнозы», — сказал Фидерер.

Один из примеров наглядно продемонстрировал эту закономерность. Исследователи смогли регулировать, насколько действия машины влияли на то, что она видела дальше. При отсутствии влияния лучший предсказатель оказался также и самым эффективным.

При частичном влиянии лучшие предсказатели значительно отстали, а самые эффективные машины сохранили лишь часть своей истории. При полном контроле предсказание снова одержало победу. Увеличение объема памяти, предоставленной тестовым машинам (с двух до четырех возможных состояний), ничего не изменило.

По словам Фидерера, «компромисс между предсказанием и забыванием сохраняется, даже если мы не учитываем практические издержки формирования и поддержания памяти».

Доказательство охватывает идеализированные машины, единственная цель которых — сбор энергии. Следующими в списке задач команды будут машины с конкретными целями, машины, теряющие энергию в виде тепла, а также версии, основанные на квантовой физике.

Фидерер считает, что небольшую демонстрацию можно провести с помощью современного экспериментального оборудования.

«Современные компьютеры всё ещё далеки от этих фундаментальных пределов», — сказал Фидерер. «Наша работа даёт нам возможность исследовать, как могут выглядеть эффективные агенты по мере того, как технологии приближаются к ним».

Любая связь с искусственным интеллектом или живыми организмами носит предположительный характер, написали авторы. Вопрос о том, экономят ли энергию животные, которые, по-видимому, забывают полезные детали, — эта работа поднимает, но не дает ответа.