Репост из: НИИ Антропогенеза (ARI)
Искусственный интеллект — это способность компьютерной системы выполнять задачи, для решения которых человеку потребовался бы интеллект
При этом совсем не обязательно, чтобы машина обладала интеллектом как таковым
Deep Blue уже в 1997-м обыграл в шахматы иногента Каспарова
Дело в быстродействии: просчитывал развитие ситуации на доске на 21 шаг вперед и выбирал самый оптимальный вариант
Машина уже сейчас рассчитывает структуру белка
Но это — «слабый» ИИ
О «сильном» интеллекте машины можно будет говорить тогда, когда системы ИИ на основе имеющихся у них навыков, априорных знаний и накопленного опыта смогут сами создавать алгоритмы, формировать навыки для решения ранее неизвестных задач
Для этого простого наращивания вычислительных мощностей недостаточно
Нужны принципиально новые пути обработки информации (на принципах, присущих живому мозгу)
В физике есть понятие мощности — это работа, выполненная за единицу времени
Интеллектуальная мощность - объём интеллектуального труда, выполненной за конкретный промежуток времени
Для систем с «сильным» ИИ величина интеллектуальной мощности определяется алгоритмом, который сформировала система при решении ранее неизвестной для неё задачи относительно суммарной алгоритмической сложности уже имеющихся у нее
Нужен критерий эффективности
Даже простейшую задачу по перемещению груза из точки А в точку В можно оптимизировать по нескольким критериям, как минимум по двум — пути и времени
Мощность ИИ равна алгоритмической сложности сформированного им нового алгоритма, умноженной на коэффициент его эффективности относительно критерия, и делённой на время, за которое этот алгоритм был сформирован
Вычислительную сложность нейронной сети тоже можно посчитать: сколько операций должен выполнить компьютер, чтобы получить результат
Процессы создания ИИ на базе современных компьютеров развиваются параллельно по двум основным направлениям — логическому и нейроморфному
• логический подход направлен на создание компьютерных систем, предназначенных для решения одной или нескольких интеллектуальных задач (если бы их решал человек)
• нейроморфный подход направлен на создание компьютерных систем, имитирующих работу мозга, и в конечном итоге — на создание его искусственного аналога
Пока все достижения ИИ напрямую связаны с ростом производительности машин
Создание в 1997-м суперкомпьютера с производительностью один терафлопс привело к появлению программы Deep Blue
В 2004 году программа Blue Brain, действующая уже на 100 терафлопсах, смоделировала работу 10.000 нейронов
В 2008-м появились суперкомпьютер производительностью один петафлопс и одновременно программа SyNAPSE, имитирующая работу 1.000.000 нейронов и 10.000.000.000.0000 синапсов, что соответствует примерно 4 % мозга иногента
В 2016 году программа AlphaGo, использующая мощности в десятки петафлопс, обыграла чемпиона мира по ГО, а эта игра по правилам и количеству позиций намного сложнее, чем шахматы
Программа ChatGPT «живёт» на суперкомпьютере AZURE AI с производительностью 30 петафлопс, причем при его обучении было потрачено столько электроэнергии, сколько потребляет весь Нью-Йорк в течении трёх недель
При этом сами машины не умнее иногентов, в общепринятом смысле этого слова
Они просто функционируют быстрее их, что позволяет за меньший промежуток времени проанализировать большее число бесполезных вариантов, обработать больший объем ненужной информации, по алгоритмам, заложенным человеком
В начале 2018-го в Китае провели экскремент
Моделирование секундной активности одного процента мозга китайского иногента, на самом быстродействующем на тот момент в мире суперкомпьютере Sunway Taihulight, заняло около четырёх минут
Если проэкстраполировать этот результат, то получится, что для моделирования ста процентов мозга иногента в реальном времени потребуется суперкомпьютер с производительностью 1020– 1021 флопс
Теоретически он может появиться уже к 2030 году, правда, размером с 17-этажный дом с основанием 300 на 300 метров
И потреблять он будет 15 гигаватт электроэнергии, что эквивалентно трём Саяно-Шушенским ГЭС
При этом совсем не обязательно, чтобы машина обладала интеллектом как таковым
Deep Blue уже в 1997-м обыграл в шахматы иногента Каспарова
Дело в быстродействии: просчитывал развитие ситуации на доске на 21 шаг вперед и выбирал самый оптимальный вариант
Машина уже сейчас рассчитывает структуру белка
Но это — «слабый» ИИ
О «сильном» интеллекте машины можно будет говорить тогда, когда системы ИИ на основе имеющихся у них навыков, априорных знаний и накопленного опыта смогут сами создавать алгоритмы, формировать навыки для решения ранее неизвестных задач
Для этого простого наращивания вычислительных мощностей недостаточно
Нужны принципиально новые пути обработки информации (на принципах, присущих живому мозгу)
В физике есть понятие мощности — это работа, выполненная за единицу времени
Интеллектуальная мощность - объём интеллектуального труда, выполненной за конкретный промежуток времени
Для систем с «сильным» ИИ величина интеллектуальной мощности определяется алгоритмом, который сформировала система при решении ранее неизвестной для неё задачи относительно суммарной алгоритмической сложности уже имеющихся у нее
Нужен критерий эффективности
Даже простейшую задачу по перемещению груза из точки А в точку В можно оптимизировать по нескольким критериям, как минимум по двум — пути и времени
Мощность ИИ равна алгоритмической сложности сформированного им нового алгоритма, умноженной на коэффициент его эффективности относительно критерия, и делённой на время, за которое этот алгоритм был сформирован
Вычислительную сложность нейронной сети тоже можно посчитать: сколько операций должен выполнить компьютер, чтобы получить результат
Процессы создания ИИ на базе современных компьютеров развиваются параллельно по двум основным направлениям — логическому и нейроморфному
• логический подход направлен на создание компьютерных систем, предназначенных для решения одной или нескольких интеллектуальных задач (если бы их решал человек)
• нейроморфный подход направлен на создание компьютерных систем, имитирующих работу мозга, и в конечном итоге — на создание его искусственного аналога
Пока все достижения ИИ напрямую связаны с ростом производительности машин
Создание в 1997-м суперкомпьютера с производительностью один терафлопс привело к появлению программы Deep Blue
В 2004 году программа Blue Brain, действующая уже на 100 терафлопсах, смоделировала работу 10.000 нейронов
В 2008-м появились суперкомпьютер производительностью один петафлопс и одновременно программа SyNAPSE, имитирующая работу 1.000.000 нейронов и 10.000.000.000.0000 синапсов, что соответствует примерно 4 % мозга иногента
В 2016 году программа AlphaGo, использующая мощности в десятки петафлопс, обыграла чемпиона мира по ГО, а эта игра по правилам и количеству позиций намного сложнее, чем шахматы
Программа ChatGPT «живёт» на суперкомпьютере AZURE AI с производительностью 30 петафлопс, причем при его обучении было потрачено столько электроэнергии, сколько потребляет весь Нью-Йорк в течении трёх недель
При этом сами машины не умнее иногентов, в общепринятом смысле этого слова
Они просто функционируют быстрее их, что позволяет за меньший промежуток времени проанализировать большее число бесполезных вариантов, обработать больший объем ненужной информации, по алгоритмам, заложенным человеком
В начале 2018-го в Китае провели экскремент
Моделирование секундной активности одного процента мозга китайского иногента, на самом быстродействующем на тот момент в мире суперкомпьютере Sunway Taihulight, заняло около четырёх минут
Если проэкстраполировать этот результат, то получится, что для моделирования ста процентов мозга иногента в реальном времени потребуется суперкомпьютер с производительностью 1020– 1021 флопс
Теоретически он может появиться уже к 2030 году, правда, размером с 17-этажный дом с основанием 300 на 300 метров
И потреблять он будет 15 гигаватт электроэнергии, что эквивалентно трём Саяно-Шушенским ГЭС