Квабена Боахен рассказывает о компьютере, который работает по принципу мозга

Исследователь Квабена Боахен ищет пути повторения в силиконе колоссальной вычислительной мощности человеческого мозга, поскольку изучение беспорядочных, характеризующихся высокой избыточностью процессов, протекающих в голове человека, даёт реальный толчок для создания небольшого, лёгкого и супер быстрого компьютера.

Перевод выступления:

Я получил свой первый компьютер, когда был ещё подростком и жил в Аккре, и это была реально крутая машина. На нем можно было играть в компьютерные игры, можно было программировать на Бейсике. Я был просто очарован. И пошёл в библиотеку, чтобы выяснить, как эта штука работает. Я прочёл о том, как центральный процессор постоянно пересылает туда-обратно данные, которыми обмениваются память, ОЗУ и АЛУ, арифметическо-логическое устройство. И я подумал про себя, что этот ЦП должен работать просто как сумасшедший только для того, чтобы поддерживать передачу по системе всех этих данных.

Но никого это особо не волновало. Когда компьютеры впервые появились, было сказано, что они функционируют в миллион раз быстрее, чем нейроны. И люди были полны энтузиазма, они думали, что вскоре смогут превзойти возможности человеческого мозга. Вот подлинная цитата из Алана Тюринга: "Через 30 лет задать вопрос компьютеру будет так же просто, как задать вопрос человеку". Это было сказано в 1946 году. И сейчас, в 2007, это всё ещё не так. Вопрос состоит в том, почему мы не получаем от компьютеров той производительности, которую демонстрирует мозг?

Чего люди не осознавали, и что я сам начинаю понимать только сейчас, так это то, что мы платим огромную цену за эту скорость, которую мы декларировали как огромное преимущество компьютеров. Давайте взглянем на некоторые цифры. Это Blue Gene, самый быстрый компьютер в мире.

Самый быстрый компьютер (2007 год)

Он содержит 120 000 процессоров, которые в штатном режиме могут обрабатывать 10 квадриллионов бит информации в секунду. Это 10 в 16-й степени. И они потребляют мощность в полтора мегаватта. Было бы просто великолепно, если бы мы могли увеличить на этот объем производство электроэнергии в Танзании. Это был бы просто экономический взрыв. Если вернуться к Соединённым Штатам, и перевести количество электрической энергии, которое потребляет этот компьютер, в количество домохозяйств в Штатах, мы получим 1 200 домохозяйств в США. Именно такое количество электроэнергии потребляет этот компьютер.

Теперь давайте сравним это с мозгом. Вот изображение мозга девушки Рори Сэйреса. Рори — аспирант в Стэнфорде.

Он изучает мозг при помощи МРТ, и он утверждает, что это самый красивый мозг, который ему когда-либо приходилось сканировать. :) Вот что значит подлинная любовь. Итак, какой объем вычислений выполняет мозг? Я оцениваю эту величину в 10 в 16-й степени бит в секунду, что примерно соответствует производительности Blue Gene. И вот — вопрос. Вопрос состоит в том, сколько — они выполняют аналогичный объем обработки, одинаковый объем данных — вопрос состоит в том, сколько электрической энергии потребляет мозг? Реально — столько же, сколько ваш портативный компьютер: всего лишь 10 ватт. Итак, те задачи, которые мы сейчас решаем при помощи компьютеров, потребляющих энергию, которой хватило бы на 1 200 домов, мозг решает, используя количество энергии, потребляемое вашим ноутбуком.

Вопрос состоит в том, как мозгу удаётся достичь такого уровня производительности? Давайте подведём итог. Нижняя кривая: мозг обрабатывает информацию, используя в 100 000 раз меньше энергии, чем мы с имеющимися компьютерными технологиями. Как мозгу удаётся добиться такого результата? Давайте рассмотрим кратко, как функционирует мозг, а затем сравним это с тем, как работает компьютер. Это клип взят из сериала PBS "Тайная жизнь мозга".

Кадр из фильма "Тайная жизнь мозга"

В нем показаны клетки, которые выполняют обработку информации. Они называются нейронами. Через отростки они посылают друг другу слабые электрические импульсы, и там, где отростки соприкасаются друг с другом, эти слабые импульсы электричества могут перейти от одного нейрона к другому. Этот процесс называется синапс. У вас есть эта огромная сеть взаимодействующих друг с другом клеток, их примерно 100 миллионов, которые посылают 10 квадриллионов таких импульсов каждую секунду. И это, в сущности, то, что происходит в вашем мозгу сейчас, когда вы слушаете эту лекцию.

Как это соотносится с тем, как работает компьютер? В компьютере все данные проходят через центральный процессор, поэтому любая часть данных изначально вынуждена пройти через это "бутылочное горлышко". В то же время, в мозгу есть только эти нейроны и поток данных просто проходит через сеть, образованную связями между нейронами, поэтому здесь просто нет узкого места. Это действительно сеть в буквальном смысле этого слова. Эта сеть и выполняет всю работу мозга. Если вы просто посмотрите на эти две картинки, вам на ум придут именно такие слова. Это — последовательная передача данных и такая система не гибкая: как движение машин на автостраде — всё происходит в строго установленном порядке. Тогда как это — система параллельной передачи и она напоминает поток. Обработка информации очень динамичная и адаптивная.

И я не первый, кто понял это. Вот цитата из Брайана Эно: "Проблема компьютеров состоит в том, что в них недостаточно Африки". :) Брайан сказал это в 1995 году. Тогда его никто не слушал, но сейчас люди начинают прислушиваться к его словам, потому что появилась необходимость, мы столкнулись с технологической проблемой. Я немного познакомлю вас с ней в нескольких следующих слайдах.

Проблема в этом — действительно прослеживается заметное сходство между устройствами, которые мы используем для выполнения вычислений в компьютерах, и теми элементами, которые используются для этой цели мозгом. В компьютерах используется то, что называется транзистором. Вот этот электрод, называемый затвором, контролирует протекание тока от истока к стоку, вот эти два электрода. И этот поток, электрический ток, переносится электронами, точно так же, как у вас дома, ну и всё такое. А в нашем случае происходит так: когда вы открываете затвор, ток увеличивается, и вы получаете устойчивое протекание тока. А когда вы закрываете затвор, ток через устройство не протекает. В компьютере наличие тока используется для обозначения единицы, а его отсутствие — для обозначения нуля.

Сейчас же происходит вот что: транзисторы становятся меньше и меньше и меньше, и они уже не ведут себя подобным образом. Фактически, они начинают вести себя так же, как элемент, который нейроны используют для вычислений, он называется ионный канал. Вот маленькая молекула протеина.

Молекула протеина

Я хотел сказать, в нейронах их тысячи. Она находится в клеточной мембране и в ней есть по́ра. А вот это — отдельные ионы калия, которые проходят через это отверстие. Так вот, эта по́ра может открываться и закрываться. Но, когда она открыта, поскольку ионы вынуждены выстроиться в очередь и проходить по одному, мы получим нечто вроде спорадичного, а не постоянного потока — это спорадичное протекание электрического тока. А если закрыть это отверстие — нейроны могут делать это, они могут открывать и закрывать эти поры, чтобы генерировать электрическую активность — даже если отверстие закрыто, поскольку ионы крайне малы, они могут "пробраться" внутрь, за один раз могут пройти несколько штук. В итоге мы имеем следующее: когда по́ра открыта, время от времени проходит некоторый ток. Вот наша единица, но в неё попали несколько нулей. А когда по́ра закрыта, мы получаем ноль, но в него попали несколько единиц, ну, ладно.

Сейчас этот эффект начинает наблюдаться и в транзисторах. И причина, по которой это происходит, состоит в том, что сейчас, в 2007 году, по технологии, которую мы используем, транзистор достаточно большой, чтобы несколько электронов могли пройти сквозь канал одновременно, рядом. Фактически, таким способом могут пройти примерно 12 электронов. И это означает, что транзистор соответствует примерно 12 ионным каналам, расположенным параллельно. Но через несколько лет, к 2015 году, мы существенно уменьшим размеры транзистора. Именно это делает компания Intel, чтобы постоянно увеличивать число ядер в чипе. Стоящие у вас микросхемы памяти могут хранить один гигабайт данных — раньше это было 256 мегабайт. Чтобы получить такой результат транзисторы делаются всё меньше, и это дало существенные технологические преимущества.

Но сейчас всё идёт к тому, что в 2015 году транзистор станет настолько маленьким, что за один раз всего один электрон сможет пройти через канал, а это соответствует единичному ионному каналу. И появятся те же заторы, которые наблюдаются в ионном канале, ток будет появляться и исчезать случайным образом, даже тогда, когда он должен быть постоянным. А это означает, что ваш компьютер будет получать нули и единицы вперемешку, и вашей машине придёт конец.

Итак, мы сейчас находимся на той стадии, когда мы на самом деле не знаем, как выполнять вычисления при помощи подобных устройств. И единственный тип, единственное устройство, известное в настоящее время, которое может выполнять вычисления при помощи подобных элементов, это — мозг.

Итак, компьютер извлекает определённую единицу данных из памяти и пересылает её в процессор или АЛУ, а затем записывает результат обратно в память. Это обозначенные красным, выделенные связи. При работе мозга задействованы все эти нейроны. И способ представления информации таков: все данные разбиваются на небольшие элементы, которые представляются в виде импульсов на разных нейронах. Таким образом, все эти элементы данных оказываются распределёнными по сети. И далее способ обработки данных для получения результата таков: эта картина активности трансформируется в новую картину активности просто в процессе прохождения по сети. Итак, вы просто устанавливаете эти связи таким образом, что некая исходная структура проходит по ним и в результате получаем новую, конечную структуру.

Вы здесь видите, что есть избыточные соединения. Поэтому, если эта часть данных или эта часть данных будет повреждена, это не проявится здесь, эти два участка могут активировать недостающую часть вот этими избыточными связями. Поэтому, даже если мы имеем дело с этими паршивыми элементами, в которых время от времени получаем ноль вместо единицы, в сети имеется избыточность, которая позволяет восстановить недостающую информацию. Это делает работу мозга изначально надёжной. Здесь мы имеем систему, в которой данные хранятся локально. И она ненадёжна, поскольку должна безупречно функционировать на каждом этапе, иначе данные будут потеряны. В то же время мозг представляет собой систему, в которой данные хранятся распределённо, и это — надёжная система.

Главное, о чем я хотел рассказать, это моя мечта создать компьютер, который работает по принципу мозга.

Это то, над чем мы работаем последние несколько лет. И я хочу показать вам систему, которую мы создали для моделирования сетчатки глаза. Это — часть мозга, расположенная сразу за внутренней частью глазного яблока. Для этого мы не писали программ, как это обычно делается при работе на компьютере. Фактически процессы, которые протекают в этом небольшом участке мозга, очень напоминают процессы, протекающие в компьютерах при пересылке видео по Internet. Они стремятся сжать информацию — стремятся передавать только изменения, только новую часть изображения — и именно таким образом глазному яблоку удаётся "втиснуть" всю информацию в зрительный нерв для пересылки её в другие участки мозга.

Вместо того, чтобы писать программы или разрабатывать соответствующие алгоритмы, мы отправились на беседу к нейробиологам, которые фактически в обратном порядке спроектировали модель этого участка мозга, называемого сетчаткой. Они изучили все разнообразные типы клеток, они изучили структуру нейронной сети, а мы просто взяли эту сеть и использовали её как схему для создания силиконового чипа. В этом чипе нейроны представлены небольшими узлами или цепями, а связи между нейронами моделируются транзисторами. И эти транзисторы ведут себя практически так же, как ионные каналы в мозгу. Я покажу вам такую же надёжную архитектуру, как та, что я описывал.

Вот как реально выглядит наш искусственный глаз.

Созданный нами моделирующий сетчатку чип установлен позади этой линзы. И этот чип — я покажу вам видео, в котором было заснято изображение, полученное на силиконовой сетчатке в то время, когда чип "рассматривал" Карима Заглоу, студента, который его сконструировал. Позвольте, я объясню вам, что вы сейчас увидите. Хорошо? Поскольку чип выдаёт информацию разного рода, он не настолько прямолинеен, как камера. Чип, моделирующий сетчатку, выделяет четыре различных типа информации. Он выделяет области с тёмной контрастностью, которые на видео показаны красным цветом. И он выделяет области с белой или светлой контрастностью, которые на видео показаны зелёным цветом.

Вот — тёмные глаза Карима, а вот — светлый фон, который вы видите здесь. А затем он также выделяет движение. Когда Карим двигает головой вправо, вы видите активизацию синего цвета, он представляет области изображения, в которых контрастность увеличивается, где есть переход от тёмного к светлому. И вы также видите это увеличение активности жёлтого цвета, он представляет области, в которых контрастность уменьшается, переходит от высокой к низкой.

И эти четыре типа информации — ваш зрительный нерв содержит около миллиона волокон, и 900 000 из этих волокон передают эти четыре вида информации. Таким образом, мы действительно дублируем типы сигналов, которые поступают на зрительный нерв.

Здесь явно заметно, что эти снимки, сделанные на выходе моделирующего сетчатку чипа, весьма разреженные. Зелёный цвет не заполняет полностью весь фон, а расположен только по контуру и т.д. То же самое вы увидите и в том случае, когда люди сжимают видео для пересылки: они стараются сделать его очень разреженным, поскольку такой файл занимает меньше места. И именно это делает сетчатка, и она проделывает это с помощью одной лишь своей структуры, как эта сеть нейронов, взаимодействующих на этом участке, которую мы повторили в нашем чипе.

Но главное, что я хотел доказать, я продемонстрирую вам сейчас. Итак, вот это изображение скоро будет выглядеть так же, как и эти, но здесь я покажу вам, что мы можем реконструировать изображение, вот, вы видите, уже почти можно узнать Карима на этом верхнем участке. Вот, получилось.

Конечный результат в верхнем левом углу

Да, и в этом идея. Когда вы стоите неподвижно вы видите только светлые и тёмные контрасты. Но когда есть движение взад и вперёд, сетчатка воспринимает эти изменения. И именно поэтому, вы знаете, когда вы здесь сидите и что-то происходит в вашем поле зрения, вы просто переводите взгляд. Есть специальные клетки, которые фиксируют изменения, и вы переносите внимание в эту зону. Поэтому эти клетки очень важны, чтобы заметить того, кто пытается подкрасться к вам незамеченным.

Позвольте мне в завершение рассказать о том, что получится, если добавить Африку в фортепиано. Ладно? Это стальной барабан, который несколько видоизменен, и это именно то, что происходит, если добавить Африку в фортепиано. :)

И я бы очень хотел, чтобы мы добавили Африку в компьютер, и создали новый тип компьютера, который будет мыслить, фантазировать, обладать творческими способностями и т.п. Благодарю за внимание.

Крис Андерсон: Вопрос к вам, Квабена. Вы как-то связываете работу, которую вы выполняете, будущее Африки, эту конференцию — какую связь можно установить между ними, если таковая вообще существует?

Квабена Боахен: Да, как я сказал вначале, я получил мой первый компьютер, когда был подростком и жил в Аккре. И у меня создалось вполне правильное впечатление, что нельзя конструировать таким образом. Это было просто использование грубой силы, совершенно топорное решение. Я думаю, я бы не отреагировал подобным образом, если бы рос на всей этой научной фантастике, на разговорах про RD2D2, или как он там называется, и — ну, сами знаете — покупаясь на всю эту бесконечную рекламу компьютеров. Я подошёл к этому с другой точки зрения. и я привнёс эту другую точку зрения в решение данной проблемы. И я думаю, что масса людей в Африке имеют эту другую точку зрения, и я считаю, это даст толчок в развитии новых технологий. И это даст толчок для нового подхода к пути их развития. И я думаю, вскоре вы сможете увидеть и использовать этот вклад для создания принципиально новых вещей, поскольку вы подойдёте к решению задачи с иной точки зрения. Я думаю, мы можем внести свой вклад, мы тоже умеем мечтать.

Крис Андерсон: Благодарю Вас, Квабена, было очень интересно. Спасибо.