Макс Тегмарк - Жизнь 3.0. Быть человеком в эпоху искусственного интеллекта

В этой главе мы исследовали вопрос, как искусственный интеллект может помочь значительно улучшить нашу жизнь в ближайшее время и как нам избежать различных опасностей на этом пути. Но как насчет долгосрочной перспективы? Остановится ли в конце концов прогресс AI-технологий из-за непреодолимых препятствий, или ученым удастся преуспеть в достижении их изначальной цели – создания универсального искусственного интеллекта на уровне человеческого? Мы видели в предыдущей главе, как законы физики позволяют фрагментам материи запоминать, вычислять и обучаться, и эти законы отнюдь не запрещают таким фрагментам однажды достичь гораздо большей разумности, чем та, которой обладают сгустки материи в наших головах. Достижимо ли это, и если да, то когда люди смогут преуспеть в создании такого сверхчеловеческого универсального AI, гораздо менее ясно. Мы видели в первой главе, что мы этого просто пока еще не знаем, потому что ведущие мировые специалисты в области искусственного интеллекта пока не пришли к единому мнению, и большинство из них дают оценки от десятилетий до столетий, а некоторые даже отрицают саму возможность. Прогнозировать сложно: вы путешествуете по неизведанным территориям, вы не знаете, сколько гор отделяет вас от места назначения. Обычно вы видите только ближайшие к вам, и нужно долго карабкаться, прежде чем вы сможете увидеть следующее препятствие.

Что же может нас ждать в ближайшей перспективе? Даже если бы мы знали наилучший из возможных способов построения универсального искусственного интеллекта на уровне человеческого с помощью сегодняшних аппаратных возможностей компьютеров, – а мы его не знаем, – нам все равно надо было бы немало сделать, чтобы обеспечить достаточную вычислительную мощность, необходимую для этого. Так какова же вычислительная мощность человеческого интеллекта, если измерять ее в битах и флопсах на языке главы 2 [29] Я напомню здесь, что флопс – это количество операций над числами с плавающей запятой (аббревиатура английского floating-point operations per second), выполняемых компьютером в одну секунду, то есть это число, показывающее, например, сколько 19-значных чисел компьютер перемножит одно на другое в течение секунды. ? Это крайне сложный вопрос, и ответ существенно зависит от того, как мы его поставим:

• Вопрос 1: Сколько требуется флопсов, чтобы симулировать работу мозга?

• Вопрос 2: Сколько требуется флопсов для работы человеческого разума?

• Вопрос 3: Сколько флопсов выполняет человеческий мозг?

По вопросу 1 было очень много статей, и в них обычно дается ответ: порядка петафлопсов, то есть 10 17флопсов {64} 64 Перемножение примерно 10 11 нейронов, примерно 10 4 синапсов на нейрон и одного (10 0 ) возбуждения нейрона в секунду дает примерно 10 15 FLOPS (1 petaFLOPS) – такого быстродействия достаточно для симуляции человеческого мозга, но здесь есть много плохо понимаемых осложнений, в том числе закон, по которому происходят возбуждения, и вопрос, надо ли отдельно симулировать небольшие части нейронов и синапсов. Специалист IBM Дхармендра Модха оценил необходимую производительность в 38 petaFLOPS ( http://tinyurl.com/javln43 ), а нейробиолог Генри Маркрам дал другую оценку – около 1 000 petaFLOPS ( http://tinyurl.com/6rpohqv ). Катья Грейс и Пол Кристиано утверждают, что наиболее дорогой аспект симуляции мозга не в вычислениях, а в коммуникациях, но и это под силу современному суперкомпьютеру: http://aiimpacts.org/about . Что примерно соответствует вычислительной мощности Sunway TaihuLight (рис. 3.7), самого быстрого суперкомпьютера в мире на 2016 год, стоимостью около $300 млн. Даже если бы мы знали, как его использовать для симуляции мозга высококвалифицированного работника, прибыль от этого могла бы случиться только при условии, что аренда TaihuLight для нас оказалась меньше, чем почасовая оплата труда работника. Но нам, вероятно, придется платить даже еще больше, потому что, как считают многие ученые, для точного воспроизведения работы мозга нам недостаточно рассматривать его как математически упрощенную модель нейронной сети из главы 2. Возможно, нам вместо этого нужно симулировать его работу на уровне отдельных молекул или даже субатомных частиц, что требует значительно большего числа флопсов.

Рис. 3.7

Sunway TaihuLight – самый быстрый суперкомпьютер в мире по состоянию на 2016 год. Как утверждается, его первичная вычислительная мощность превосходит мощность человеческого мозга.