Цифровой журнал «Компьютерра» № 204

А вот ещё критически важная для «умных» машин задача распознавания образов. С ней справляется и малый ребёнок, и лабораторный шимпанзе, и приподъездные кошки… И программное обеспечение от Google это тоже умеет, опознает лица людей и котиков. Но — требуя для этого массива из шестнадцати тысяч мощных процессоров, функционирование которых связано с весьма серьёзными энергетическими затратами, несопоставимыми с тем, кои употребляет на решение аналогичной задачи живой мозг (оценить затраты в единицах «флопс» затруднительно, ибо слишком уж велики порядки величин). 

_{Затраты вычислительных ресурсов на эмуляцию нейросетей (логарифмическая шкала).}

А объясняется этот парадокс историей технологий — в сопоставлении с историей человечества и живых существ. Для чего делались первые вычислительные машины? Для работы с абстрактными образами. Да, самое обычное натуральное число есть абстрактный образ. И не слишком простой. Читатель с математическим образованием — или, скорее, с интересом к этой науке — может обратиться к «Теории множеств» коллективного французского математика Николя́ Бурбаки́ и посмотреть, сколь громоздко приведённое там определение обыкновенного натурального числа 1.

Но вот эти-то абстракции, при их кажущейся простоте и доступности первокласснику, весьма могущественны. Движение небесных тел Кеплер описывал с помощью элементарной математики, а вот для того, чтобы определить наилучшую форму бочек для свойственника-бондаря ему пришлось создать основы математики высшей… И нынешние «мельницы чисел» с их гигантской производительностью не могут справиться с тем, с чем легко справляется кусочек серого вещества, неспособный сложить два и два. 

Дело именно в различии первоначально поставленных задач. От живых существ беспощадная эволюция требовала выживания в реальном мире. В вычислительные машины конструктора закладывали способность совершения цепочек операций над абстрактными объектами, при всей привычности для нас являющихся плодом последовательного творчества умов ряда гениев, от Платона и Лейбница до Гильберта и фон Неймана. Причём то, что эти цепочки операций совершаются всё быстрее и быстрее, со всё большими объёмами чисел, распараллеливаемыми даже в смартфонах, преимуществ кремнию над белком не давало.

Да! Наращивание процессорных мощностей и объёмов обрабатываемых данных ключом к решению проблемы не было. И от технологии потребовалось то, чего не может сделать эволюция живых существ, являющаяся не-марковским процессом. Живое существо довольно жёстко определено прошедшими этапами развития. Инженер же может вернуться назад и начать движение от другой точки, располагая тем опытом и технологиями, которые наработал, двигаясь по предыдущему пути. Применить подходы, позволившие достичь нынешних процессорных мощностей, к нейросетям.

_{Соотношение сложностей биологических и кремниевых нейросетей.}

Именно этим занимается нынче DARPA в рамках программы Систем нейроморфной адаптивной пластично-масштабируемой электроники (SyNAPSE). Пентагоновские деньги, скажем, выделяются командам разработчиков из HRL Laboratories, ранее известной как Hughes Research Laboratories, и родителям Watson’а из IBM Research. Команду SyNAPSE в IBM возглавляет Дхармендра С. Модха (Dharmendra S. Modha), глава группы когнитивных вычислений (Cognitive Computing) из IBM Almaden Research Center. Ну а Центр неврологических и поведенческих систем трудится под началом Нараяна Шринивазы (Narayan Srinivasa).

_{Нейрочип от IBM.}

И результаты в обоих случаях достигнуты более чем впечатляющие. Команда Модхи сейчас работает с представленным в 2011 году нейрочипом, на кристалле которого 6 000 вентилей моделируют поведение нейрона. Всего в микросхеме 256 кремниевых «нейронов», между которыми может быть установлено 262 000 «синаптических» связей. Свойства нейросети, в которую превращается кристалл в процессе программирования, и определяются этими синаптическими связями, сохраняемыми в блоке памяти.

Что нынче может этот нейрокристалл? Распознавать цифры от 0 до 9, причём даже предсказывать ту, которую только начинают писать на планшете. Играть в виртуальный настольный теннис. Водить дрон строго над двойной жёлтой, которой размечено шоссе к Альмадене… Скромно? Да, всё это умеют обычные процессоры. Но нейрочип использует для исполнения своих задач ничтожную долю вычислительных ресурсов, обычно требуемых от традиционных архитектур. А для программирования нейроморфных архитектур IBM создаёт библиотеки объектов, названных corelets: то ли ядрышки, то ли сущностишки, (от сути); не ясно, как перевести…

_{«Энцефалограмма» нейрочипа от HRL.}