Представьте, что вы завтракаете в кафе. Играет джаз, в левой руке у вас — чашка ароматнейшего эспрессо, а указательным пальцем правой вы неспешно листаете утренние новости на своем планшете. Это компактное электронное устройство — настоящее чудо техники из стекла, металла и пластика. Миниатюрный корпус скрывает в себе множество подсистем — от радиомодуля, который отвечает за подключение к беспроводным сетям, до графического процессора, преобразующего последовательности нолей и единиц в памяти компьютера в светящиеся точки на экране, которые в совокупности формируют разноцветные картинки и текст.
Но еще более поразительный механизм находится у вас в голове — ведь именно ваш мозг, получая информацию от нейронов сетчатки, из набора пикселей на экране формирует в сознании зрительные образы. При этом он успевает параллельно выполнять еще несколько сложных задач. Так, вы не просто слышите фоновую музыку, но и без труда выделяете в ней выпеваемые хриплым голосом Луи Армстронга строчки “Go Down Moses”; ваши обонятельные рецепторы распознают в сложном ароматическом букете кофе кисловатые нотки фенолов, несмотря на то что последний раз слово «фенол» вы слышали на уроке химии в школе и уже не помните, что это такое; одновременно ваша левая рука подносит горячую чашку к губам, что называется, «машинально» — без участия зрения и специальной концентрации внимания на этом процессе.
Более того, в сравнении с компьютерами ваш мозг намного компактнее и эффективнее с точки зрения энергопотребления: в состоянии бодрствования потребляемая им мощность составляет всего 25–30 Вт. Если бы ваша голова была круглосуточно подключена к счетчику электроэнергии, за год вы наматывали бы чуть больше 200 киловатт-часов, тогда как среднестатистический смартфон (даже не компьютер!) за тот же период «съедает» 360 кВт•ч (с учетом приходящегося на его долю энергопотребления базовых станций, телекоммуникационных систем, по подсчетам инвестиционно-консалтинговой группы Digital Power Group).
По заветам фон Неймана
Чтобы наглядно проиллюстрировать ту пропасть, которая лежит между биологическими нейронными сетями и традиционными компьютерами, достаточно вспомнить о самом масштабном эксперименте по моделированию деятельности человеческого мозга, который был проведен 2 августа 2013 года японским Институтом физико-химических исследований RIKEN совместно с Технологическим университетом в Окинаве и немецким Исследовательским центром Юлих.
Для эксперимента потребовался самый мощный в мире на тот момент суперкомпьютер — K computer производства Fujitsu. В симуляции было задействовано 82944 процессора и 1 петабайт (тысяча терабайт) памяти, а сам расчет занял 40 минут. И всей этой невероятной мощи хватило лишь на то, чтобы воспроизвести работу 1% мозга во временном интервале ОДНОЙ СЕКУНДЫ. Однако не стоит думать, что это мало, ведь «всего» 1% мозга человека — это сеть из целых 1,73 млрд нервных клеток и 10,4 трлн соединяющих их синапсов, а своей задачей экспериментаторы ставили практическое подтверждение теоретических расчетов о необходимых вычислительных мощностях для симуляции деятельности мозга.
Новое поколение компьютерных чипов, принципы работы которых многое заимствуют у живого мозга, призвано сократить разрыв между машинным и биологическим подходом к обработке данных, рационально используя преимущества каждого из них. Только представьте себе чипы, которые объединяют в себе сверхскоростные кремниевые «числодробилки» и отточенный эволюцией механизм обработки разноплановой информации, полученной от многочисленных сенсоров. Современный научно-технический прогресс перевел эту тему из плоскости теоретических изысканий в поле практических испытаний. Эти нейроморфные чипы могут стать тем недостающим звеном для завершения многообещающих, но все еще далеких от завершения прикладных проектов с использованием искусственного интеллекта — от автопилота, который может вести машину при любых погодных и дорожных условиях, до смартфона, наделенного способностью выступать в роли вашего персонального переводчика-синхрониста и ассистента.
СССР мог создать Интернет гораздо раньше США?
Изучение истории отечественной вычислительной техники приносит немало сюрпризов. Известно, что испытание ARPANET, прототипа сети Интернет, состоялось в США в 1969 году. Но мало кто знает, что еще в 1962 году академиком В. М. Глушковым был предложен эскизный проект «Единой Государственной сети вычислительных центров»: крупные вычислительные машины в различных городах объединялись сетями передачи данных с более мелкими. Всего предлагалось создать 20 тыс. узлов такой сети. Несмотря на большую потенциальную прибыль от реализации проекта, он так и не был реализован из-за предвзятого отношения к нему советских ученых-экономистов и руководства страны.
Фон-неймановская архитектура: достоинства и недостатки
Широко распространено убеждение, что один из главных принципов фон-неймановской архитектуры — последовательное выполнение цепочки инструкций. На самом же деле это скорее следствие. Принципы архитектуры фон Неймана заключаются в совместном хранении инструкций и данных в одной и той же машинной памяти и в линейном пространстве адресов, когда одному числу (адресу) соответствует одна определенная ячейка в памяти машины. Эта концепция определяет конструктивные особенности современных компьютеров, а также их ограничения, которые заключаются, к примеру, в сложности реализации параллельных вычислений. Несмотря на то что процессоры многих современных компьютеров имеют несколько вычислительных ядер, а также снабжены вспомогательными подсистемами вроде кэша или блока предсказания переходов в цепочке инструкций для поддержки мультипотоковой обработки данных, в основе своей — это все те же фон-неймановские машины, скомпонованные на одном кремниевом кристалле.
Еще одним принципом фон Неймана является двоичное кодирование информации — при помощи сигналов двух уровней, которые соответствуют нулям и единицам в двоичной системе счисления. Теоретически ничто не мешает создать компьютер на основе других систем. Более того, троичные компьютеры, например, уже создавались на практике, в том числе и в СССР. Примером такой машины стала малая ЭВМ «Сетунь», выпущенная серией в 46 экземпляров. Кстати, интерес к таким системам не угас до сих пор в силу двух причин: при одинаковой элементной базе троичные компьютеры быстрее двоичных, а кроме того, из всех целочисленных систем счисления самая высокая плотность записи информации именно в троичной.
Все современные компьютеры (от высокопроизводительных серверов до смартфонов и программируемых кофеварок) являются машинами фон-неймановской архитектуры — с центральным процессором и памятью для хранения инструкций и данных. Обычные компьютеры весьма эффективны в целом ряде задач, самый очевидный пример — математические вычисления. Но есть не меньшее число областей, в которых применение традиционной вычислительной техники и алгоритмических методов дает крайне низкий КПД. В первую очередь это распознавание образов, навигация в естественном окружении и переводы с одного языка на другой.
Это не значит, что традиционный подход совсем бесполезен для этих задач. Например, сейчас даже недорогие цифровые фотоаппараты-«мыльницы» умеют распознавать человеческие лица в кадре, а цифровые сервисы Google даже способны узнать на фотографии определенного человека. Из недавних достижений в этой области нельзя не отметить новый сервис Google, который научился распознавать людей (и в соответствии с интернет-модой — котов!) уже в видеороликах. Однако, например, для выполнения последней из перечисленных задач требуется кластер из 16000 процессоров, который занимает огромное помещение в центре обработки данных.