Название говорит само за себя. Насколько мощным должен быть компьютер, прежде чем он сможет аппаратно симулировать и эмулировать человеческий разум в режиме реального времени?
Я оставляю вопрос о необходимом программном обеспечении на потом, но не стесняйтесь обращаться к нему, если это жизненно важная часть ответа.
Критерии оценки ответа:
Мотивация размещения этого в Worldbuilding состоит в том, чтобы получить канонический справочный ответ по вопросам вычислений, связанных с путями на основе эмуляции к сингулярности , компутрониуму, сим-людям и другим связанным темам, чтобы помочь в построении реалистичного футуристического общества. Излишне говорить, что вопрос предполагает, что построение таких эмуляций возможно.
PS Чтобы избежать онтологической путаницы, дополнительные определения:
Эмуляция — это процесс имитации внешне наблюдаемого поведения для соответствия существующей цели. Внутреннее состояние механизма эмуляции не обязательно должно точно отражать внутреннее состояние цели, которую он эмулирует.
Моделирование , с другой стороны, включает в себя моделирование основного состояния цели. Конечным результатом хорошей симуляции является то, что имитационная модель будет эмулировать цель, которую она имитирует.
Подробное резюме есть на этой странице в Википедии .
Если бы вы уже знали, как работает мозг для создания интеллекта, написание этой программы напрямую потребовало бы FLOPS (Blue Gene/P около 2007 г.) и 100 терабайт. Без понимания эмерджентного поведения простое моделирование нейронов заняло бы к FLOPS и 10 000 терабайт памяти, которые, как ожидается, будут стоить миллион долларов в 2019 году.
На диаграмме видно, сколько вычислений потребуется для моделирования метаболизма и появления самого поведения нейронов и т. д.
Проект Blue Brain изучает глубокое моделирование небольшого участка неокортекса мозга , что приводит к пониманию того, как моделировать поведение корковых столбцов и групп нервных клеток, что в 100 раз эффективнее, чем детальное моделирование отдельных клеток. Это поместит его между двумя строками, упомянутыми выше, но использует гораздо меньше памяти, чем верхняя строка.
То есть, без понимания того, какое поведение получается при подключении мыслящей коры головного мозга человека, подключение программных симуляций этих «столбцов» (которые являются модульными и имеют множество соединений внутри блока) будет потреблять от 10 до 100 петафлопс, что было в диапазон суперкомпьютеров с 2012 года ( в настоящее время 33,8 петафлопс , прямо в середине этого диапазона).
Но симуляция работающего мозга может быть специально построена так, чтобы иметь правильное сочетание обработки, локального хранилища и подключения, и, таким образом, быть быстрее, чем вычислительные кластеры суперкомпьютеров.
Мое мнение: сбор и изучение данных медленнее, чем прогнозируемая аппаратная кривая Мура. Такие проекты, как Blue Brain , будут выполняться в полном объеме, а дальнейшая работа по моделированию кортикальных колонок будет проводиться на лабораторном оборудовании университета, а более масштабные запуски возможны на высокопроизводительных вычислительных ресурсах университета или на распределенных вычислительных ресурсах. Когда будет готов надежный план, аппаратное обеспечение для полномасштабной реализации человеческого мозга будет стоить менее миллиона долларов, но они начнут с небольших систем, таких как мыши, собаки и т. д. Если оборудование будет изготовлено на заказ, прототипы и небольшие партии предоставит аппаратное обеспечение для мышей и т. д. Если он может работать на высокопроизводительном компьютере общего назначения (к тому времени еще не классифицированном как суперкомпьютер), вы знаетекто-то собирается попробовать его задолго до того, как он будет готов.
Обновление: видео Computerphile Это проект нейронной сети SpiNNaker (ссылка на синюю линию на графике с этим именем указывает на самый быстрый суперкомпьютер в 2019 или 2020 году) под названием SpiNNaker . На экране они показали готовую стойку со 100 000 ядер, эмулирующих 25 миллионов нейронов (при эффективности в 1/4 — в конечном итоге она будет работать с 1000 нейронов на ядро). Полный проект будет состоять из 1 миллиарда нейронов.
Одна стойка, работающая сейчас, является функциональным аналогом мышиного мозга. Теперь они могут поиграть с ним, чтобы выяснить больше деталей работающего мышиного мозга.
Используя современные технологии, задача состоит не в том, чтобы производить аппаратное обеспечение, способное делать то же самое, что и человеческий мозг, а в том, как запрограммировать аппаратное обеспечение для этого.
Рассмотрим суперкомпьютер K , созданный Fujitsu. Он имеет больше памяти и выполняет больше операций в секунду, чем человеческий мозг. Однако он не может имитировать его не только потому, что архитектура не предназначена для этого, но и потому, что мы не знаем, как запрограммировать компьютер, чтобы он вел себя как человек.
Однако у него есть аппаратные возможности, чтобы вести себя по-человечески. Суперкомпьютер K потребляет 9,9 млн ватт и имеет мощность примерно в четыре мозга. Если предположить, что мощность составляет 2500 киловатт, а цена на электроэнергию составляет пятнадцать центов за киловатт-час, то работа нашего мозга в течение часа будет стоить 375 долларов в час. Наши суперкомпьютеры стали немного лучше с тех пор, как мы построили K, а самый мощный на сегодняшний день суперкомпьютер, Tianhe-2 , использует мощность, эквивалентную 730 киловаттам на человеческий мозг.
Что касается затрат на эмуляцию и симуляцию мозга, это зависит от того, насколько хорошо мы справляемся с каждой из этих задач, и от того, какое разрешение мы хотим в нашей симуляции. Теоретически для выполнения тех же операций, что и человеческий мозг, требуется такая же вычислительная мощность, как и у человеческого мозга. Однако если мы хотим смоделировать внутренние химические реакции в каждом кальциевом канале, нам потребуется на порядки больше вычислительной мощности.
Самым большим препятствием для использования ЦП для эмуляции мозга является то, что он обрабатывает команды последовательно, в то время как все нейроны работают параллельно. Вам потребуется умопомрачительное количество ядер процессора, чтобы приблизиться к скорости человеческого мозга. Таким образом, ЦП не путь. Нам нужен чип, который может обрабатывать много данных параллельно: FPGA.
Имея 4 миллиона логических ячеек и примерно 10 ячеек для эмуляции одного нейрона, одна плата FPGA может одновременно эмулировать 400 000 нейронов. с 86 миллиардами нейронов в человеческом мозгу вам нужно будет соединить около 215 000 микросхем FPGA, чтобы достичь емкости мозга.
23 x 23 мм для наименьшего форм-фактора связанной FPGA, скажем, 40 x 40 мм для размещения одной на печатной плате, что составит 344 м ^ 2 печатной платы; разделить на 20х50см. Возьмите типичную стойку 42U ; он будет содержать 40 плат размером 0,5 м x 0,5 м, а также их блок питания и сетевую инфраструктуру, что означает 10 м ^ 2 печатной платы. 35 таких стоек составляют серверную комнату весьма скромных размеров.
Добавим 20 000 долларов за новый чип. 43 миллиона долларов только за чипы, вероятно, ближе к 100 миллионам долларов за весь проект.
И это только аппаратная часть. Теперь самое сложное: соединить 86 миллиардов нейронов так, как они соединены в человеческом мозгу. ПОЭТОМУ это еще не сделано.
Я, вероятно, не смогу ответить на ваш вопрос по одной простой причине — мы недостаточно знаем о мозге, чтобы смоделировать его. Мы все еще изучаем, как это работает — как вы можете смоделировать что-то, если не знаете, как это работает?
Хотя попробую:
1) Каждый нейрон можно было бы хранить в виде бита (вкл/выкл), а состояние синапсов в виде байта (вкл/выкл, сопротивление). Таким образом, вам нужен компьютер с оперативной памятью не менее 410 ГБ, чтобы хранить состояние каждый нейрон и синапсе (200 ГБ для нейронов, 200 ГБ для синапсов, 10 ГБ для вычислений для запуска симуляции)
2) Вам нужен достаточно быстрый процессор, чтобы понять, как взаимодействуют все эти нейроны и синапсы, и обновить их все - тысячи раз в секунду. Это предполагает, что существуют правила и алгоритмы того, как электричество проходит через мозг.
3) Вам нужно еще больше вычислительной мощности и оперативной памяти для обработки вывода из мозга и сенсорного ввода в мозг (и какой-то способ получения сенсорного ввода).
4) Вам нужно сопоставить нейроны, запускающие мысли — это может быть невозможно, то есть у вас будет смоделированный мозг, который не сможет учиться или контролировать свой мир каким-либо образом.
Таким образом, для упрощенного мозга на уровне нейронов/синапсов вам понадобится компьютер, возможно, с 500 ГБ ОЗУ (который предпочтительно должен быть кэшем для моделирования в реальном времени) и процессором с частотой 2 ТГц.
Это позволит вам смоделировать математическое представление мозга , обновляющееся 1 миллион раз в секунду (ну, немного медленнее, так как автобусы не мгновенные, и я много округляю и упрощаю).
Проблема заключается не в аппаратном или программном обеспечении, необходимом для моделирования, а в передаче данных в и из моделирования таким образом, чтобы моделирование (и вы) могли их интерпретировать.
Я удивлен, что никто не упомянул квантовые компьютеры. Из-за законов суперпозиции и теории квантовой запутанности одиночный квантовый бит может быть либо нулем, либо единицей, поэтому это позволит вам вычислить все возможные решения в тандеме с несколькими байтами, например, если байт имеет восемь битов каждый бит позволит вам иметь 256 возможных решений. Если бы у вас было 50 кбит, вы могли бы вычислить два решения в пятидесятой степени в тандеме. Это позволит вам создать сложную симуляцию мозга вплоть до субатомного уровня, при условии, что вы соответствующим образом увеличите аппаратное обеспечение. Это было бы идеальным решением, но проблема в том, что квантовый компьютер — это массивная громоздкая машина, требующая криогенного охлаждения, и малейшее движение может нарушить квантовые состояния и вызвать ошибки.
Интеллект человеческого уровня — это не просто отражение задействованной вычислительной мощности.
Во-первых, эволюция делает массу ошибок и глупых решений в процессе проектирования, которые не всегда исправляются, и в результате нам действительно может понадобиться лишь небольшая часть мощности, которой обладает наш мозг.
Во-вторых, если предположить, что у нас есть способность к обработке данных, мы не знаем правильных алгоритмов, заставляющих мозг работать. Мы становимся ближе в различных областях, но в том-то и дело, что разные биты работают по-разному и требуют, чтобы каждая область была запрограммирована, а затем соответствующим образом связана друг с другом.
В-третьих, если предположить, что у вас нет человеческого интеллекта/мозга, как вы бы его признали. У вас есть вещь, которая может превратиться в одну при правильных обстоятельствах. В правильных обстоятельствах потребуются довольно сложные биотехнологии или симуляции, с которыми люди могут взаимодействовать один на один.
Как только вы это сделаете, у вас может быть человеческий мозг, и вы сможете ответить на свой вопрос, но чтобы выяснить это, вам нужно взять мозг, который вы разработали, а затем написать одну из тех эволюционных программ, которые вносят изменения и тестируют. это против набора известных выходных данных (в данном случае данных из мозга, которые мы сделали) и продолжаем работать, отбрасывая те, которые соответствуют меньшему количеству.
затем, как только вы получите наиболее оптимальный дизайн, вы сможете сказать, сколько обработки требуется...
Но, согласно некоторым сайтам, несколько лет назад Интернет прошел точку сопоставления с 1 человеческим мозгом, и, по прогнозам, к 2020 году суперкомпьютеры смогут вычислять необработанные «провалы», которые обычно рассчитываются как вычислительная мощность человеческого мозга. , но мы не знаем на самом деле.
Я думаю, что по мере развития технологий мы естественным образом придем к «мокрому программному обеспечению», потому что оно более энергоэффективно. Под продукцией я подразумеваю биологические чипы. Наш мозг потребляет всего несколько ватт энергии. Даже если бы мы использовали техпроцесс в 1 нм, кремний никогда не будет таким энергоэффективным, как белки. Я не уверен в этом, но я думаю, что ДНК также имеет огромную плотность данных. Телевизионное шоу Battle Star Galactica интересно указало на это. Если бы ИИ был достаточно умен, чтобы обрести разум и начать воспроизводить себя, он занялся бы исследованиями и разработками и начал бы создавать андроидов. Со временем ночь естественным образом эволюционирует в сторону «биологических» роботов.
Ганима
Сербан Танаса
ПипперЧип
Тим Б.
Сербан Танаса
KSmarts
Сербан Танаса
Тим Б.
Миторон
трихоплакс сейчас на Codidact
abcdefg
Старый кот
часлы - поддерживает Монику
ВБТ
Геоплеер123
ЗлоЗакуска