Виртуальный ты. Как создание цифровых близнецов изменит будущее человечества

Далее они показали, что сети синтетических клеток мозга могут решать проблемы подобно мозгу, используя сеть из 24 наноустройств для решения игрушечной версии реальной задачи оптимизации, которая у обычного компьютера заняла бы много энергии: проблема реконструкции квазивида вируса, когда мутантные варианты вируса идентифицируются без эталонного генома.

Устройства были объединены в сеть, вдохновленную связями между корой головного мозга и таламусом, участвующими в распознавании образов. В зависимости от входных данных исследователи вводили в сеть короткие фрагменты генов. Программируя силу связей между искусственными нейронами внутри сети, они установили правила соединения этих фрагментов. В течение микросекунд их сеть искусственных нейронов пришла в состояние, характерное для генома мутантного штамма. Их аналоговые устройства, вдохновленные мозгом, были как минимум в 10 000 раз более энергоэффективны, чем цифровой процессор.

В Европе нейроморфные вычисления» являются частью проекта «Человеческий мозг» стоимостью в миллиард евро, в котором участвуют более 500 ученых и инженеров из более чем 140 институтов. SpiNNaker (архитектура импульсной нейронной сети) – один из крупнейших нейроморфных суперкомпьютеров, который с 2005 г. разрабатывается командой под руководством Стива Фербера из Манчестерского университета, Англия[542]. Эта машина соединяет миллион процессоров, которые были упрощены для снижения энергопотребления и количества выделяемого тепла (эти процессоры, произведенные компанией ARM, сделали телефоны мобильными), с помощью сети, оптимизированной для передачи потенциалов действия – в виде серии импульсов – к процессорам в сети в форме кольца. Они смоделировали различные области мозга, которые теоретически можно связать между собой для создания более крупной модели мозга[543]. В разработке находится новая версия, SpiNNaker2, хотя эти машины не являются аналоговыми. «Все нейроморфные системы» – даже те, которые используют аналоговую обработку нейронов и синапсов, – генерируют цифровые выходные сигналы в виде импульсов», – рассказал нам Фербер[544].

Проект «Человеческий мозг» включает еще одну нейроморфную машину», BrainScaleS, в Гейдельбергском университете, где работу возглавляет Йоханнес Шеммель. Первое поколение BrainScaleS состояло из четырех миллионов искусственных нейронов и одного миллиарда синапсов на 20 кремниевых пластинах, которые также общались с помощью цифровых импульсов, чтобы эффективно имитировать биологический эквивалент – в частности, способ обучения мозга путем изменения локальных связей, а не глобального алгоритма. Команда создала BrainScaleS, чтобы показать возможность подключать аналоговые схемы в больших масштабах для изучения обработки информации мозгом, где информация передается с помощью цифровых импульсов, работающих в аналоговом времени, подкрепленных данными независимых исследований реального мозга (мышей, крыс, кошек и обезьян), а также математическим моделированием, высокопроизводительными вычислениями и анализом.

На момент написания команда работала над BrainScaleS-2, который в своем окончательном варианте должен использовать до 1000 пластин, что вдвое больше, чем у предшественника, и основан на более глубоком понимании гибких правил обучения и нейронной архитектуры. Результатом станет настоящий аналоговый нейроморфный компьютер», способный имитировать «маленький мозг»[545]. Однако, хотя ожидается, что он будет работать быстрее и потреблять значительно меньше энергии, чем цифровой компьютер, Шеммель не считает, что эти аналоговые машины при эмуляции мозга смогут обеспечивать большую точность, чем цифровые.

Рисунок 45. SpiNNaker, компьютер, похожий на мозг (воспроизведено с разрешения Манчестерского университета)

Есть еще много примеров. В рамках работы под руководством Джакомо Индивери из ETH Zurich был создан нейроморфный чип, следующий принципам, впервые предложенным Карвером Мидом, и надежно распознающий сложные биосигналы. Есть цифровой чип TrueNorth, разработанный в исследовательской лаборатории IBM в Альмадене, Калифорния; цифровая платформа Intel Loihi, предназначенная для стимулирования нейроморфных исследований», система Neurogrid Стэнфордского университета; чип Akida от BrainChip; Чип GrAI One от GrAI Matter Labs для машинного обучения; и массив электронных синапсов из 1024 ячеек, основанный на мемристорах, разработанный Институтом микроэлектроники, Университетом Цинхуа и Стэнфордским университетом для более эффективной классификации лиц[546].