В современной науке амбициозная задача по созданию полномасштабной цифровой копии человеческого мозга перешла в активную фазу. Вслед за пионерскими инициативами японского института RIKEN, а также европейскими проектами Human Brain Project и Blue Brain, ключевую роль в этой области сегодня играет China Brain Project.
Архитектоника памяти: биология против кремния
Для понимания масштаба задачи необходимо сопоставить информационную емкость биологических структур с возможностями современных систем хранения данных. Ниже приведен сравнительный анализ характеристик, позволяющий оценить порог вхождения в эпоху цифрового бессмертия.
| Параметр системы памяти | Показатель | log1024 |
|---|---|---|
| Информационный объем мозга (по данным [8]) | 1 ПБ | 5 |
| Емкость типового HDD (базис 256$) | 16 ТБ | 4,4 |
| Стоимость аппаратного эквивалента памяти на HDD | 16 000 $ | 1,4 |
| Модуль оперативной памяти DDR5 (базис 380$) | 32 ГБ | 3,5 |
| Бюджет на реализацию объема памяти в ОЗУ (DDR5) | 12 млн $ | 2,4 |
| Плотность данных: 1 кг накопителей microSD (по 1 ТБ) | 2 ПБ | 5,1 |
| Аудиопоток за 16 лет обучения (формат .amr) | 64 ГБ | 3,6 |
| Антропометрические и жизненные циклы | ||
| Количество секунд в календарном году | 31 536 000 | 2,5 |
| Средняя скорость когнитивного чтения | 25 зн/с | 0,5 |
| Вербальный и когнитивный багаж за 128 лет | 128 ГБ | 3,7 |
| Аудиохроника жизни (128 лет в .amr) | 4 ТБ | 4,2 |
| Видеопоток жизни (128 лет в HD 720p) | 4 ПБ | 5,2 |
| Генетический код человека | 1,5 ГБ | 3 |
| Разрешающая способность цветового зрения | 6 Мп | 2,5 |
| Мировая популяция | 8,3 млрд | 3,3 |
Анализ данных в единицах СИ (от гига- до зетта-порядков) показывает, что современные пользовательские системы уже обладают достаточным ресурсом памяти для эмуляции большинства функций мозга, за исключением непрерывной фиксации визуального опыта в высоком разрешении.
Вычислительная сложность нейронного моделирования
Ключевым барьером на пути к симуляции является не столько хранение, сколько обработка данных в реальном времени. Сложность нейронной сети оценивается в флопсах (FLOPS) — количестве операций над числами с плавающей запятой в секунду.
| Параметры симуляции и ЭВМ | Значение x | log1024x |
|---|---|---|
| 1. Популяция нейронов в мозге | 86 млрд | 3,6 |
| 2. Количество синаптических связей на один нейрон | 10 000 | 1,3 |
| 3. Пиковая частота импульсации нейрона | 1000 Гц | 1 |
| 4. Вычислительная нагрузка на одну связь при симуляции | 2000 оп. | 1,1 |
| 5. Совокупная мощность для имитации мозга | 1 зеттафлопс | 7 |
| 6. Моделирование 1% мозга (замедление в 2000 раз, данные 2013 г.) | 10 петафлопс | 5,3 |
| 7. Оптимизированная модель имитации (прогноз) | 1 эксафлопс | 6 |
| Производительность компьютерных систем | ||
| 8. Суперкомпьютер El Capitan | 2 эксафлопс | 6,1 |
| 9. Флагманская видеокарта (уровня RTX 5090) | 105 терафлопс | 4,7 |
| 10. Вычислительная мощность на 1 доллар инвестиций | 32 мегафлопс | 3,5 |
| 11. Годовая выручка лидера индустрии (Nvidia, 2024) | 130 млрд $ | 3,7 |
| 12. Суммарная мощность выпущенных за год GPU (оценка) | 4 зеттафлопс | 7,2 |
| Энергетические затраты | ||
| 13. Энергопотребление системы El Capitan | 30 МВт | 2,5 |
| 14. Стоимость электроэнергии для часа работы симуляции | 4 млн $ | 2,2 |
| 15. Годовой бюджет на энергообеспечение модели | 0,4 трлн $ | 3,9 |
Текущие объемы производства микропроцессоров уже позволяют достичь производительности в 1 зеттафлопс, что сопоставимо с теоретическими требованиями для работы модели человеческого мозга. Данные показатели коррелируют с ранними расчетами проекта RIKEN, подтверждая, что технологический фундамент для реализации подобных задач уже заложен.
Прогнозы и горизонты развития
Анализ динамики мощнейших вычислительных систем мира (рейтинг TOP500) с 1993 года позволяет построить векторы развития на ближайшее десятилетие.
Линейная регрессия указывает на достижимость эмуляции мозга в реальном времени уже к середине 2030-х годов. Этот процесс идет в фарватере закона Мура, который, будучи во многом экономическим драйвером, стимулирует постоянный рост эффективности полупроводников. Реализация полноценной имитации станет моментом рождения сильного искусственного интеллекта (AGI/ОИИ).
Ожидается, что после периода работы на суперкомпьютерах, алгоритмы будут оптимизированы для запуска на серийных процессорах. Это приведет к фундаментальной трансформации рынка труда, где интеллектуальные задачи любой сложности смогут быть делегированы машинам.
Помимо структурной имитации, к созданию ОИИ ведут и другие пути: генная инженерия, глубокие нейронные сети и системы игрового обучения (успехи Deep Mind и Alpha Zero). Оптимистичные сценарии технологической сингулярности подтверждаются работами Р. Курцвейла, Н. Бострома и С. Маркова. Как отмечал академик В.М. Глушков еще в 1982 году: «Принципиальных препятствий для автоматизации интеллектуальной деятельности не существует».
Автор материала: Андрей Радченко
