В области новых технологий и продуктов мы привыкли, что «цифра» является синонимом всего передового, современного и высокотехнологичного, а «аналог» – всего ретроградского, вышедшего из употребления и низкотехнологичного.

Но если вы думаете, что аналог умер, вы ошибаетесь. Аналоговая обработка не только является ключевой составляющей множества жизненно важных систем, на которых мы опираемся, но и пробивает дорогу в новое поколение вычислительных и интеллектуальных систем, лежащих в основе очень интересных технологий будущего: искусственного интеллекта и робототехники.

Перед тем, как мы обсудим возрождение аналога – и то, почему инженеры и инноваторы, работающие над ИИ и роботами, должны обратить на это внимание – необходимо понять важность и наследие старого аналогового века.

Любовь к аналогу

Во время Второй мировой войны аналоговые схемы играли ключевую роль в работе первых автоматических системах ПВО, а в следующих десятилетиях аналоговые компьютеры были необходимы для вычисления полётных траекторий ракет и космических кораблей.

Аналог преобладал в системах управления и связи в самолётах, судах и на электростанциях. Некоторые из этих систем работают по сей день. Ещё не так давно аналоговые контуры управляли крупными частями телекоммуникационной инфраструктуры (помните телефоны с дисковыми номеронабирателями?), и даже копировальными аппаратами в офисе, когда ранние агрегаты для фотокопирования воспроизводили изображения без единого цифрового бита.

Любовь к аналогу существовала так долго, поскольку эта технология постоянно доказывала свою точность, простоту и скорость. Она подправляла курс ракет, вела суда, записывала и воспроизводила музыку и видео, объединяла нас многие десятилетия. А затем в 1960-х появилась цифра и быстро завоевала мир.

Карбюраторы с обратной связью делали более эффективную горючую смесь на основе выхлопа. Но из-за их сложности и ненадёжности их быстро заменили цифровые системы впрыска топлива

Царство цифры

Почему цифра заменила аналог? Наибольшая слабость аналога – отсутствие гибкости. При попытке придать ему гибкость сложность системы вырастает экспоненциально. Сложность ведёт к уменьшению надёжности, и инженеры начали замечать, что закон Мура делает вычисления надёжными и недорогими.

В это время технологии MEMS и микроформирования распространили датчики, получающие физические сигналы и преобразующие их в цифру. Довольно быстро операционные усилители сменились логическими вентилями, дешевеющими экспоненциально. Вместо механических связей информация передавалась по проводам, и дизайнеры довели оцифровку всего до предела.

В современном мире потребительской электроники аналог используется только для взаимодействия с людьми, захвата и производства звуков, изображений и других чувств. В больших системах аналог используется для физического поворота колёс и руля у машин, перемещающих нас в нашем аналоговом мире. Но в большинстве других систем инженеры стараются по максимуму использовать цифровые сигналы. Преимущества цифровой логики – дешевизна, скорость, надёжность, гибкость – привили инженерам аллергию на аналоговую обработку.

Однако теперь, после долгого перерыва, предсказание Карвера Мида [Carver Mead] о возвращении аналога начинает сбываться.

«Крупномасштабные адаптивные аналоговые системы более устойчивы к деградации компонентов и ошибкам, чем обычные системы, и используют меньше энергии», Мид, профессор Калтеха и пионер в микроэлектронике, написал в работе для Proceedings of the IEEE в 1990-м. «Поэтому адаптивная аналоговая технология, скорее всего, сможет реализовать полный потенциал производства кремниевых чипов».

Все любят аналог

Разработчики электроники воспринимают аналог как необходимое зло для взаимодействия с внешним миром. Но оказывается, что ИИ и алгоритмы глубокого обучения лучше работают на аналоговых и нейроморфных компьютерных платформах.

В моей компании Lux Capital мы спонсировали Nervana, строившую специализированные интегральные схемы, на которых работали свёрточные нейронные сети, для ускорения тренировок алгоритмов глубокого обучения. И хотя математические операции производились в цифровом виде, архитектура системы подражала человеческому мозгу на высоком уровне.

Вдохновлено природой

Попросите любого (даже ребёнка) сделать набросок робота, и вы, скорее всего, получите изображение, напоминающее Rosie, горничную-робота из The Jetsons, или C-3PO из Star Wars. И это неудивительно – такой вид роботов десятилетиями описывали в научно-фантастических книгах, телевидении и фильмах. В последнее время представление о роботах и их внешнем виде эволюционирует. Попросите миллениала привести пример робота, и он, возможно, назовёт Roomba, Amazon’s Echo, или даже Siri.

Существует устойчивый тренд на интеллектуализацию и роботизацию всё большего количества гаджетов и других систем, присутствующих в нашей жизни. Эти системы потребуют небольших, портативных и мало потребляющих компьютеров; они должны будут иметь возможность ответить в любой момент. Это сложный набор задач для современных систем, которые обычно потребляют приличное количество энергии (если только не находятся в режиме ожидания) и должны быть соединены с облачными сервисами для выполнения полезных функций. Тут и может помочь аналог.

Взяв вдохновение в природе, учёные экспериментируют со зрением и слухом при помощи аналоговых контуров, потребляющих малую толику энергии. Проект Стэнфорда Brains in Silicon и лаборатория IC Lab Мичиганского университета, заручившись поддержкой DARPA SyNAPSE и исследовательской лабораторией ВМС США, создают инструменты, облегчающие создание аналоговых нейроморфных систем. Появляются и малоизвестные стартапы. Вместо запуска глубоких сетей на обычных цифровых контурах, они разрабатывают аналоговые системы, способные вести схожие вычисления при гораздо меньших затратах энергии, вдохновлённые нашими аналоговыми мозгами.

Шум – не проблема

Зачем нам переходить на аналог? Всё просто: мы находимся на уникальном витке прогресса, где нейросети, которые мы пытаемся разработать, больше подходят к аналоговым системам, при том, что ожидается взрывной спрос на такие ИИ-системы.

Традиционные жёсткие алгоритмы работают, только когда вычисления точны. Если контуры, на которых работают традиционные алгоритмы, не точны, ошибки будут выходить из под контроля и распространяться по системе. У нейросетей внутреннее состояние не должно быть точным и чётким, и система адаптируется для вывода нужного результата на основе заданных входных параметров. Наши мозги – очень шумные системы, которые прекрасно работают. Инженеры узнают, что они тоже могут строить глубокие сети на кремниевых чипах, используя схожие «шумные» подходы – достигая экономии энергии в сотни раз.

Последствия этого масштабны. Представьте, что в будущем носимые устройства или ассистенты типа Amazon Echo почти не используют энергию, и даже могут добывать её из окружающей среды, и не требуют проводов питания и батарей. Или вообразите гаджет, которому не нужно быть подсоединённым к облаку, чтобы быть «умным». Его «интеллекта» хватит, чтобы работать даже без Wi-Fi и сотовой связи. И это только начало того, что, как я думаю, станет новой категорией ИИ и роботов, которая появится в недалёком будущем – и всё благодаря старому доброму аналогу.