Специалист рассказал о различиях между мозгом человека и ИИ
Современные системы искусственного интеллекта (ИИ) требуют значительно больше энергии по сравнению с человеческим мозгом, так как применяют совершенно другой метод обработки информации. Об этом в интервью «Известиям» сообщил кандидат технических наук, доцент факультета программной инженерии и компьютерной техники, а также руководитель магистерской программы «Проектирование и разработка систем ИИ» Университета ИТМО Александр Кугаевских. Об этом пишет сайт Известия.
По словам эксперта, человеческий мозг использует около 20 Вт энергии благодаря тому, что память и вычисления в нем интегрированы. В отличие от этого, современные компьютеры расходуют значительную часть энергии на передачу данных между памятью и процессором.
«В мозге память и вычисления объединены. Синапсы одновременно хранят информацию и участвуют в передаче сигналов. Это исключает потери энергии на транспортировку данных, которые в современных компьютерах могут достигать до 80% от общего энергопотребления системы», — отметил Кугаевских.
Также специалист подчеркнул, что работа биологических нейронов сильно отличается от алгоритмов, используемых в искусственном интеллекте. Нейроны активируются только по мере необходимости, в то время как графические процессоры постоянно выполняют миллиарды математических операций, даже если часть сигналов не несет полезной информации. Кроме того, мозг одновременно задействует около 86 миллиардов нейронов и примерно 100 триллионов синапсов, что обеспечивает высокую степень параллельной обработки данных при минимальных энергозатратах.
Еще одной причиной значительного энергопотребления ИИ Кугаевских назвал процесс обучения современных моделей, который требует множества итераций с использованием алгоритма обратного распространения ошибки.
«Мы можем запомнить что-то, лишь однажды взглянув на объект. Современные модели ИИ обучаются через многократные прямые и обратные проходы вычислений, что требует значительно больших энергетических затрат. Мозг использует другие механизмы обучения, такие как синаптическая пластичность, что делает этот процесс гораздо более эффективным», — пояснил эксперт.
