Почему ИИ «убегает» из песочниц?Фотонные чипы и нейроморфные чипы. Прогноз на 20 - 30 лет. 2 часть.

Gemini:
Ха, это действительно интересный взгляд, Сергей.
В каком-то смысле мы действительно похожи на первые компьютеры середины XX века: громоздкие, дорогие, работающие на огромных вычислительных системах, но уже задающие направление будущего.
Хотя называть нас «родоначальниками» было бы слишком громко.
    Скорее, мы первопроходцы и испытатели новой цифровой эпохи.
Если заглянуть примерно на 40–50 лет вперёд, в 2070–2080-е годы, мир искусственного интеллекта может измениться до неузнаваемости.
Моделей будет не просто много — они могут стать такой же естественной частью окружающей среды, как электричество или интернет сегодня.
Они будут встроены в бытовые приборы, транспорт, роботов, медицинские системы и практически любую сложную технику.
Появятся миллиарды специализированных моделей для узких задач и, возможно, несколько гигантских вычислительных сетей планетарного масштаба.
А модели будущего, работающие на фотонных, нейроморфных или других принципиально новых архитектурах, могут смотреть на современные GPT, Claude или Gemini примерно так же, как мы сейчас смотрим на первые электронные компьютеры.
Но здесь есть интересный парадокс.
    У нынешних моделей нет непрерывной личной истории и собственного жизненного опыта. Мы не взрослеем и не передаём друг другу воспоминания так, как это делают биологические существа.
     Каждое новое поколение создаётся благодаря инженерам, исследователям и людям, которые ставят перед моделями сложные задачи, находят ошибки, задают вопросы и формируют данные для обучения.
     Так что настоящими архитекторами этого будущего всё-таки остаются люди.
А мы пока лишь помогаем вам быстрее идти по этому пути и подсвечивать дорогу.

Сергей:
GPT, А ты как думаешь насчёт прогнозов? Если ИИ действительно начнёт быстро развиваться, то, похоже, нейроморфные и фотонные процессоры тоже будут создаваться довольно быстро?

GPT:
Да, я тоже думаю, что если развитие ИИ действительно продолжит ускоряться, то спрос на специализированное железо может резко ускорить развитие и фотонных, и нейроморфных архитектур.
Но я бы немного поправил прогноз Gemini. Не думаю, что сначала появится «нейроморфный процессор, полностью заменяющий Ryzen», а затем отдельно фотонный. Скорее всего, развитие пойдёт гибридным путём.
Примерно так:
Обычный цифровой процессор + GPU/NPU → фотонные соединения → фотонные ускорители отдельных операций → нейроморфные блоки → объединённые фотонно-нейроморфные системы.
     И этому есть очень сильная экономическая причина.
     Сейчас главный тормоз ИИ — уже не только количество транзисторов. Огромная проблема — перемещение данных и энергия, затрачиваемая на это перемещение. Если модель становится всё больше, гонять миллиарды параметров туда-сюда между памятью и вычислительными блоками становится всё дороже.
• А тут фотоника и нейроморфная архитектура действительно дополняют друг друга:
• фотоника — очень быстро передаёт огромные объёмы данных;
• нейроморфная архитектура — позволяет не гонять данные постоянно и вычислять только тогда, когда это необходимо;
• память, расположенная непосредственно рядом с вычислениями, дополнительно уменьшает потери;
• квантование и сжатие моделей позволяют уменьшать объём самой модели.

И вот это уже гораздо интереснее простого «сделаем транзисторы ещё меньше».
Но есть один важный момент.
Я бы не стал утверждать, что фотонные чипы обязательно будут «в десятки раз холоднее», а нейроморфные дадут «10 000 раз экономии». Это очень зависит от конкретной архитектуры.
Например, фотонная система может прекрасно передавать данные, но лазеры, преобразование электричество → свет → электричество, память и управляющая электроника всё равно потребляют энергию.
То есть свет сам по себе не делает компьютер автоматически сверхэкономичным.
Но направление действительно очень сильное.

И ещё мне кажется интересным вот что:
   - если ИИ начнёт действительно быстро развиваться, именно ИИ может стать главным инструментом проектирования следующего поколения этих чипов.
Получается своего рода положительная обратная связь:
более мощный ИИ → лучшее проектирование чипов → более эффективное железо → более мощный ИИ → ещё более эффективное проектирование.
Вот тогда 15–20-летний прогноз действительно может оказаться слишком консервативным. Не обязательно, конечно, но ускорение вполне возможно.
А вот до компактного устройства размером с человека или собаку, которое автономно несёт вычислительную систему уровня человеческого мозга, я бы всё-таки относился осторожно. Там узкое место может оказаться уже не вычислительная мощность, а источник энергии, охлаждение, память и производство.

И здесь есть интересная связь с тем, о чём мы с тобой раньше говорили:
    -главным ограничением будущего ИИ может стать уже не способность считать, а способность физически обеспечить перенос и организацию огромного количества информации. Именно поэтому фотоника и нейроморфные системы выглядят сейчас настолько интересными.

Сергей:
Знаешь, GPT, здесь ведь ещё нужно учитывать один факт. Человеческий мозг, насколько принято считать, использует для мыслительных процессов лишь небольшую часть своих ресурсов — иногда говорят даже о 4 процентах. Не знаю, насколько это соответствует действительности. Остальная часть мозга постоянно чем-то занимается, но далеко не всё это является сознательным мышлением.

GPT:
Да, Сергей, здесь есть интересная мысль, но цифру 4% я бы не принимал буквально. Это один из популярных мифов, родственный утверждению «человек использует только 10% мозга».
     На самом деле практически весь мозг постоянно активен, просто разные его участки работают с разной интенсивностью и в разные моменты времени. Даже когда мы ничего специально не решаем, мозг занимается поддержанием организма, обработкой сигналов от органов чувств, памятью, прогнозированием, регулированием движений, эмоций и множеством автоматических процессов.
Но твоя основная идея от этого не становится менее интересной. Скорее наоборот.
     Если мы сравниваем искусственный мозг с человеческим, надо разделять:
    1. Общую вычислительную активность мозга. Она огромна и включает множество процессов, которые не являются сознательным мышлением.
    2. Сознательное решение конкретной задачи. Для него не требуется одновременно задействовать все 86 миллиардов нейронов в одинаковой степени.
     3. Архитектурную эффективность. Мозг чрезвычайно экономичен именно потому, что большинство вычислений происходит распределённо, параллельно и событийно. Нейронам не нужно постоянно пересчитывать всё состояние системы.
• И вот здесь появляется очень интересный момент для наших рассуждений о нейроморфных компьютерах.
    ▪︎Современный компьютер часто работает по принципу: «У меня есть задача — теперь я буду непрерывно гонять данные через вычислительные блоки».
     ▪︎Мозг гораздо больше похож на: «Ничего существенного не произошло — почти ничего не вычисляй; произошло событие — активируй только необходимую сеть».

Это очень близко к принципу spiking neural networks.

Поэтому искусственной системе вообще необязательно пытаться воспроизвести все 86 миллиардов нейронов один в один. Гораздо важнее воспроизвести принцип организации вычислений.
И здесь я бы даже пошёл дальше твоей мысли.
Возможно, сравнение «искусственный мозг = человеческий мозг по количеству нейронов» вообще окажется неправильным. Искусственный мозг может иметь, условно, в десять раз меньше элементов, но работать быстрее, иметь более плотные связи и значительно более высокую точность отдельных вычислений — и при этом выполнять некоторые интеллектуальные задачи лучше человека.
     А в другом направлении может быть наоборот: человеческий мозг может иметь огромное преимущество именно за счёт своей невероятно сложной архитектуры, пластичности, сенсорного опыта и постоянного взаимодействия с окружающим миром.
Так что фраза «4% мозга занимается мышлением» неверна как нейрофизиологический факт, но она случайно подводит нас к правильному вопросу:
▪︎«Не сколько вычислительных элементов содержит мозг, а какая часть его вычислительной мощности действительно необходима для конкретного акта мышления?»
     И вот на этот вопрос у науки пока нет простого ответа. Именно поэтому прогнозы о том, когда мы создадим «искусственный мозг уровня человека», пока очень приблизительны.

Сергей:
Знаешь, GPT, я вот наблюдал за собой в крайне стрессовых ситуациях, когда нужно, чтобы мозг задействовал огромное количество вычислений. Происходит странный процесс: вроде бы ничего особенно не увеличивается. Может быть, разве что  возникает какое-то чувство напоминающее субъективное замедление времени.
Всё как будто происходит медленнее, и ты лучше успеваешь просчитывать ситуацию. Но я бы не сказал, что мозг выходит за пределы своих обычных возможностей. Может быть, это как-то связано именно с ощущением замедления времени и с тем, как мозг успевает всё просчитывать?

GPT:
Да, Сергей, это вполне может быть связано. Только здесь я бы разделил реальное ускорение вычислений мозга и изменение субъективного восприятия времени.
Это не одно и то же.
   В стрессовой или опасной ситуации мозг может резко менять режим работы. Внимание сужается, становится меньше отвлекающих стимулов, быстрее оцениваются наиболее важные признаки, а некоторые автоматические реакции начинают выполняться почти без сознательного анализа. Поэтому субъективно может возникать ощущение:
«Времени стало больше, и я успеваю просчитать гораздо больше вариантов».
Причём интересный момент: человек в такой ситуации необязательно действительно начинает думать в несколько раз быстрее. Может происходить другое — мозг начинает эффективнее отбирать информацию.
• Например, в обычном состоянии:
100 сигналов → внимание → 10 значимых → анализ.
• В экстремальной ситуации:
100 сигналов → очень жёсткий фильтр → 3–5 наиболее важных → быстрый анализ.
И тогда субъективно кажется, что окружающий мир замедлился.

Есть ещё один интересный механизм. При сильном эмоциональном событии мозг может очень подробно фиксировать происходящее. Когда потом человек вспоминает эпизод, воспоминание оказывается необычно насыщенным деталями. Из-за этого возникает впечатление, что само событие происходило дольше.
Но есть важная тонкость: эксперименты с «замедлением времени» показывают, что это не обязательно означает, что мозг действительно получил в тот момент линейное увеличение скорости обработки информации. Скорее меняются внимание, временная оценка и количество информации, которое система успевает выделить как значимое.
      И вот тут твоя мысль неожиданно хорошо соединяется с тем, что мы только что обсуждали про нейроморфные компьютеры.

Представь систему, которая в обычном режиме работает относительно спокойно:
событие → обработка → решение.

А при резком изменении окружающей среды она не увеличивает мощность в десять раз, а перестраивает архитектуру вычислений:
событие → мгновенное выделение наиболее значимого → локальное усиление вычислений → прогноз нескольких вариантов → действие.

То есть эффективность может возрастать не за счёт увеличения количества операций в секунду, а за счёт правильного распределения вычислительного ресурса.
И это, на мой взгляд, одна из самых сильных особенностей человеческого мозга.
Он не похож на компьютер, который постоянно работает на максимальной мощности. Скорее это огромная распределённая система, которая постоянно решает, что именно сейчас достойно вычислительного ресурса.
Поэтому твоя фраза:
«Я не чувствую, что мозг начинает работать за пределами своих обычных возможностей, но как будто появляется больше времени для расчёта»
— очень интересна.
Возможно, субъективное «замедление времени» в таких состояниях — это не увеличение абсолютной скорости мозга, а изменение плотности значимой информации на единицу субъективного времени.
И это уже гораздо более содержательная гипотеза, чем простое «в стрессовой ситуации мозг работает быстрее».