Согласно закону Мура вычислительная мощность процессоров кратно увеличивается каждые два года. А вот мощности, необходимые для обучения искусственного интеллекта, удваиваются каждые три-четыре месяца — с 2012 года они выросли более чем в 300 тысяч раз. В скором времени вычислительные возможности даже самых мощных компьютеров станут недостаточными для обучения ИИ, поэтому необходим поиск принципиально новых решений. Искусственный интеллект ждет своей революции. Сейчас одна нейросеть — одна задача. Более того, большие системы искусственного интеллекта слишком энергозатратны (и дорогостоящи). Если ученые не смогут решить эти проблемы, то развитие и масштабирование целых сегментов экономики окажутся под угрозой.

Чем больше в сети нейронов, тем больше электроэнергии и вычислительных мощностей требуется для ее обучения и функционирования. Например, разрабатывая GPT‑3, одну из крупнейших языковых моделей в мире, компания OpenAI потратила 4.5 миллиона долларов, большая часть этой суммы = затраты на электроэнергию. Все дело в том, как устроено современное «железо». Любой компьютер для выполнения задач использует архитектуру фон Неймана (здесь можно узнать о ней больше): в ней все данные хранятся в одном месте, а вычисления с ними происходят в другом. В исследовании Института инженеров электротехники и электроники (IEEE), посвященном вычислению данных, сказано, что затраты энергии на одну операцию перемещения данных могут в тысячу раз превышать затраты на одну операцию вычисления. Вычисляя современные нейросети на компьютерах фон Неймана издержки на операции перемещения данных оказываются слишком велики. Соответственно чем сложнее нейросеть, тем больше энергии нужно потратить, и тем дороже обойдется ее обучение.

На протяжении истории разработок в области искусственного интеллекта всегда выигрывали те подходы и алгоритмы, для которых существовала подходящая аппаратная платформа, то есть «железо». Поэтому важно рассматривать алгоритмы ИИ в совокупности с аппаратной составляющей, на которой они выполняются. Одним из очевидных направлений развития ИИ является нейроморфность, то есть использование принципов, по которым работает человеческий мозг, в вычислительных системах.

Первое: в мозге от 80 до 100 миллиардов нейронов, каждый из которых работает асинхронно; множество различных процессов происходит одновременно, кроме того связи между нейронами пластичны, что позволяет человеку быстро адаптироваться в новых условиях.
Второе: число активных нейронов в мозге относительно невелико (менее 10%), что сильно отличается от работы классических нейросетей, в которых работают все нейроны одновременно. Мозг экономнее расходует энергию, поэтому исследователи ИИ пытаются ему подражать — с помощью «разреженных вычислений», локального обучения, импульсного характера передачи информации, вычислений в памяти, аналоговых схем и других заимствованных из мозга феноменов.

Самое очевидное — интеллектуальные сенсоры. Именно благодаря им станет возможным полный автопилот в автомобиле, очень точные наблюдения сейсмологов и космологов, а также множество других вещей, которые повлияют на жизнь миллионов людей. Еще нейроморфные чипы нужны в робототехнике: именно благодаря им возможна автономная работа ИИ, которая позволяет роботам почти мгновенно реагировать на изменения в окружающей среде и принимать решения о дальнейших действиях. В перспективах нейроморфные чипы позволят создавать неограниченно большие нейронные сети, число нейронов в которых будет значительно превышать 100 миллиардов, как в мозге человека.

Для решения проблемы огромных затрат электроэнергии и длительности обучения нейросетей ученые также рассматривают вариант использования квантовых компьютеров. Это новый класс вычислительных устройств, которые благодаря использованию квантовых эффектов способны решать задачи, недоступные самым мощным «классическим» суперкомпьютерам.

Да, разработками в этой области занимаются многие глобальные IT-компании. Уже созданы квантовые симуляторы, которые продемонстрировали преимущество по отношению к классическим машинам, а также первые квантовые компьютеры. В октябре 2019 года компания Google объявила о достижении «квантового превосходства»: квантовый компьютер корпорации смог за 200 секунд выполнить расчет, на который самому мощному в мире суперкомпьютеру Summit (IBM), по различным оценкам, понадобилось бы до 10 тысяч лет.

В рамках сотрудничества с Правительством РФ, Госкорпорация «Росатом» запустила проект по созданию отечественного квантового компьютера. На это планируют потратить более 20 миллиардов рублей. Уже запустили новый научно-технологический консорциум — Национальную квантовую лабораторию. Ее возглавил Руслан Юнусов, руководитель проектного офиса по квантовым технологиям Росатома. Генеральный директор Росатома Алексей Лихачев, комментируя создание НКЛ, назвал квантовые технологии одним из главных направлений, определяющих будущее научно-технического прогресса: «Квантовые вычисления и квантовый компьютер сегодня — это поле конкуренции мировых научных школ и технологических гигантов. Идет серьезное соревнование за лидерство в этом направлении. Убежден, что Национальная квантовая лаборатория внесет существенный вклад в то, чтобы позиции нашей страны в этой сфере были высокими».