Интеллект ищут в дата-центрах, хотя он находится под черепной коробкой

Главный парадокс текущей технологической гонки состоит в том, что человечество пытается построить универсальный искусственный интеллект, почти не разобравшись в единственной системе, которая уже доказала такую способность на практике. Эта система — человеческий мозг. Компании тратят сотни миллиардов долларов на дата-центры, чипы и электроэнергию, но вложения в исследование мозга остаются несоразмерно малыми. Вопрос не в том, важен ли масштаб вычислений. Вопрос в другом: не упирается ли нынешний подход в архитектурные ограничения, которые невозможно преодолеть одним только наращиванием мощности. Если так, то самый прямой путь вперед лежит не через еще один гигантский кластер, а через более глубокое понимание того, как устроен мозг. Почему ИИ не учится как человек Самое заметное преимущество мозга — непрерывное обучение. Человек всю жизнь накапливает знания, осваивает навыки, меняет представления о мире и при этом обычно не стирает уже усвоенное. Мозг перестраивается постоянно: новые связи появляются, старые укрепляются или ослабевают. Эта пластичность и делает интеллект живым, а не застывшим. У современных моделей картина иная. Сначала идет обучение, затем следует применение. После тренировки весовые коэффициенты в значительной степени фиксируются, и система не учится на новом опыте так, как это делает человек. Существуют обходные решения — внешняя память, донастройка, работа с контекстом — но они не устраняют базовую проблему. Стоит попытаться встроить в модель новые знания напрямую, и возникает катастрофическое забывание: освоив задачу Б, она начинает хуже справляться с задачей А. Для человека такая логика нехарактерна. Изучение истории не стирает алгебру, а навык вождения не уничтожает умение плавать. Значит, мозг решает задачу обновления знаний иначе. И именно здесь нейробиология может дать искусственному интеллекту то, чего ему остро не хватает: принцип обучения без саморазрушения. Есть и важная архитектурная подсказка. В типичной глубокой модели активна почти вся сеть, тогда как в мозге в конкретный момент работает лишь малая доля нейронов. Кроме того, биологическое обучение опирается не на глобальный сигнал ошибки, а на локальные взаимодействия. Это делает мозг одновременно пластичным и устойчивым. Искусственный интеллект только подбирается к таким принципам, но пока остается далек от биологической модульности и децентрализации. Энергетическая пропасть: ИИ против мозга Еще более нагляден контраст в эффективности ресурсов. Человеческий мозг весит около 1,3 кг и потребляет примерно 20 Вт. На этом скромном энергетическом бюджете он распознает речь, строит абстракции, принимает решения, создает музыку, развивает науку и политические системы. На другом полюсе находится инфраструктура современного искусственного интеллекта. Уже строятся дата-центры мощностью свыше 1 ГВт. Это сопоставимо с энергопотреблением крупного города. Проекты Amazon, Meta, xAI, Oracle и OpenAI измеряются уже не серверами, а целыми энергетическими ландшафтами. Сэм Альтман открыто говорит о цели добавлять по 1 ГВт мощностей для дата-центров почти каждую неделю, а Илон Маск продвигает идею космических дата-центров как будущего масштабирования. Такой разрыв нельзя объяснить только тем, что машины пока «моложе» мозга. Проблема глубже: цифровые вычисления чрезвычайно расточительны. Значительная часть энергии уходит не на само вычисление, а на перемещение данных между памятью и вычислительным блоком. У мозга такой проблемы нет. Память и обработка информации там физически совмещены: нейрон одновременно участвует и в хранении, и в вычислении. К тому же мозг работает как аналоговая система, где вычисление не отделено от физического процесса. Если понять эти принципы точнее, можно получить не просто более дешевый искусственный интеллект, а совершенно новый класс вычислительных систем. Почему подлинные открытия совершает только человек Самый трудный вопрос касается не скорости и не цены вычислений, а природы нового знания. Большие языковые модели впечатляют тем, как уверенно оперируют уже накопленной человеческой информацией. Но их граница видна именно там, где требуется не комбинация известного, а подлинный прорыв. Цивилизация держится на идеях, которых раньше не существовало. Гелиоцентрическая система Николая Коперника, теория тяготения Исаака Ньютона, эволюция видов Чарльза Дарвина, структура ДНК, описанная Джеймсом Уотсоном и Фрэнсисом Криком — это не просто удачные перестановки уже опубликованных фрагментов. Это идеи, которые заставили по-новому увидеть устройство мира и задали направление для целых эпох исследований и технологий. Искусственный интеллект время от времени демонстрирует проблески настоящей новизны. Но одно дело — нестандартный ход в формализованной среде, и совсем другое — новая физика, новая биология и новая теория общества. Это не повод обесценивать достигнутое, а указание на вероятный источник следующего прорыва. Если мозг остается единственным известным источником действительно новых знаний, то изучение его механизмов —...

Также в нашем канале находится аналитика по рынкам и инструменты для трейдинга. Переходите и получайте пользу — https://t.me/+VQ284AekCtD7EbmQ