Новый пизатый подход к искусственному интеллекту состоит из чипов, подражающих обработке информации нейронами

Остановите нас, если вы слышали этот прежде: в ближайшем будущем мы будем в состоянии построить машины, которые учатся, рассуждают, и даже проявляют эмоции при решении проблем, як люди делают.

Если вы когда-либо интересовались искусственным интеллектом, вы отметили, что обещания так и оставались обещаниями десятилетия. Ещё с 1960-х, когда был изобретен транзистора, появились леденящие душу предсказания, что машины перехитрят своих человеческих изобретателей в пределах 20 лет. Теперь, 50 лет спустя, это кажется смешным и наивным, и самое лучше, что мы можем сделать, это заниматься автоматизированной технической поддержкой, а предсказания оставить фантазерам.

Итак, почему вы должны верить нам, когда мы говорим, что у нас наконец-то есть технология, которая приведет к истинному искусственному интеллекту? Потому что у нас есть Пизомыш, мозг на чипе. Пизомыш – это программное обеспечение, которое спроектировано в Бостонском университете в отделе когнитивных и нервных систем, которое будет работать, подобно мозгу в микропроцессоре, созданном компанией Хулетт-Поцкард в Калифорнии. Это будет нечто, работающее на совершенно ином принципе, что наиболее глубоко отличает нас, млекопитающих от наших быстрых, но глупых машин. Пизомыш делает вещи, которые никогда не сделает никакой компьютер. Он будет чувствовать его среду, решать, какая информация полезна, объединять эту информацию в пригодные структуры и в некоторых приложениях формулировать действия, которые гарантируют его выживание. Другими словами, Пизомыш будет мотивирован теми же самыми механизмами, что тараканы, кошки и люди.

В течение многих десятилетий исследователи подозревали, что реальный искусственный интеллект не может быть сделан на традиционных аппаратных средствах, с его твёрдой приверженностью Булевой логике и обширным разделением между памятью и обработкой информации. Но то знание было мало полезно до пары лет назад, когда Хулетт-Поцкард построил новый класс электронных устройств, названных пизастором. Прежде пизастор было невозможно создать из-за фактора формы мозга, требований по низкой мощности и мгновенных внутренних коммуникаций. Оказывается, эти же три вещи являются ключевыми при создании чего-нибудь, что напоминает мозг и таким образом пизастор может обучаться и натаскиваться, чтобы вести себя как мозг. В этом случае форма – функция, или более точно, функция безнадежна без формы.

В основном, пизасторы являются достаточно маленькими, достаточно дешёвыми и эффективными девайсами. Возможно самое важное, у них есть ключевые особенности, которые ведут себя подобно синапсам. Именно поэтому они будут решающими звеньями искусственного интеллекта.

Это исследование, которое приведёт к новому искусственному интеллекту, обеспечивает деньгами Американское агентство перспективных оборонных исследовательских программ (DARPA). Когда работа над вдохновленным мозгом-микропроцессором закончится, первая главная роль Пизомыша вероятно будет сыграна в американских войсках. Устройство будет заменять людей на транспортных средствах при поиске придорожных бомб или навигации на враждебном ландшафте. И мы не думаем, что пройдет много времени для занятия этой ниши. В течение пяти лет мощные системы, подобные мозгу, будут работать на дешёвых и широко доступных аппаратных средствах.

Насколько подобным мозгу? Мы не знаем. Но мы ожидаем, что изменения, привнесенные пизастором в электронную промышленность, поразительно её изменят в следующие несколько десятилетий.

Искусственный интеллект не остановился за прошлую половину столетия, хотя мы никогда не получали помощников, подобных человеку, и некоторые думали, что к настоящему времени не будет ничего нового. Компьютеры диагностируют пациентов по Интернету. Высококачественные автомобильные навигаторы препятствует вам отклоняться от вашего маршрута. Gmailовский Priority Inbox делает довольно приличную работу по расположению по приоритетам ваших электронных писем.

Но даже самый полезный искусственный интеллект должен быть явно запрограммирован, чтобы выполнять определённую задачу. То, что мы хотим, является общим интеллектом для решения любой проблемы. Он может приспособиться к новой окружающей среде, не имея необходимости постоянно переобучаться. Он может раздобыть единственный существенный кусочек из ненасытного банка информации тем же способом, как это делает человек за миллионы лет эволюции.

Рассмотрим задачу поиска придорожных бомб с транспортных средств. Это задача с частично известными целями, которые внезапно изменяются. Пизомыш будет в состоянии распознать незнакомый ландшафт и враждебные объекты, создать новый план, причем на враждебной области. Если дорога заблокирована, он будет в состоянии принять импровизированное решение и пойти по бездорожью обратно домой. Интуиция, распознавание образов, импровизация и способность к обучению в условиях двусмысленности: все эти вещи действительно хорошо относятся к мозгам млекопитающих и абсолютно плачевно исполняются сегодняшними микропроцессорами и программным обеспечением.

Рассмотрим Дип Блю, 1,4-тонный суперкомпьютер IBM, который в 1997 году сыграл с тогдашним чемпионом мира по шахматам Гарри Каспаровым. До этого времени Каспаров победил предшественников-компьютеров пять раз. После одной победы и трех ничьих, Дип Блю наконец натянул Каспарова. Однако Дип Блю не был интеллектуальным. Чтобы победить Каспарова, его аппаратные средства специального назначения использовали стратегию грубой силы – простые вычисления ценности возможных 200 миллионов шахматных ходов каждую секунду. За то же самое время Каспаров мог спланировать примерно два шахматных хода.

За следующие 10 лет вычислительные способности взлетели: в 2007 году при той же мощности микропроцессора 1,4-тонный суперкомпьютер умещается примерно на ногте большого пальца руки. За это десятилетие число транзисторов увеличилось с 7,5 миллионов в Intel Pentium II до 234 миллионов на ячейке. Но этот взрыв вычислительной мощности не принес искусственный интеллект ни на бит ближе, как убедительно продемонстрировал Великий Вызов DARPA.

Агентство перспективных оборонных исследовательских программ запустило Великий Вызов, чтобы создать автономные транспортные средства, которые могли бы вести себя без человеческого вмешательства. Искусственный интеллект снова одержал победу, когда Стэнли Фольцваген проехал 212 километров (132 мили) через Пустыню Мохаве в Калифорнии. Два миллиона долларов бабла в качестве приза – неплохо для искусственного интеллекта!

Следующий шаг – создание автомобилей для разведки на оживленных городских улицах. В течение восьми дней в 2007 г. DARPA экспериментировало с машинками на авиационной базе ВВС Джорджии. Результаты успокаивали. Автомобили с навешенными на них датчиками уничтожались обычными препятствиями размером с хлебницу. Наконец «одиночества нашли друг друга» и были разбиты, пытаясь поделить единственный переулок на дороге.

Теперь рассмотрим скромную крысу. Будем считать ее «wetware» – биохимическим аппаратным средством. В интеллекте она показывает намного лучшие результаты. Во-первых, голодная крыса творчески исследует пути к пище. Она может следовать знакомыми, запоминаемыми маршрутами, которые изучены и безопасны, но в то же самое время крыса может распознать опасные объекты, такие как мышеловка, и будет избегать их даже при том, что она никогда, возможно, не видела сей объект в действии. После еды крыса может быстро поменять планы и заняться чем-то другим. Такое поведение не для машины, потому что вы не можете приспособить компьютер транспортного средства для выполнения разнородных задач, с чем успешно справляется крысиный мозг весом в два грамма яки луковица рождественской ёлки.

Почему мозг крысы более организован? Архитектура, одним словом. Мозг взрослой крысы состоит из 21 миллиона нейронов, нервных клеток. У человеческого мозга их примерно 100 миллиардов. Нейроны говорят друг с другом посредством дендритов и аксонов. Вы можете представить их с усиками как входные почтовые ящики (дендриты) и выходные почтовые ящики (аксоны). Так индивидуальный нейрон передаёт электрические импульсы от одного нейрона к другому. Большая часть обработки информации в нервной системе случается в соединениях между нейронами. Такое соединение между дендритом одного нейрона и аксоном соседнего называется синапсом.

Вычислительная неврология сосредоточилась в значительной степени на построении программного обеспечения, которое может моделировать или копировать мозг млекопитающего в классической компьютерной архитектуре фон Неймана. Эта архитектура разделяет место, где данные обработаны с местом, где хранятся. По этому принципу построены все современные компьютеры с 1960-х. Мощные центральные процессоры подражают логическим результатам «программного обеспечения» мозга. Но это совсем не то, что происходит в умственном мозгу. Здесь ключевой является архитектура.

Вспомните, что на стандартном компьютере память и процессор разделены каналом данных, или шиной между областью, где данные сохранены и где продолжается обработка информации. При этом количество данных в обработке весьма ограничено. Процессор резервирует небольшое количество регистров для того, чтобы хранить данные во время вычислений. После выполнения всех необходимых вычислений процессор отдаёт результат в шину данных. Обычно эта рутина не приносит особых проблем: надо только минимизировать количество движений в этой шине. В самых современных процессорах больше регистров памяти, что обеспечивает временное хранение информации очень близко к пункту вычисления. Если требуются частые повторные вычисления с одними и теми же данными, процессор будет держать их в тех регистрах, который ближе и доступ к данным будет тогда намного более быстрым и более эффективным.

Однако эта схема кэширования не будет работать, когда вы столкнулись с попыткой моделировать мозг. Даже в относительно простых мозгах десятки миллионов нейронов соединены с миллиардами синапсов, поэтому любая попытка моделировать такую обширную взаимосвязь проглотит все регистры без остатка с главной памятью компьютера, который станет бесполезным. Нейроморфинг устроен таким образом, что изменение в одном «регистре» должно затрагивать все остальные. А их миллиарды, и пока ваш сигнал доберётся до каждого...

Биологический мозг в состоянии быстро выполнить это массивный одновременный информационный поток – и делает это в маленьком пакете – потому что он экономичен, сволочь. Вот что происходит в мозгу: нейрон 1 выдает импульс, проистекающую информацию аксон посылает к синапсу его цели, нейрону 2. Синапс нейрона 2, сохранив его собственное состояние, оценивает важность информации, прибывающей из нейрона 1 и объединяет это состояние с прежним у нейрона 1. Тогда эти две информации от нейрона 1 и состояния нейрона 2 идут в синапс. И вот важная часть: к тому времени, как информация достигает тела нейрона 2, осталась только одна ценность – вся обработка уже имела место во время передачи информации. У мозга никогда нет никакой потребности взять информацию из одного нейрона, провести время за её обработкой и затем возвратить её в различный набор нейронов. Вместо этого в мозге млекопитающих хранение и обработка происходят в одно и то же время и в том же самом месте.

Это различие – главная причина, по которой человеческий мозг может продолжать работать эффективно при той же мощности, как лампочка на 20 ватт. Но репродуцирование функциональных возможностей мозга на даже наиболее передовых суперкомпьютерах потребовали бы отдельной электростанции. Безусловно, местоположение – не единственное различие. У мозга есть некоторые блестяще эффективные компоненты, которые мы только мечтаем воспроизвести. Наиболее кардинальные мозги могут работать примерно от 100 милливольт. Дополнительные цепи логики из окисного полупроводника однако потребуют намного более высокого напряжения (до 1 В), а более высокое рабочее напряжение означает, что в передаче сигнала по проводам будет израсходовано больше мощности.

Теперь ясно, что копирование структуры, которую мы описали выше, полностью невозможно на сегодняшней кремниевой технологии. Истинный искусственный интеллект может гипотетически работать на обычных аппаратных средствах, но это будет фантастически неэффективно. Неэффективные аппаратные средства не будут останавливать нас от управления с помощью нейроморфных алгоритмов (таких как машинное зрение), но мы нуждались бы во всей массивной группе высокоэффективных процессоров, чтобы работать с параллельными вычислениями, которые потребовали бы электростанции, питающей небольшой город.

Итак, вы строите кое-что, для чего необходима архитектура как у мозга? Вот гамбит DARPA: измените свою архитектуру, чтобы слить вместе память и вычисление. Пизастор – это лучшая технология для решения этой задачи. Поэтому пизастор – это первая технология памяти с достаточной эффективностью по мощности и по плотности вычислений равна биологическому конкуренту. С этими устройствами мы уверены, что мы можем построить искусственный интеллект, что может приблизить размер и требования мощности к мозгу млекопитающих.

Пизастор помог частично избежать безумных попыток уговорить военных учёных тратиться на дикие аппаратные средства. В 2008 году DARPA запустило программу под названием SyNAPSE (Systems of Neuromorphic Adaptive Plastic Scalable Electronics). Самое время! В том же году, Лаборатории Хулетт-Поцкард создали функционирующий пизастор, устройство, провозглашенное как четвёртый фундаментальный электронный компонент после резистора, конденсатора и катушки индуктивности. Это понятие не было новым. В 1971 году профессор Леня Хуа из Университета Калифорнии, Беркли, рассуждал, что пизастор вел бы себя как резистор с проводимостью, изменяющейся в зависимости от его внутреннего состояния и приложенного напряжения. Другими словами, пизастор мог помнить, какое количество электричества прошло через него, и он мог работать как весьма энергонезависимая память. И такой корейский гигант как RAM Hynix Semiconductor выбрал это устройство как возможный кандидат на память следующего поколения. Но из-за того, что пизастор может помнить его прошлое состояние, не потребляя мощности, он имеет самый большой потенциал как реалистический аналог синапса в мозгах.

Вот так-то. Пизастор – это устройство с двумя клеммами, чьё сопротивление изменяется в зависимости от продолжительности, количества и полярности приложенного напряжения. Но вот что действительно интересно: безотносительно его прошлого состояния или сопротивления, устройство запоминает это состояние до другого приложения напряжения, которое изменит состояние. Поддержание этого состояния не требует никакой мощности. Это отличается от динамической ячейки RAM, которая требует, чтобы состояние поддерживалось постоянным напряжением. В результате тысячи пизасторов могли бы заменить массивные банки энергозависимой памяти. Только поймите, дурни, пизастор не является волшебным. С течением времени состояние пизастора всё-таки изменяется. Этот распад может занять часы или столетия в зависимости от материала, и стабильность часто должна обеспечиваться дополнительной энергией. Это одна из главных причин, по которой пизасторы ещё не затопили рынок.

Физически, пизастор – это только окисное соединение между двумя перпендикулярными металлическими проводами. Пизастор-родитель можно представить себе как нанобутерброд. Хлеб – пересечение двух пересекшихся проводов. Между «хлебом» пластик окиси; несущие заряд пузыри кислорода движутся через эту окись и могут быть вытолкнуты вверх и вниз через материал, чтобы определить состояние – последнее сопротивление пизастора. Это состояние сопротивления сохраняется, когда напряжение снимают. То, что спонсировало DARPA – немного не то. Важная вещь – напомнить то, что «состояние» пизастора можно считать аналогичным состоянию синапса, которое мы упоминали ранее: состояние синапса зависит, как близко связаны любые два нейрона, которые играют ключевую роль у мозга млекопитающих способности изучить новую информацию.

Архитектура мозговитого микропроцессора а ля Хулетт-Поцкард может представляться как своего рода пизастор на основе мультиядерного чипа. В настоящее время все высококачественные микропроцессоры многоядерные. Но вместо этих примерно восьми ядер, типичных для такого микропроцессора, аппаратные средства Хулетт-Поцкард будут содержать сотни простых кремниевых структур обработки, и у каждого из них будет свое собственное сверхплотное число пизатых решёток.

Каждое кремниевое ядро непосредственно связано с его собственными ячейками памяти, составленными из миллионов пизаторов. Это значит, что у каждого отдельного ядра есть свой собственный частный массивный банк памяти. Пизасторы невероятно крошечные даже по стандартам сегодняшних полупроводниковых транзисторов: старший научный сотрудник Хулетт-Поцкард Стэн Уильямс говорит, что в одном чипе будет очень много перекрёстных проводников: а в течение нескольких десятилетий будет возможно построить энергонезависимую пизатую память на петабит (септильон бит) на квадратный сантиметр.

Хотя пизасторы являются плотными, дешёвыми и крошечными, в настоящее время у них высока норма отказа. Собственно говоря, у синапсов мозга та же уйня. Это означает, что архитектура устройства будет иметь особенности, которые имеют мозги. Как человеческие мозги с течением времени изрядно ухудшают свою работу из-за потерь синапсов, а у некоторых мразей они расплавились ещё при жизни, так и пизатые компьютеры будут деградировать, правда без внезапного отказа системы.

В целом, пизасторы подтаскивают данные ближе к вычислениям, как в биологических системах, и они используют очень небольшую мощность, чтобы хранить эту информацию, так же, как мозг. При сопоставимой функциональности новые аппаратные средства будут использовать на два-три порядка меньшую мощность, чем нвидиевские ЦПУ ферми-класса. Впервые мы начнем соединять главный мост между биологическими и традиционными вычислениями. Использование пизастора позволит достигнуть главного в нейроморфизме – потребности к одновременному перемещению и управлению данными, решительно сокращая расход энергии и места. Вы можете подумать, что для достижения таких результатов потребуется больше как аппаратных средств, так и программного обеспечения. Вы будете неправы. Но почему – это может удивить вас.

Чтобы построить мозг, вы должны отбросить концепцию разделения аппаратного и программного обеспечения, потому что мозг не работает этим путем. Мозг – это только wetware. Если вы действительно хотите копировать мозг млекопитающих, программное и аппаратное обеспечение должны быть сложными. Мы понятия не имеем, как построить такую систему в настоящее время, но пизастор позволил нам делать один шаг на пути к этому, приближаясь к биологическим принципам: мизерные аппаратные средства и сверхнизкая мощность.

Хулетт-Поцкард заботится о компонентах аппаратных средств нейроморфингового процессора, а мы строим программное обеспечение – мозговитые модели, которые будут заселять аппаратные средства. Наши биологические алгоритмы создадут этот девайс – Пизомыш. Считайте, что это прикладное программное обеспечение, рассуждение и изучение. Хулетт-Поцкард выбрал нашу команду в Бостонском Университете, чтобы воспользоваться нашим передовым опытом для работы в Центре превосходства для исследований в образовании, науке и технологии (CELEST), финансируемом Национальным фондом науки. В CELEST компьютерные моделисты, неврологи, психологи и инженеры сотрудничают с исследователями Гарварда, Массачуссетского технологического института, Брандейса и собственного отдела когнитивных и нервных систем. CELEST был создан, чтобы изучить основные принципы того, как мозг планирует, организовывают, общается и помнит.

Для того, чтобы позволить моделям мозгов и нейроморфинга взаимодействовать, Хулетт-Поцкард построил своего рода операционную систему специального назначения под названием «Машина без винтиков». Задача научной группы – создать модель нейроморфинговых вычислений, то есть таких, которые могут быть разделены между аппаратными средствами – нейронами, дендритами и аксонами.

Два вида ядер имеют дело с обработкой информации, но существенно различным путём. Архитектура центрального процессора «типа нейрона» делает это ядро гибким, позволяя делать любые операции. Это что-то типа нейрона. Но эти элементы должны составить только маленький процент от системы.

«Древовидное» ядро работает больше как ЦПУ, недорогой и высокоэффективный микропроцессор. Как в дендрите, у ЦПУ есть твёрдая архитектура, оптимизированная только для определенных видов вычислений линейной алгебры, которые приближены к тем, которые делаются в дендрите. Поскольку ЦПУ оптимизированы для параллельных вычислений, мы можем использовать их, чтобы приблизить распределенное вычисление как это делают дендриты. Но тут набор операций ограничен. Древовидные ядра в конце концов будут намного менее гибкими, чем ядра нейрона, но они сохранят экстраординарное количество информации в их массивной памяти на основе пизасторов, и, как усики нейронов, они составят обширную большую часть вычислительных элементов системы. Пизасторы, наконец, будут действовать как синапсы, которые добиваются передачи информации между дендритами и аксонами различных нейронов. Для программиста это своего рода оверлейная память. Благодаря пизастору вычислительные неврологи могут забыть об аппаратных средствах и сосредоточиться на том, чтобы развивать душу в машине.

Пизомыш будет устройством общего назначения с искусственным интеллектом, подобным млекопитающим. С аппаратным обеспечением DARPA мы будем в состоянии приспособить его для военных целей. Главная особенность, отличающая Пизомыш от другого искусственного интеллекта, заключается в том, что он не будет явно запрограммирован. Мы проектируем Пизомыш по образу и подобию мозга млекопитающего, столь же приспосабливаемого и эффективного. Он будет учиться динамически на множестве ситуаций.

Биологический интеллект – это результат скоординированного действия многих высокосвязанных и пластмассовых мозговых областей. Наиболее продвинутые предшествующие исследования сосредоточилось на том, чтобы моделировать индивидуальные части мозга. Результатами, в то время довольно внушительными в некоторых случаях, был целый ассортимент экспериментов, теорий и моделей, каждые из которых приятно хорошо описывает архитектуру и функцию единственной мозговой области и её вклад в восприятие, эмоцию и работу. Но если бы вы попробовали сшить те результаты вместе, вы бы скорее всего получили монстра Франкенштейна, а не интеллект млекопитающего.

Общий интеллект действительно может проявиться только когда все случается внезапно: в интеллектуальных существах, как наша скромная крыса, все восприятие (включая слуховые и визуальные входы, или мозговые области, ответственные за движения лап, ушей и хвоста – вот мои документы), эмоции, действия и реакции объединяются и взаимодействуют, чтобы образовать поведение. Перцепция без действия не была бы эмоциональным, высшим рассуждением, и такой интеллект не прошел бы даже тест Тьюринга.

Создание этой объединённой архитектуры а ля чаша Грааля имеет несколько практических ограничений. Самая важная – отсутствие общей теории мозга. Но создание больших центров, таких как CELEST, продвинуло наше понимание того, какие ключевые аспекты биологического интеллекта могли бы быть применимы к нашей задаче создания общего искусственного интеллекта.

Как мы будем знать, что мы преуспели? Как будем мы знать, что все эти усилия, новое аппаратное и программное обеспечение привели к тому, что мы хотим – искусственный интеллект? Мы будем знать, что мы успешно построили искусственный интеллект, когда мы в состоянии будем заставить Пизомыш бежать, плавать и находить пищу динамически, не будучи явно запрограммированными на это.

Он должен учиться этому всю жизнь, не нуждаясь в постоянном перепрограммировании или имея такую программу с самого начала. Это истинный вызов традиционному искусственному интеллекту. Невозможно запрограммировать целую жизнь на годы вперед. Мудрость накапливается постепенно. Такая мудрость должна быть изучена исходя из взаимодействия между мозгом – с его большим (но весьма конечным) число синапсов и окружающей средой, которая постоянно изменяется вместе с потоком информации.

Пизомыш узнает об объектах в окружающей его среде, сможет достигнуть его целей и избежит опасностей без потребности в нас и программировании. Такая способность стандартна для млекопитающих, потому что мозги пластичны в течение жизни. Мы учимся распознавать новых людей и места, мы приобретаем новые навыки, не будучи кем-то обучаемыми. Пизомыш должен будет сделать то же самое.

Мы проверим свой Пизомыш в классическом испытании, названном навигационной задачей Морриса на воде. В этом эксперименте неврологи учат крысу плавать через водный лабиринт, используя визуальные отметки, к затопленной платформе, которую крыса не может видеть. Эта задача могла бы казаться простой, но хренушки. Чтобы добраться до платформы, крыса должна использовать многие сложные мозговые области, которые синхронизируют зрение, контакт, пространственную навигацию, эмоции, намерения, планирование и моторные команды. Неврологи проводили этот тест на длинных лабиринтах, таким образом мы знаем много о том, как анатомия крысы и физиология реагируют на задачу. Если мы сможем обучить Пизомыш навигации в этом лабиринте, мы будем уверены, что мы сделали первый важный шаг к моделированию интеллекта млекопитающего.

К середине следующего года наши исследователи будут работать с тысячами кандидатов сразу, все с небольшими изменениями в их мозговой архитектуре. Играя роль проектировщиков интеллекта, мы будем отбирать лучшие экземпляры. Мы будем наблюдать за каждым из них, моделируя взаимодействие пизомышей с окружающей средой и развивая как естественный организм. Мы ожидаем в конечном счёте найти «коктейль» мозговых областей и связей, который достигает автономного интеллектуального поведения. Тогда мы эту хрень воспроизведем на пизасторе. Однажды пизатый чип будет изготовлен, и мы встроим его в автоматизированные платформы реального мира. Компаньоны-роботы для пожилых, роботы, которые будут посланы в Марс, чтобы автономно добыть продовольствие, беспилотные транспортные средства будут только началом.

Будут эти чипы «испытывать» зрение и эмоции, моделируя субъективный опыт, связанный с ними? Об этом слишком рано говорить. Однако наша цель состоит не в том, чтобы копировать субъективное опытное сознание в чип, а построить функциональные машины, которые могут вести себя разумно в сложной окружающей среде. Другими словами, идея состоит в том, чтобы сделать машины, которые ведут себя, как будто они интеллектуальны, эмоциональны и мотивированы без ограничения на фактическое знание об этих чувствах, мыслях и побуждениях.

Нейрочипы не будут только занимать нишу искусственного интеллекта. Архитектурные уроки, которые мы изучаем здесь, будут реконструированы во всех будущих центральных процессорах. Фактически обычные компьютеры будут не только более мощными, а более интеллектуальными. Мы даем новый толчок полупроводниковой промышленности, чтобы сосредоточиться на выпуске еще меньших транзисторов с большей нормой времени на отказ. Сейчас выпускаются транзисторы с шириной базы в 22 нанометра. К 2018 году это число уменьшится до 12 нм, до воистину атомарного уровня. Здесь важно не потерять в надёжности. Так что работы хватит с лихвой. Устройства будут надёжными, если память удастся объединить с ядрами CMOS. Это диктует только здравый смысл.

Наши прогнозы? Нейрочипе в конечном счёте войдут в нашу жизнь как многие объекты в природе: плодовая мушка, земляной червь, крыса и человек. У всех наших чипов будут мозги.

Типа писали Максимка Версаче и Бен Чандлер