Что общего между машиной бэббиджа современным компьютером и человеческим мозгом

Обновлено: 06.07.2024

Бросьте в меня камень, если вы никогда не слышали этого сравнения: «Мозг человека — это компьютер». Эта простая метафора вызывает холивары во всем мире, сталкивает лбами интеллектуалов и, возможно, стала причиной нескольких инсультов. Одни утверждают, что человеческое мышление не может уложиться в бинарные рамки компьютерной программы. Другие — что, невзирая на свое богатство, наше мышление остается пусть превосходным, но процессором. Но и сторонники, и противники забывают о главном: спорят они не о метафоре, а о гипотезе.

Больная метафора

Чтобы аргументированно рассуждать о мозге как компьютере, для начала нужно определиться с тем, что мы называем компьютером. Давайте пойдем от противного: от того, чем компьютер не является.

Компьютер — это точно не коробочка под вашим столом, не ноутбук на ваших коленях и не смартфон в ваших руках. Микрочипы, оперативная память и кэш — это лишь элементы компьютера. Если воспринимать его как пластиковую коробку с электронной начинкой, то, конечно, вы смело можете сказать, что мозг — точно не компьютер. Ну хотя бы потому, что серое вещество после вашего выключения не может служить жестким диском, и к вашей памяти ни у кого не будет доступа. Так вот, эту ошибку восприятия компьютера как коробочки с различными функциональными элементами совершают многие противники нашей метафоры.

Так в чем же их ошибка? Дело в том, что сравнение мозга с компьютером — это не про технологии совсем. Сравнение берет начало из формального определения компьютера, которое впервые дал в 1936 году Алан Тьюринг . Для справки: в 1945 году Джон фон Нейман разработал архитектуру современного компьютера. А сами современные компьютеры появились только в 50-х годах прошлого века.

Историки до сих пор спорят о том, что же можно считать первым компьютером. Но сходятся они в одном: до 1936-го компьютеров не было. Размышления Тьюринга по большому счету касались не вычислительных систем, а человека: он изучал способности к решению задач, к вычислениям, к построению логической последовательности. Компьютеру было дано формальное определение еще до того, как он появился.

Даже не вспоминайте машины Бэббиджа. Его разностная машина была только феноменальным калькулятором, а аналитическую машину ему так и не удалось построить. Кроме того, обе они были механическими. Хотя да, разработки Бэббиджа помогли сформировать идею электронных вычислительных машин.

А что, если мы перевернем метафору и скажем, что компьютер работает как мозг? Вернемся к фон Нейману. Этот ученый, разрабатывая архитектуру компьютера, опирался на гипотетическую модель функционирования мозга Маккаллока и Питтса. Эти два ученых предполагали, что нейроны мозга могут либо посылать электрический «разряд», либо не посылать.

Иными словами, в их понимании нейрон зашифровывает информацию бинарным кодом: либо 1 («посылать»), либо 0 («не посылать»).

Это умозаключение позволяло предполагать, что группы нейронов действовали согласно формальной логике, что очень полезно для различного рода вычислений. Фон Нейман был прекрасно знаком с Маккаллоком, читал его работы и смог использовать его идею бинарной логики для создания компьютерной архитектуры.

Так что можно сказать, что компьютерные науки опираются на науку о мозге. Что, кстати, вовсе не означает, что мозг и компьютер работают схожим образом. Фон Нейману просто приглянулась простая аналогия работы нейронов, но по факту она не учитывает базовые принципы их функционирования.

К примеру, на самом деле нейроны посылают сигналы постоянно, а не с перерывами, а значит, о бинарной логике речи быть не может.

И фон Нейман честно говорит о том, что компьютер работает не так, как мозг).

Здоровая метафора

Ну так что же мы имеем в виду, когда называем мозг компьютером? Что означает компьютер в этой метафоре? Ответ примерно такой: мы имеем в виду машину, выполняющую алгоритм, то есть универсальную машину Тьюринга .

Итак, согласно этому определению, нам нужно несколько ключевых компонентов.

Вводные данные, записанные в виде символов.
Место для введения этих данных (по мнению Тьюринга, это должен быть огромный рулон бумаги).
Набор инструкций (алгоритм) для перевода вводных данных в выходные данные.

Самое главное здесь, конечно, алгоритм — набор конкретных действий: они должны быть дискретными, то есть обособленными, например «делай А, затем Б, затем С». Действий может быть сколько угодно. К тому же их можно организовывать в цикл, например:

Врезаться со всей дури в стену.
Потереть голову.
Повторить шаг (1).

Можно создавать действиям условия, но они всё равно останутся дискретными:

(1) если ГОЛОДЕН

(1b) купить шаверму

(2) если ХОЧУ ПИТЬ

(2b) купить воды

(3) иначе

(3b) «Покиньте магазин, молодой человек, вы задерживаете покупателей»

Алгоритмичен ли наш мозг?

Вот мы и докопались до сути вопроса: мозг не работает дискретными шагами . Мозг — это система динамических непрекращающихся процессов. Белковые молекулы внутри нейрона постоянно гоняют туда-сюда ионы калия и натрия, а сам нейрон работает как заряженный конденсатор.

Ничего пошагового в таких процессах нет: электрические разряды и передача сигналов возникают не в отдельный момент времени.

Передача сигналов от нейрона к нейрону определяет, как мы ходим, видим, говорим, думаем, планируем, действуем. И если это происходит не алгоритмично, значит, мозг точно не компьютер, так ведь?

Не так быстро, друзья. Конечно, во многих аспектах мозг работает не как машина Тьюринга: у него нет бесконечного рулона бумаги и неограниченного времени для вычислений. Ну так и у электронного компьютера тоже нет. Даже пока вы ждете загрузки системных обновлений.

Но гипотеза, что мозг работает подобно компьютеру, ставит перед нами интересные вопросы. Например, может ли передача сигнала между нейронами быть в чем-то схожа с алгоритмом? Или можно ли описать процессы в мозге с помощью алгоритма?

Если работа мозга приближена к алгоритмической, мы можем использовать знания компьютерных наук для его изучения. Если же нет, нам необходимо искать новые подходы, не связанные с вычислительными алгоритмами.

Да, наша голова работает по алгоритмам

Есть только два способа проверить версию об алгоритмичности нашего мозга. Первый: мы предполагаем, по какому алгоритму действуют животные, а потом проверяем, соответствует ли активность нейронов предложенному алгоритму. Второй: мы измеряем активность нейронов во время поведенческого действия, а затем смотрим, какой алгоритм может соответствовать этому действию.

Наука пробовала и тот, и другой подход. Давайте начнем с того, который сперва изучает поведение. Мы уже достаточно много знаем о поведении животных (к миру которых и сами принадлежим).

Существует тонна экспериментов, в которых мы просим субъекта сделать выбор между двумя предметами.

Один из самых популярных выглядит так: мы показываем людям набор хаотично двигающихся точек, однако среди этих точек есть несколько таких, которые передвигаются в одном и том же направлении (влево или вправо). Далее мы просим участников эксперимента найти эти точки и сказать, в каком направлении они двигаются. Участник смотрит на экран, наблюдает за точками, а потом выдает ответ.

Небольшие изменения условий в таких заданиях позволяет выявить уникальные модели поведенческих реакций и возникновения ошибок. К примеру, количество ошибок возрастает обратно пропорционально количеству точек, двигающихся в одном направлении: чем меньше точек, тем больше ошибок. Это очень простая математическая модель, в которой для решения задания нужно, во-первых, определить наличие одинакового направления, а затем определить само направление (где одно направление противоречит другому). Это типичный алгоритм принятия решений.

Ну что ж, раз мы пришли к алгоритму, влияющему на поведение, самое время определить, что же происходит в мозге во время принятия решения.

В мозге обезьян, принимающих решения, можно увидеть несколько видов активности: нарастание активности, связанной с верным выбором, и спад активности, связанной с неверным.

В научно-исследовательской лаборатории Майкла Шадлена показали, что каждый скачок активности точно соответствует шагам алгоритма принятия решений, то есть активность нейронов повторяет алгоритм , с которым мы столкнулись при наблюдении за поведением.

Есть и примеры экспериментов, которые идут от обратного: сначала изучение нейронной активности, а затем — подбор алгоритма, который ей соответствует. Самый известный — дофаминовая теория получения вознаграждения . Автор теории, профессор Вольфрам Шульц, продемонстрировал, как вырабатывается дофамин в ответ на поощрение. Ученый зарегистрировал несколько потрясающих наблюдений.

Например, дофаминовая активность была замечена только при неожиданной награде. Как только нейроны «понимали», при каких условиях выдается награда, выброса дофамина не следовало.

На основе экспериментальных данных Шульца две независимые группы ученых (Рид Монтаг и Петер Даян и Джим Хук и Анди Барто) предположили, что нейроны при выработке дофамина используют алгоритмы теории обучения с подкреплением.

Алгоритмы этой теории работают так: есть несколько вариантов действий. Решение принимается на основе предполагаемых последствий от выбора того или иного действия. После принятия решения вычисляется разница между предполагаемыми последствиями и реальным исходом. Если последствия соответствовали предполагаемым, ошибки не было, значит, поведение не нуждается в корректировке. Если исход получился лучше предполагаемого (позитивная ошибка), ценность этого варианта возрастает. Если исход получился хуже предполагаемого (негативная ошибка), ценность варианта падает. Такое подкрепление создает канал обратной связи с окружающим миром и приводит к дальнейшим изменениям в поведении.

Согласно данным Шульца, дофаминовые нейроны дают обратную связь по всем трем вариантам исходов: и при отсутствии ошибки, и при положительной, и при отрицательной. Удивительно, как совпали дискретные шаги алгоритма и активность нейронов в мозге.

В действительности не так уж и удивительно. Теория обучения подкреплением основывалась на десятилетних исследованиях поведения животных при дрессировке, а затем ее данные использовались при разработке компьютерных программ для обучения. Так что логика появления подобной связи такова: поведение => появление компьютерных алгоритмов => более глубокие наблюдения за поведением => исследование нейронной активности, которая естественным образом совпала с алгоритмами.

Вы можете спросить: а как же успех глубоких нейросетей в работе с процессами, которые считались типично человеческими, например классификации изображений? Что ж, обычные нейросети в основе своей несут дискретные алгоритмы. Глубокие нейросети имеют целые дискретные слои, каждый из которых соединен со следующим и передает ему информацию. В человеческом мозге дискретных слоев нет.

Существует еще одна версия: несмотря на то, что в биологическом смысле мозг работает беспрерывно, проделываемые им операции все же дискретны.

Нет, наша голова не работает по алгоритмам

Вроде бы набрали много свидетельств алгоритмической работы нашего мозга.

Вообще-то, большая часть нейронаук основывается на его алгоритмичности: какую публикацию ни открой — мозг все время что-то вычисляет и рассчитывает.

Влиятельный исследователь Дэвид Марр ставит вопрос так: ищем алгоритмы, а потом ищем часть мозга, которая запускает их. Но есть и те, кто задает вопрос иначе: если не алгоритмы, то что?

На него тоже есть ответ. Нам известно огромное количество действий, которыми мозг управляет без алгоритмов. Мы ходим, бегаем и ползаем, не вовлекая алгоритмической деятельности. При этих повторяющихся сокращениях разных групп мышц регистрируются такие же повторяющиеся всплески активности целых групп взаимосвязанных нейронов — они самостоятельно управляют движениями мышц.

Подобные нейронные цепочки возникают в мозге каждый раз, когда в теле происходят ритмичные процессы (хотя работой сердца управляет собственная фиксированная цепочка) — когда мы жуем, плаваем, дышим.

А что с единичными движениями? Например, когда мы поднимаем руку, чтобы взять стакан. Движение не повторяющееся, но и алгоритмов для его выполнения не требуется. При таких движениях происходит серия быстрой смены активности в нейронах зоны моторной коры, ответственной за руку. Они передают сигнал спинному мозгу, который передает его мышцам. Что здесь за алгоритм?

Здесь можно возразить: ну конечно, это всего лишь движения! Сложные процессы вроде памяти, планирования и мышления должны требовать вычислительных мощностей, а не просто динамической обработки.

Вообще-то, даже сложные процессы могут обойтись простой динамикой.

Вот механическое решение для работы памяти. Нам уже несколько десятилетий известно, что простое воспоминание может сохраняться и воспроизводиться активностью простой цепочки нейронов в ответ на определенные вводные данные. С их помощью запах поджаренного хлеба может вызывать в нас сложное воспоминание о визите к бабушке в далеком детстве.

А вот механическое решение для формирования прогноза. Наш мозг часто занимается прогнозированием. В этом процессе вознаграждение достаточно неопределенно: сдав отчеты вовремя, вы можете получить повышение, а можете и не получить.

Недавние исследования показали, как сеть нейронов, беспрерывно посылающих сигналы друг другу, занимаются прогнозированием. К примеру, определенная сеть нейронов решает судоку.

Есть механическое решение для почти любой задачи, связанной с вводными данными. Например, машины с неустойчивым состоянием (особый вид нейросети) представляют собой группу смоделированных нейронов, связанных между собой случайным образом и беспрерывно посылающих друг другу импульсы.

Кроме того, нейроны в этой модели разделяются на возбуждающие и тормозящие (последние не дают первым провести сигнал). Это важный момент, поскольку итоговая нейросеть работает в должной степени беспорядочно, а значит, самое легкое изменение во вводных данных вызовет абсолютно иную активность. По большому счету это означает, что любые вводные данные могут вызвать любую операцию.

Вопрос стоит так: каким образом эта сеть научится (эволюционно ли, либо с помощью обучения) строить нейронные связи нужным образом и выполнять требуемые действия? Это хороший вопрос, и на него пока нет ответа.

Влиятельный физик и математик Роджер Пенроуз посвятил две увесистые книги размышлениям о том, что мозг — это не компьютер. Но каким-то образом от этого простого утверждения он перешел к мысли о существовании квантового сознания, не допустив золотой середины. Ведь все может быть гораздо проще: мозг постоянно находится в движении, которое может подчиняться алгоритмам, а может и не подчиняться.

«Мозг как компьютер» — это не метафора, а гипотеза, которую вполне можно проверить. Чем ученые и занимаются прямо сейчас.

Ни одно исследование не сможет доказать, что вот эта определенная часть мозга работает по алгоритму Х. В науке так не бывает. Подтверждениями гипотезы служат многочисленные работы со всего мира, собираемые по крупицам. Так что точного ответа мы пока не знаем.

Считаю ли я мозг компьютером? Нет. Я готов оказаться неправым. Более того, я написал множество статей о том, как мозг реализует алгоритмы. Так что, как видите, я спокойно могу придерживаться двух точек зрения одновременно.

Подобная двойственность свойственна многим ученым: как только нужно выбрать между двумя полярно противоположными мнениями, становится ясно, что ни одно из них не может быть полностью верным.

Человеческий мозг просто создан для подобной двойственности. А может, это лишний раз доказывает, что он точно не компьютер?

Поможем успешно пройти тест. Знакомы с особенностями сдачи тестов онлайн в Системах дистанционного обучения (СДО) более 50 ВУЗов. При необходимости проходим систему идентификации, прокторинга, а также можем подключиться к вашему компьютеру удаленно, если ваш вуз требует видеофиксацию во время тестирования.

Закажите решение за 470 рублей и тест онлайн будет сдан успешно.

1. Причины отставания отечественной вычислительной техники в прошлом веке
Ошибочная техническая политика
Слабое финансирование компьютерной отрасли
Отставание отечественной науки
Недооценка роли и значения информационных технологий на правительственном уровне

4. Творец первой в мире ЭВМ
С.А.Лебедев
Ч.Бэббидж
Дж. фон Нейман
Дж. Атанасов
В.М.Глушков
Дж.Моучли

5. Основные принципы цифровых вычислительных машин были разработаны …
Блезом Паскалем
Готфридом Вильгельмом Лейбницем
Чарльзом Беббиджем
Джоном фон Нейманом

7. Автор эскиза механического тринадцатиразрядного суммирующего счётного устройства
Ленардо да Винчи
Вильгельм Шиккард
Готфрид Лейбниц
Чарльз Беббидж

8. Вычислительные машины второго поколения ЭВМ
Стрела
Урал-1
Минск-32
БЭСМ-6

9. Элементная база компьютеров третьего поколения
Транзистор
ИС
Электронная лампа
БИС

12. ЭВМ четвёртого поколения
Эльбрус-2
ENIAC
IBM PC AT
IBM-701

15. Основа элементной базы ЭВМ третьего поколения
БИС
СБИС
интегральные микросхемы
транзисторы

16. Языки высокого уровня появились …
в первой половине XX века
во второй половине XX века
в 1946 году
в 1951 году

19. Элементная база компьютеров первого поколения
Транзистор
ИС
Электронная лампа
БИС

20. Двоичную систему счисления впервые в мире предложил …
Блез Паскаль
Готфрид Вильгельм Лейбниц
Чарльз Беббидж
Джордж Буль

21. Большая интегральная схема (БИС)
транзисторы, расположенные на одной плате
кристалл кремния, на котором размещаются от десятков до сотен логических элементов
набор программ для работы на ЭВМ
набор ламп, выполняющих различные функции

22. Cчетное устройство, состоящее из доски, линий, нанесенных на неё и нескольких камней
Паскалина
Эниак
Абак

23. Элементная база компьютеров второго поколения
Транзистор
ИС
Электронная лампа
БИС

26. Электронная база ЭВМ второго поколения
электронные лампы
полупроводники
интегральные микросхемы
БИС, СБИС

28. Отечественная ЭВМ, лучшая в мире ЭВМ второго поколения
МЭСМ
Минск-22
БЭСМ
БЭСМ-6

29. Особенность устройства Германа Холлерита
Была употреблена идея перфокарт
Впервые использовались микрочипы
Быстродействие машины составляло 330 тыс.оп/с
Впервые появилась возможность хранения результатов вычислений

30. Первая ЭВМ называлась …
МИНСК
БЭСМ
ЭНИАК
IВМ

31. Малая счётная электронная машина, созданная в СССР в 1952 году
МЭСМ
Минск-22
БЭСМ
БЭСМ-6

32. Основоположник отечественной вычислительной техники
Сергей Алексеевич Лебедев
Николай Иванович Лобачевский
Михаил Васильевич Ломоносов
Пафнутий Львович Чебышев

34. Предмет, оставленный древним человеком 30 тыс. до нашей эры, свидетельствующий о том, что уже тогда существовали зачатки счета
Счётный камень
Вестоницкая кость
Византийская кость
Камень с углублением

37. Первые ЭВМ были созданы в … годы 20 века
40-е
60-е
70-е
80-е

39. Первая машина, автоматически выполнявшая все 10 команд
машина Сергея Алексеевича Лебедева
Pentium
машина Чарльза Беббиджа
абак

41. Основа элементной базы ЭВМ четвёртого поколения
полупроводники
электромеханические схемы
электровакуумные лампы
СБИС

42. Основы современной организации ЭВМ описал …
Джон фон Нейман
Джордж Буль
Ада Лавлейс
Норберт Винер

45. Первая ЭВМ появилась в … году
1823
1946
1949
1951

46. Первая в мире программа была написана …
Чарльзом Бэббиджем
Адой Лавлейс
Говардом Айкеном
Полом Алленом

47. ЭВМ первого поколения были созданы на основе …
транзисторов
электронно-вакуумных ламп
зубчатых колес
реле

49. Элементная база компьютеров четвёртого поколения
Транзистор
ИС
Электронная лампа
БИС

50. Основы теории алгоритмов были впервые изложены в работе …
Чарльза Беббиджа
Блеза Паскаля
С.А. Лебедева
Алана Тьюринга

Аналитическую машину Чарльза Бэббиджа считают первым прообразом современного компьютера. Эта машина фактически на века опередила прогресс. Но как и многие колоссы, опережавшие своё время, так и не была воплощенна в металле. Как всякое великое изобретение она не могла родиться на пустом месте, а её создатель не мог быть заурядным человеком. В последующих постах я хочу немного рассказать о биографии этого человека, что его подтолкнуло с созданию этой машины и чем закончилось главное дело его жизни.

По окончанию этой школы у Чарльза начинается настоящее обучение — его отправляют в академию в Энфилде, где он знакомится с учебником, определившим увлечение всей его дальнейшей жизни. Это было «Руководство Уорда для юных математиков». Он настолько увлёкся алгеброй, что поступив в Кэмбридж с удивлением обнаружил что знает о ней куда больше, чем его репетитор.

В 1811 году Чарльз становится студентом Тринити Коледжа — самого знаменитого коледжа Кембриджа. На тот момент из дверей этого учебного заведения уже вышли такие знаменитые личности как Исаак Барроу и его ученик Исаак Ньютон. Ближе к нашим дням данный колледж оканчивали такие личности как Бертран Рассел, ряд британских монархов и принцев (включая принца Чарльза).

(Тринити коледж, 1838 год)

Но вернёмся к нашему студенту. Обучаясь в Кэмбридже, Чарльз пришёл в выводу что Британия сильно отстала от континентальной Европы по уровню математической подготовки. Как результат родилось «Аналитическое общество», куда входили его друзья — Джон Гершель и Джордж Пикок. На встречах общества друзья обсуждают труды континентальных коллег, издают «Записики Аналитического общества».

Чарльз считал способности своих друзей куда выше собственных и дабы не быть третьим в Тринити коледже он переходит в колледж святого Петра, который он заканчивает на первом месте.

Перед нами вырисовывается портрет пытливого, способного, талантливого и честолюбивого молодого человека. Данное сочетания черт мало кому может позволить прожить жизнь тихо и спокойно. Наш герой не стал исключением. Естественно он интересовался актуальными и передовыми проблемами математики. Одной из таких проблем была проблема эффективного быстрого и точного составление различных таблиц — логарифмических, арифметических, таблиц процентов и т.п.

Почему именно таблицы?

Стоит вспомнить что на конец восемнадцатого — начало девятнадцатого века пришёлся пик промышленной революции, лидером которой была Британия. Переход от ручного труда к промышленным масштабам сопровождался, так сказать, бурным ростом других секторов экономики. Росло банковское и страховое дело, увеличивался объём морских перевозок, строительства — всё это требовало большого количества вычислений — расчёт сложных процентов, вычисление географических координат, инженерных расчётов и т.п. Уже в восемнадцатом веке мореходами активно использовались различные таблицы.

В 1776 году появился на свет «Морской календарь» (его автор — ученый доктор Маскелин, впоследствии королевский астроном). Календарь представлял из себя свод астрономических, навигационных и логарифмических таблиц, основанных на наблюдениях астронома Брэдли. Не смотря на невиданную доселе тщательность, данный труд имел немало ошибок и неточностей, порождённых малой точностью исходных данных, неточностью вычислений и ошибками при переписывании.

Интересный случай показывает к чему могут привести подобные ошибки. После окончания Англо-Испанской войны в средиземном море встретились Английское и Испанское суда. Свежеиспечёные друзья решили оказать друг другу знаки почтения и обменятся подарками. На счастье Английского капитана, его Испанский коллега решил преподнести ему лишь серебряный поднос. А вот Испанскому капитану повезло меньше — Англичанин преподнёс ему, без всякого злого умысла, навигационные таблицы Томаса Юнга. Издание было высочайшего качества, однако таблицы были совершенно не верными, так как не учитывали високосных годов. Испанского капитана, принявшего такой дар, больше никто никогда не видел, а вот Английский капитан прекрасно добрался до места назначения, используя французские и итальянские таблицы.

(Навигационный прибор 18го века. Источник)

«Морской календарь» выходил ежегодно, издателям приходилось держать большой штат корректоров, но даже это не спасало от ошибок.

В конце 18го века был предложен оригинальный способ организации вычислительного труда, повышающий надежность вычислений. Его автором был математик Гаспар Клэр Франсуа маркиз де Прони.

Вычисления были организованны по «конвеерной системе» состоящей из трёх групп. Первая, наиболее малочисленная, наиболее квалифицированная состояла из 5-6 математиков. Она занималось выбором формул и составлением схем расчётов. Вторая из 7-8 математиков по выбранным формулам определяла значения функций с шагом 5-6 интервалов. Третья же, наиболее многочисленная, состояла из девяноста вычислителей низкой квалификации, которые занимались уплотнением таблицы, заполняя интервалы, вычисленные на предыдущем этапе. Две группы вычислителей работали параллельно, сверяя свои результаты.

Бэббидж заинтересовался данной схемой и у него родилась идея заменить последний этап ручных вычислений, механической машиной, которая позволяла бы автоматизировать, как он писал «самые примитивные действия человеческого интеллекта».

(Калькулятор Блеза Паскаля. 17ый век. Источник)

Машины, способные производить простые операции сложения, вычитания и даже умножения к тому времени создавались уже не первый век различными математиками и механиками, хотя большого распространения на тот момент не получили. Бэббидж же задумал не просто «механические счёты». У него родилась идея специализированного вычислительного устройства, заточенного под создание таблиц, позволявшего вычислять их быстро, эффективно, требовавших невысокой квалификации персонала, а также (что немаловажно) позволявших фиксировать результаты проведённых вычислений на бумаге.

Для второго десятилетия девятнадцатого века это была весьма смелая задумка. Однако даже сам Бэббидж ещё не догадывался как далеко его заведёт, родившаяся в его голове в 1812-м году идея.

В следующей части я расскажу о создании разностной машины Чарльза Бэббиджа и рождении идеи создания Аналитической машины.

Основной источник, использованный при подготовке текста — «От абака до компьютера», Р. С. Гутер, Ю. Л. Поплунов, Москва 1981г.

Это K computer — японский суперкомпьютер от компании Fujitsu:

В 2013 году специалисты из Японии и Германии использовали K computer в эксперименте по симуляции активности человеческого мозга.

Чтобы вы понимали, в то время K computer был настоящим монстром. Он мог выполнять 8,1 квадриллиона операций в секунду, что делало его одним из самых быстрых на 2013 год (занимал 4 место в мире по вычислительной мощности среди суперкомпьютеров). Эта система имела более 700 тысяч вычислительных ядер и 1,4 миллиона гигабайт оперативной памяти (1,4 петабайта).

Типичный суперкомпьютер потребляет огромное количество электроэнергии — до нескольких мегаватт в час. Поэтому стоимость его обслуживания очень высока. Например, при потреблении 4 МВт⋅ч, или 4 000 кВт⋅ч, по средней цене 4 рубля за 1 кВт⋅ч, рабочий час такого гиганта будет обходиться в 16 тыс рублей, или 384 тыс рублей в сутки, или чуть больше 140 млн рублей в год. Для западных стран цифра выше, так как стоимость электроэнергии там отличается, к примеру, в США затраты на энергию для такой машины будут около $3,5 млн в год.

Еще одна проблема — охлаждение. Процессоры суперкомпьютеров выделяют много тепла, чтобы предотвратить перегрев компонентов требуются сложные системы водяного охлаждения, которые занимают много места.

Поразительно, не правда ли? Мощный компьютер, который занимает практически целое здание, потребляет электричество на 16 тыс рублей в час и нуждается в сложных системах охлаждения и постоянном техническом обслуживании, смог сымитировать всего 1 секунду мозговой активности человека за 40 мин!

K computer прекратили использовать в 2019 году. Ему на смену пришел другой, более мощный монстр — Фугаку, который по состоянию на 2020 год является самым быстрым суперкомпьютером в мире. Даже если провести подобный эксперимент с Фугаку, он, возможно, и покажет немного лучший результат, но все равно этот результат не будет впечатляющим.

Post Scriptum

Наша «машинка» — очень сложная биологическая технология, разгадать и смоделировать которую у ученых еще долго не получится. Поэтому предсказания фантастов, которые писали о суперкомпьютерах, способных заменить мозг человека, вряд ли сбудутся в ближайшие сотни лет.

Вам может быть интересно:

Подписывайтесь на наш канал в Дзен, поделитесь мнением о материале и расскажите о нем друзьям. Еще больше интересных постов в нашем Telegram

Читайте также: