Мозг освобожденный. Как предотвратить перегрузки и использовать свой потенциал на полную мощь. Тео Компернолле

Читать онлайн книгу.

Мозг освобожденный. Как предотвратить перегрузки и использовать свой потенциал на полную мощь - Тео Компернолле


Скачать книгу
мозга находятся в активном рабочем режиме. Вместе они выполняют десятки тысяч задач одновременно, без какого-либо центрального контроля и даже без сознательного участия с нашей стороны. В этой гигантской сложнейшей сети нет центрального пункта управления, где принимались бы все решения. Частично такую функцию выполняют так называемые «биологические часы», которые синхронизируют триллионы операций. Это то, что ИТ-специалисты называют распределенными вычислениями, только с таким уровнем сложности, который при современном уровне развития техники кажется недостижимым.

      Еще одна потрясающая особенность нашего мозга – его удивительная надежность: он практически безотказен. Мы можем потерять множество клеток в результате естественного старения или из-за травмы. Но это не нанесет ущерб всей системе. Возможно, такая способность объясняется тем, что наш мозг непрерывно программирует и перепрограммирует себя, создает новые связи и перестраивает старые. Благодаря этому он способен изменять и исцелять себя сам, особенно когда мы спим. Эти процессы происходят постоянно в масштабах отдельных клеток или групп клеток, но даже большие части мозга могут брать на себя функции других его частей. Это тоже пока недостижимая мечта для ИТ-специалистов. Ведь один неисправный транзистор в компьютере может вывести из строя весь микропроцессор{10}.

      Если вы хотите узнать больше об этой особенности нашего мозга, прочитайте увлекательную книгу Нормана Дойджа «Пластичность мозга» (The Brain That Changes Itself){11}.

      Короче говоря, наш главный рабочий инструмент – головной мозг – это самый фантастический компьютер, который только можно себе представить. Его возможности настолько ошеломительны, что их пока что не под силу осознать самому человеческому мозгу. В таблице я привожу для сравнения данные по нейронному компьютеру SpiNNaker, самому продвинутому симулятору мозга на нынешний момент. Невероятно, но факт: создатели компьютера, моделирующего на самом примитивном уровне не более 1 % нашего мозга, гордятся, что разработанные по индивидуальному заказу микросхемы потребляют всего 1 Вт электроэнергии каждая, и что весь компьютер в законченном виде будет потреблять всего 50 000 Вт. Вес же его – чуть больше 400 кг{12}. Следовательно компьютер, примитивно моделирующий человеческий мозг, должен быть размером с огромный ангар, весить 40 000 тонн и потреблять столько мегаватт электроэнергии, сколько вырабатывают три мощные АЭС. А заключенный в нашей черепной коробке комок мозгового вещества, обладающий несоизмеримо большей вычислительной мощностью, весит чуть больше килограмма и потребляет всего 30 ватт. Согласитесь, человеческий мозг – поистине удивительный и уникальный феномен!

      3.2. Мозг – это не машина, состоящая из отдельных частей, а сложнейшая сеть из множества сетей и подсетей

      Сегодня у исследователей есть современные


Скачать книгу

<p>10</p>

Machine, heal thyself, Build yourself a brain, Paul Marks, New Scientist. February 16, 2013.

<p>11</p>

Paul Marks, Computer that heals itself uses nature’s randomness to work. New Scientist, Volume 217, Issue 2904, 16 February 2013, p. 21.

<p>12</p>

SpiNNaker: A 1-W 18-Core System-on-Chip for Massively-Parallel Neural Network Simulation. S.B. Painkras, E.; Plana, L.A.; Garside, J.; Temple, S.;Galluppi, F.; Patterson, C.; Lester, D.R.; Brown, A.D.; Furber, Solid-State Circuits, IEEE Journal of, Issue Date: Aug. 2013, http://ieeexplore.ieee.org/xpls/icp.jsp?arnumber=6515159.

Power analysis of large-scale, real-time neural networks on SpiNNaker. Evangelos Stromatias, Francesco Galluppi, Cameron Patterson and Steve Furber. 2013. neuromorphs.net. https://www.neuromorphs.net/nm/raw-attachment/wiki/2013/uns13/Power_analysis_of_large_scale_real_time_neural_networks_on_SpiNNaker.pdf

Improving the Interconnection Network of a Brain Simulator. Jonathan Heathcote. 2013 http://jhnet.co.uk/misc/phdFirstYearReport.pdf

SpiNN aker: A 1-W 18-Core System-on-Chip for Massively-Parallel Neural Network Simulation. Painkras, E.; Plana, L.A.; Garside, J.; Temple, S.; Galluppi, F.; Patterson, C.; Lester, D.R.; Brown, A.D.; Furber, S.B. Solid-State Circuits, IEEE Journal of, Issue Date: Aug. 2013.