[論文レビュー] Energetics of the brain and AI

Anders Sandberg|arXiv (Cornell University)|Feb 12, 2016

Advanced Memory and Neural Computing参考文献 20被引用数 9

ひとこと要約

この論文は、人間の脳のエネルギー消費とその人工知能への影響を検討し、脳のエミュレーションがAGIへの必須な道筋ではないと主張する。脳のエミュレーションに比べてはるかに低いエネルギーコストで動作する、新規に構築されたAIシステムが、神経伝達の低レベルのシミュレーションではなく、圧縮された高レベルの表現を用いることで実現可能であると述べる。主な貢献は、脳に似たエネルギー効率がAI開発の硬直的制約であるという仮定の批判である。

ABSTRACT

Does the energy requirements for the human brain give energy constraints that give reason to doubt the feasibility of artificial intelligence? This report will review some relevant estimates of brain bioenergetics and analyze some of the methods of estimating brain emulation energy requirements. Turning to AI, there are reasons to believe the energy requirements for de novo AI to have little correlation with brain (emulation) energy requirements since cost could depend merely of the cost of processing higher-level representations rather than billions of neural firings. Unless one thinks the human way of thinking is the most optimal or most easily implementable way of achieving software intelligence, we should expect de novo AI to make use of different, potentially very compressed and fast, processes.

研究の動機と目的

• 人間の脳のエネルギー消費が人工知能の実現可能性に根本的な制約をもたらすかどうかを評価すること。
• 脳エミュレーションが人工一般知能への道筋としてのエネルギー要件を評価すること。
• 脳に類似した処理が、ソフトウェア知能を達成する上で最もエネルギー効率的または実装容易なルートであるという仮定に反論すること。
• 新規AIシステムが、脳エミュレーションよりもはるかに低いエネルギーコストで知能を達成できる可能性を検討すること。

提案手法

• 脳の代謝率やATP消費量を含む、人間の脳のバイオエネルゲティクスに関する既存の推定値をレビューする。
• 神経伝達のスパイク活動をシミュレートするような、脳エミュレーションのエネルギーコストを推定する方法を分析する。
• 生物学的神経処理と、高レベルの認知表現を用いた仮想の人工システムとのエネルギー効率を比較する。
• 新規AIは脳の低レベルのダイナミクスを再現する必要がなく、圧縮された計算が可能になるため、より効率的であると主張する。
• 理論的推論を用いて、脳のエネルギー消費に縛られるわけではないと示唆する。これは、脳の認知アーキテクチャが最適であると仮定しない限り、AIのエネルギーコストは脳のエネルギー消費に束縛されない。
• 計算神経科学およびAIの文献を援用し、代替的な認知アーキテクチャが、生物学的脳よりもはるかにエネルギー効率が良い可能性を支持する。

実験結果

リサーチクエスチョン

• RQ1 人間の脳の高いエネルギー消費が人工知能の実現可能性に根本的な制限をもたらすか？
• RQ2 脳エミュレーションのエネルギー要件が人工一般知能の開発をどの程度制限するか？
• RQ3 新規AIシステムは、脳エミュレーションよりもはるかに低いエネルギー消費で知能を達成できるか？
• RQ4 脳の認知方法がソフトウェア知能を達成する上で最も効率的または実装が容易な道筋であるか？
• RQ5 生物学的脳よりもはるかに高いエネルギー効率を達成できる代替の計算アーキテクチャは存在するか？

主な発見

• 人間の脳は約20ワットのエネルギーを消費するが、これは顕著なエネルギーコストではあるが、AI開発に必然的な制約をもたらすわけではない。
• 脳エミュレーションは、秒間数十億回の神経伝達のスパイクをシミュレートする必要があり、極めて高いエネルギー消費を要する。
• 新規AIシステムは、脳の低レベルのスパイクダイナミクスを再現する可能性が低く、はるかに低いエネルギーコストで動作できるとされる。
• 脳の認知アーキテクチャが、ソフトウェア知能を達成する上で最もエネルギー効率的または実装が容易であると信じる強い根拠はない。
• AIのエネルギーコストは、脳のエネルギー消費に本質的に束縛されていない。新規AIは、はるかに効率的な圧縮された高レベルの表現を用いる可能性がある。
• 本論文は、脳の思考様式が最適または実装が容易であると仮定しない限り、AIのエネルギー効率は脳のエネルギー代謝に制約されないという結論に至る。