[论文解读] 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 9

一句话总结

本文探讨了人脑的能量需求及其对人工智能的影响，认为脑模拟并非实现通用人工智能的必要路径。文章主张，新型人工智能系统可能以远低于脑模拟的能量成本运行，因为它们可使用压缩的高层级表征，而非模拟数十亿次神经元放电。其主要贡献在于批判了‘类脑能效’是人工智能发展硬性约束的假设。

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.

研究动机与目标

• 评估人脑能耗是否对人工智能的可行性构成根本性约束。
• 评估脑模拟作为实现通用人工智能路径的能耗需求。
• 挑战‘类脑处理是最节能或最实用的软件智能实现路径’这一假设。
• 探讨新型人工智能系统是否可能以显著低于脑模拟的能量成本实现智能。

提出的方法

• 回顾现有对人脑生物能量学的估计，包括代谢率和ATP消耗量。
• 分析估算脑模拟能耗的方法，例如模拟神经元放电活动。
• 比较生物神经处理与使用高层级认知表征的假设性人工智能系统的能效。
• 主张新型人工智能可能无需复制大脑的低层次动态，从而实现更高效、压缩的计算。
• 通过理论推理表明，除非假设大脑的认知架构是最优的，否则人工智能的能耗并不受大脑能耗的限制。
• 引用计算神经科学和人工智能文献，支持‘其他认知架构可能远比生物大脑更节能’的观点。

实验结果

研究问题

• RQ1 人脑的高能耗是否对人工智能的可行性构成根本性限制？
• RQ2 脑模拟的能耗需求在多大程度上制约了通用人工智能的发展？
• RQ3 新型人工智能系统是否可能以显著低于脑模拟的能量消耗实现智能？
• RQ4 大脑的认知方式是否是最高效或最容易实现的软件智能路径？
• RQ5 是否存在其他计算架构，可使智能实现的能效远超生物大脑？

主要发现

• 人脑的能耗约为20瓦，这一能耗虽高，但并不必然限制人工智能的发展。
• 脑模拟需要每秒模拟数十亿次神经元放电，导致极高的能耗需求。
• 新型人工智能系统不太可能复制大脑的低层次放电动态，因此可能以低得多的能量成本运行。
• 没有充分理由认为大脑的认知架构是最节能或最容易实现的软件智能路径。
• 人工智能的能耗成本并不必然与大脑能耗挂钩，因为新型人工智能可能使用压缩的高层级表征，其效率远超大脑。
• 本文结论认为，除非假设大脑的思维方式是最优或最易实现的，否则人工智能的能效不会受大脑能量学的限制。