AI的电力黑洞
这两年，AI公司正在进入一个越来越“耗电”的时代。
为了训练规模越来越大的模型，各大科技公司不断扩建数据中心。成千上万台服务器昼夜运转，电力消耗动辄以兆瓦计算。为了保证未来的电力供应，一些公司甚至开始直接投资电厂，或者与能源企业合作建设专用电力设施。
位于得克萨斯州西部的 GW Ranch 数据中心项目渲染图，
图中展示了现场安装的天然气发电设施和太阳能发电设施。
图源：Pacifico Energy
算力越强，能源消耗也越大。
庞大的数据中心不仅消耗大量电力，还需要大量水资源进行冷却，对环境和气候都带来压力。
但有趣的是，人类其实早就拥有一台远比现有AI更高效的“计算机”。它不仅随身携带，而且几乎每个人都有——那就是我们的大脑。
只要20瓦的大脑
美国国家标准与技术研究院（National Institute of Standards and Technology）的研究科学家阿德瓦伊特·马达范（Advait Madhavan）在2023年写道：“人类大脑是一种令人惊叹的高能效设备。从计算能力来看，它每秒可以完成相当于1 exaflop 的运算——也就是10的18次方次数学计算——而只需要20瓦的功率。”
如果从人体结构来看，大脑确实算得上一个“耗能器官”。按重量计算，它只占人体体重的大约2%，却消耗了人体约20%的基础代谢能量。
但从绝对数值来看，这其实并不算多。假设一个成年人每天摄入2700千卡热量，其中大约340千卡用于维持大脑运转。
换算成电能，大约是0.4千瓦时——只够让一只传统的60瓦白炽灯亮不到7个小时。
甚至还不如吃三根香蕉获得的能量。
换句话说，你每天只需要“三根香蕉级别”的能量，就能驱动这台极其复杂的“生物计算机”。
要20兆瓦的超级计算机
如果把人脑和现代超级计算机进行对比，这种差距就更加明显。
世界上最强大的超级计算机之一——Frontier supercomputer——最近也实现了exaflop级计算能力。但要完成同样的运算，它需要大约20兆瓦的功率，比人脑高出整整一百万倍。
图源：wikipedia
如果换算成能源消耗，让这台超级计算机运行一天，大约需要燃烧207吨煤，同时产生约340吨二氧化碳。
如果不用煤，也可以燃烧约12万升液态石油，排放量大约是前者的一半；或者燃烧8400万升天然气，产生约74吨二氧化碳。
显然，这样的能源消耗不可能无限制地持续下去。
但另一方面，计算机和人工智能——以及它们不断增长的算力需求——在短时间内也不会消失。
于是，一个问题开始变得越来越重要：既然大脑能用这么少的能量完成复杂计算，人类能不能从大脑身上学到一些东西？
大脑为什么这么高效？
有一个流传很广的说法认为，人类只使用了10%的大脑。
这个说法其实并不正确。
现实情况是，大多数时候我们都会使用大脑的大部分区域，而在某些情况下，几乎整个大脑都会参与活动。
图源：remapstudio
不过，这个说法确实暗示了一点：大脑并不会在同一时间动用所有神经元。
2024年，Chang Xu（悉尼大学人工智能中心副教授）解释说，大脑大约拥有1000亿个神经元，但它会根据任务不同，从不同脑区选择性地调用这些神经元。
只需要二十多瓦的功率，大脑就能驱动整个身体运作。
它可以在脑海中形成内心独白，也可以凭空想象画面；当有人向你扔来一个球时，大脑能够迅速识别球的形状，计算运动轨迹，预测落点，并把你的手移动到正确位置完成接球——这一切都发生在几毫秒之内。
同时计算的力量
科学家一直试图在人工系统中复制这种效率，但始终非常困难，其中一个原因在于计算方式的不同。
2018年，Think Tank: Forty Scientists Explore the Biological Roots of Human Experience一书中，Liqun Luo（斯坦福大学生物学教授）指出，计算机和大脑最重要的差别之一在于信息处理方式。
传统计算机通常按顺序一步一步执行任务。工程师编写程序时，会设计一条连续的指令流程。
在这种结构中，每一步都必须非常精确，因为一旦出现错误，就会在后续步骤中不断累积并放大。
虽然大脑有时也会使用类似的顺序步骤，但它还有另一种能力——大规模并行处理。
图源：iflscience
以接球为例。
如果由计算机来完成，它需要先识别球，再测量运动，再计算轨迹，再计算落点，最后才能控制你的手移动到指定位置。
而人脑几乎是在同一时间完成这些步骤。
来自视网膜的信号经过两三次突触连接后，关于球的位置、方向和速度的信息就已经被提取出来，并以并行方式传送到大脑。
与此同时，大脑的运动皮层会同时向腿部、躯干、手臂和手腕发出指令，让身体在同一时间调整到合适位置，从而接住飞来的球。
模仿大脑计算
正因为如此，越来越多计算机工程师开始尝试让计算机模仿大脑。
2024年，Suin Yi（德克萨斯农工大学工程学院电气与计算机工程助理教授）指出，传统AI模型主要依赖一种叫做反向传播的训练方法，但这种方法在生物学上并不符合真实大脑的学习机制。
因此，如果想打造更接近人脑的计算机，就需要重新设计算法和网络结构。
例如，萨里大学的研究人员正在研究一种名为Topographical Sparse Mapping的技术，让神经元只与附近节点连接，从而显著降低能耗。
另一种改进方法Enhanced Topographical Sparse Mapping还能进一步删除不必要的连接，就像人类大脑在学习过程中会逐渐精简神经连接一样。
去年，莫森·卡梅利安·拉德（Mohsen Kamelian Rad）表示，当模仿大脑的拓扑结构时，AI系统可以学习得更快，同时消耗更少能量。
下一代计算机
与此同时，悉尼大学和布法罗大学的研究团队也在开发类似的类脑神经模型。
他们希望的不只是更节能的计算机，还包括更灵活的系统——能够利用有限甚至模糊的数据进行推理，并以非线性的方式处理问题。
正如阿德瓦伊特·马达范所说，下一代计算机可能会与今天的计算机完全不同。随着人类收集的数据越来越多，计算系统的需求也在改变。
而答案，也许早就写在我们自己的大脑里。
让我们说：谢谢大脑！
大脑由数十亿的神经元构成，它控制着我们的思想、动作、行为和情绪，是我们意识的所在地，一直以来，科学家在不断探索大脑是如何运作的。这本全面、通俗易懂且插图丰富的书是对人体中最复杂器官的一次引人入胜的探索。
本书结合了最新的图像技术，非常具有趣味性地探讨了诸如我们如何感知世界，我们如何产生记忆，我们的情绪由谁掌控等问题。通过本书，读者可以了解自己，了解大脑。本书适合对大脑及生命科学感兴趣的读者。
热门跟贴