› 看板 Ghost-Shell 關於我們 聯絡資訊
作者DarkerDuck (達克鴨)
看板Ghost-Shell
標題Re: [新聞] 老鼠腦機器人問世!! 機器戰警將走出電影？
時間Thu Apr 23 03:51:36 2009
之前用推文的會太長，所以直接回文了。 大腦到底有多快，這可以換另外一種說法，用電腦模擬一顆大腦到底要多快的CPU， 首先我們理解一下大腦的結構，人腦大約有一千億個腦細胞，每個腦細胞又有伸出 突觸和其他大約一千個腦細胞相連，每秒平均放出兩百個電脈衝。 每個腦神經細胞都可以當作CPU，它的運算模式是將所有突觸的輸入乘上權值再相加， 假如大於一個閥值就觸發一個神經脈衝，前面講到每個腦神經細胞平均會和一千個 腦神經細胞相連，那麼也就是平均每個腦神經細胞會有1000個input進來， 那至少就要1000次的乘法浮點運算，再加上1000次的浮點加法運算，一個腦神經細胞 一個脈衝就要用掉2000次的浮點指令運算，人腦有一千億個腦細胞，那麼就需要 2K*100G=200T 個浮點指令運算 再乘上人腦時脈是200Hz，每秒平均放出兩百個電脈衝 200T*200=40000T=40P 個浮點指令運算/秒 當然實際值可能比這個少得多，因為人腦不會每個區域都一直在運作，但就算打個一折， 變4P flops，都還是比目前世界上最快的超級電腦都還要快得多，依照TOP 500的資訊 2008年11月排名第一的超級電腦它的運算效能是1105000 GFlops 也就是1.1PFlops http://www.top500.org/system/performance/9707 這台電腦叫做Roadrunner，是美國能源部的超級電腦，是個叢集式的超級電腦， 總共有高達12萬個CPU核心，每個核心都以數GHz的速度在運作。像這種超級電腦都 會耗掉一整棟樓的面積，還必須蓋專用電廠供電。 http://zh.wikipedia.org/wiki/IBM_Roadrunner 由此可見得人腦的資訊處理能力是多麼恐怖，就算現在電腦如此之快，但要達到人腦 的資訊處理能力，還是有段差距。 至於我說的頻寬問題，就是在於人腦和電腦對比的話，CPU和記憶體根本就合起來的， 所以不會有頻寬問題，所謂的記憶是分散在神經網路的突觸拓譜當中，不像現在馮紐曼 式的電腦，是有個記憶體儲存程式，有個CPU進行運算，還要有個Bus負責之間的聯繫， 大腦沒有這個問題，基本上大腦的"程式"是分散在大腦各處，而不是儲存在記憶體， 但是和電腦類比的話，人腦的IO其實沒有多快，也就是人腦對外的資訊傳遞所消耗的 頻寬以現在的科技能力是可以做到的，簡單的講就是可以用數位訊號傳輸人耳聽覺 極限的聲音，用數位訊號傳遞也快要達到人眼辨識極限的Full HD影像，至於其他的 感覺其實也都沒有比視覺還要來的消耗頻寬。當然人腦傳遞訊息的方式和數位訊號傳遞 的方式不太一樣，神經系統是許多神經平行輸入，例如視覺就可以有數百萬個椎狀細胞 平行輸入，而電腦則通常是用序列方式高頻傳輸，只有一條細線，但是頻率高達GHz， 但總的來說以現在的科技，腦機介面要做，頻寬不會是太大問題，主要是要做個訊號轉 換，把相應的訊號都對到正確的神經突觸上，以目前最為成熟的人工電子耳的科技來說， 只用了22個頻道，也就是說只用了22個電擊在耳蝸的神經細胞上就可以得到不錯的效果， 這根本不需要多大的資料傳輸量。當然要達到完美效果，最好是能夠和人類的一萬六千 多個毛細胞互相對應。目前人工電子耳可以讓耳聾患者聽懂語音，卻無法去欣賞音樂。 http://tinyurl.com/dm7jmg 假如真的要在腦中做個記憶體晶片，使得腦部可以獲得額外的儲存的空間的話，那當然 也不可能使用類似現在序列式的高頻傳輸技術，而必須和是和大腦相容的低頻並列式傳 輸，可能必須要用到上億個電極和突觸相連，並且還要能把這些資料用條細傳輸線傳 到人腦外，這個時候頻寬才會是個問題。 總的來說，人腦的和感官的頻寬其實沒有多快，但是總運算能力很大，除非想要把人腦 的運算功能用條傳輸線搬到腦部外做大幅擴充改造，否則只是要做感官的腦機介面以現 在的資訊傳輸技術而言是綽綽有餘的。 -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 219.86.67.97 ※ 編輯: DarkerDuck 來自: 219.86.67.97 (04/23 04:01) ※ 編輯: DarkerDuck 來自: 219.86.67.97 (04/23 04:03) ※ 編輯: DarkerDuck 來自: 219.86.67.97 (04/23 04:08)
推 wxes50608:推 04/23 06:44
推 BruceX:推 04/23 07:58
推 j022015:所以是我們頭腦要輸出資訊讓外界的器材接收 用電子的方式 04/23 08:03
→ j022015:目前還很困難囉？ 04/23 08:03
→ DarkerDuck:請看BrainGate那一篇，這是做得到的。 04/23 09:58
→ DarkerDuck:主要問題是雖有先進的資訊科技，但是牽涉到人體實驗 04/23 10:29
→ DarkerDuck:就很難找到合適的實驗者，尋找最合適的腦機介面技術 04/23 10:30
※ 編輯: DarkerDuck 來自: 140.130.175.227 (04/23 10:31)
→ rexrainbow:推 量化的數據 04/23 10:49
→ rexrainbow:"4P flops"應該是很難達成的目標,所以未來的ai學習應該 04/23 10:55
→ rexrainbow:不會只是模擬出大腦,這樣即使做出來,也只是和一般人一 04/23 10:56
→ rexrainbow:樣. 有個很類似的研究在過去曾經發生過,人類的飛行. 04/23 10:56
→ rexrainbow:人類想要飛行,最後做出來的不是摹仿鳥類的翅膀/肌肉組 04/23 10:57
→ rexrainbow:織. 04/23 10:58
→ DarkerDuck:其實假如摩爾定律可以一直持續下去的話，PC大約可在 04/23 11:05
→ DarkerDuck:30多年後達成這個目標 04/23 11:05
→ DarkerDuck:只是摩爾定律還可以持續多久，有沒有這個需求，沒人知 04/23 11:05
※ 編輯: DarkerDuck 來自: 140.130.175.227 (04/23 11:08)
→ rexrainbow:用三十年"演化"出大腦,已經很快了XD. 04/23 11:11
→ DarkerDuck:目前PC最快的運算元件其實是GPU，大約是1 TFlops 04/23 11:12
→ DarkerDuck:那也只是運算速度達到，但不代表就真的可以讓如大腦般 04/23 11:13
→ DarkerDuck:複雜的神經網路正確運作 04/23 11:14
→ DarkerDuck:用比較保守的摩爾定律，兩年成長一倍，三十年也就有 04/23 11:15
→ DarkerDuck:32萬倍，這就是指速成長的恐怖的地方 04/23 11:16
→ rexrainbow:gpu也不過是一種特化的cpu,要是有神經元專用"npu"也不 04/23 11:22
→ rexrainbow:意外 04/23 11:22
→ DarkerDuck:三萬兩千倍，眼殘了 04/23 11:22
→ rexrainbow:我想摩爾定律應該是假設電子元件都是線性的吧, 科科. 04/23 11:23
→ DarkerDuck:不過Intel也努力讓CPU都一直維持這個趨勢 04/23 11:25
→ rexrainbow:"IBM院士：摩爾定律快玩完了" (google關鍵字) 04/23 11:25
→ rexrainbow:"Intel董事長貝瑞特：摩爾定律還能管用15年" 04/23 11:25
→ DarkerDuck:摩爾定律快玩完了是因為晶片光蝕刻技術已經遇到瓶頸 04/23 11:30
→ DarkerDuck:但會不會有其他技術接手光蝕刻晶片運算也無人知 04/23 11:31
→ rexrainbow:我想應該是會有的,邪惡的美帝一定有很多備用計畫等著 04/23 11:32
→ DarkerDuck:的確有許多新技術在研發，量子計算、光運算、分子運算 04/23 11:33
→ rexrainbow:全世界都在推機器人產業,"機器學習"仍有很多需求, 04/23 11:38
→ rexrainbow:總之, 請繼續努力吧 @@ 04/23 11:39
→ rexrainbow:"人腦不會每個區域都一直在運作",記得大腦裡也有模組, 04/23 14:03
→ rexrainbow:如果只針對最小的模組做模擬,應該就不用一次放一千億個 04/23 14:04
→ rexrainbow:神經元在其中了.只是,這樣做應該還是會有失真的情況. 04/23 14:04
推 pstsubasa:這真是一篇精闢的科普文 04/23 22:13
→ DarkerDuck:大腦的確是有分區啊，對於固定式的AI而言，大腦皮質的 04/24 02:12
→ DarkerDuck:運動區和軀體的皮膚感覺區都可以拿掉。 04/24 02:13
→ DarkerDuck:一些較原始的欲望區域也都可以拿掉，和控制器官的運作 04/24 02:18
→ DarkerDuck:的神經網路也都可以拿掉。 04/24 02:18
→ DarkerDuck:http://tinyurl.com/dzgbfa 04/24 02:20
→ DarkerDuck:所以存粹是為了做出具有高等思維的AI的話，應該是可以 04/24 02:22
→ DarkerDuck:參考人類大腦皮質部分的神經網路構造就夠了。 04/24 02:23
→ DarkerDuck:電腦所模擬的類神經網路其實也早就商業化了，有很多應 04/24 02:25
→ DarkerDuck:用。有些號稱Fuzzy的洗衣機裡面就有模糊邏輯類神經網路 04/24 02:32
→ DarkerDuck:一些醫學影像處理也會用到類神經網路去辨識癌細胞。 04/24 02:33
→ DarkerDuck:甚至連電腦遊戲AI都很多就是用類神經網路去做。 04/24 02:34
→ DarkerDuck:有些車子的引擎也是用類神經網路去控制的。 04/24 02:36
→ DarkerDuck:只是規模都沒有像人腦那麼大，整合了那麼多功能。 04/24 02:38
→ DarkerDuck:畢竟人腦經過了好幾億年的演化。 04/24 02:39
→ DarkerDuck:就連果蠅的腦神經也是複雜到最近才完全解開的。 04/24 02:41
→ DarkerDuck:http://tinyurl.com/c6l9pa 04/24 02:42
→ DarkerDuck:像這個研究只解出果蠅嗅覺的神經網路三層模型 04/24 02:46
→ DarkerDuck:就已經非常了不起。 04/24 02:47
→ DarkerDuck:人的視覺皮質總共有六層，而且更為複雜。要解開就更難 04/24 02:48
→ DarkerDuck:上許多。 04/24 02:48
→ rexrainbow:http://www.anobii.com/books/00a2bade7a5c3b536c/ 04/24 10:22
→ rexrainbow:創智慧這本書我一直沒看完 @@ 04/24 10:23
→ rexrainbow:"電腦所模擬的類神經網路其實也早就商業化了"然而AI仍 04/24 10:31
→ rexrainbow:與人類的智慧有很大的差異,我想跟你上篇提到的網路連結 04/24 10:32
→ rexrainbow:方式/組織,學習方式有很大的關係吧. 04/24 10:33
→ rexrainbow:太大的神經系統(大腦)做不出來,目前的類神經網路不夠用 04/24 13:13
→ DarkerDuck:的確只能做出很小的啊，現在連果蠅大小的神經網路 04/24 13:17
→ DarkerDuck:都做不太出來 04/24 13:17
→ DarkerDuck:因為現在現在類神經網路只負責一些簡單的工作， 04/24 13:18
※ 編輯: DarkerDuck 來自: 219.80.140.251 (04/24 13:19)
→ DarkerDuck:太多類神經元並無法增加精準度和效率 04/24 13:20
→ DarkerDuck:太複雜的工作，一坨沒有經過分區分層分類的類神經元 04/24 13:21
→ DarkerDuck:網路是無法達成的 04/24 13:21
→ rexrainbow:這倒是真的,如果只針對單一目的,的確不需要過大的NN 04/24 13:21
→ BruceX:推文好長... 04/25 13:31
推 j022015:我瞎了... 有迴路燒斷的感覺 這不是我的領域... ˊ口ˋ 04/25 18:48
推 popoka:長知識推~ 我竟然都看完了~ 還看得懂... 04/28 14:49
推 Gemani:簡單易懂 推 04/30 12:46
→ rofellosx:每次來攻殼都覺得走錯版.. 05/03 09:42