Стивен Котлер - Будущее быстрее, чем вы думаете. Как технологии меняют бизнес, промышленность и нашу жизнь

В двух следующих главах мы изучим девять экспоненциальных технологий, которые уже начинают конвергировать. Все они подчиняются закону Мура – продолжающейся уже 60 лет волне роста вычислительной мощности. Производительность транзисторных процессоров [74] Бриньолфсон Э., Макафи Э. Вторая эра машин. Работа, прогресс и процветание в эпоху новейших технологий. М.: АСТ, 2017. – а ею измеряется величина этой волны – обычно вычисляют во флопсах (FLOPS), количестве операций с плавающей запятой в секунду [75] Числа с плавающей запятой – способ представления чисел в компьютере, когда на запись выделяется фиксированное число разрядов (мантисса), а затем в этой записи определяется место для запятой, которая отделяет целую часть от дробной (порядок). Так, числа 1234,5 и 1,2345 имеют одинаковую мантиссу, но разный порядок. Операции с плавающей запятой – это арифметические операции, которые выполняет процессор с такими числами. Прим. науч. ред. . В 1956 г. наши компьютеры были способны на десять тысяч флопсов в секунду. В 2015 г. производительность компьютеров достигла одного квадриллиона (10 15) флопсов. Этот прогресс в триллион раз и стал важнейшей силой, двигавшей вперед технологию.

Однако в последние несколько лет закон Мура замедлялся [76] Eeckhout L. Is Moore’s Law Slowing Down? What Next? IEEE Micro. Vol. 37. No. 4. Pp. 4–5. . Все упирается в физику. Совершенствование интегральных схем шло по пути сокращения расстояния между соседними транзисторами, что позволяло чем дальше, тем больше натолкать их в микросхему. В 1971 г. расстояние между транзисторами составляло 10 тыс. нанометров. К 2000 г. оно сократилось где-то до сотни нанометров. Сегодня его удалось сократить до пяти, и вот тут-то начались трудности [77] 10 тыс. нанометров – это техпроцесс начала 1970-х гг. Техпроцесс – то, с какой точностью можно напечатать на плате то, что спроектировано. При описанной точности техпроцесса расстояние между процессорами, скорее всего, было больше. Например, в процессорах Intel уже в 2000-х гг. при 14-нанометровом процессоре расстояния между транзисторами составляли 70 нанометров. Прим. науч. ред. . При таких микроскопических масштабах – а это уже молекулярный уровень – число задействованных в переносе тока электронов сокращается, и эти полупроводниковые элементы начинают ощущать влияние квантования проводимости, что разрушает их вычислительную способность. Это ставит жесткий физический предел увеличению числа транзисторов, и это лебединая песня закона Мура.

А может, и нет.

«Закон Мура был не первой [78] Kurzweil, Law of Accelerating Returns. , а только пятой по счету парадигмой, ускорявшей рост соотношения цена/производительность, – пишет в книге “Закон ускоряющейся отдачи” [79] В сети есть неизданные переводы на русский язык. Прим. ред. Рэймонд Курцвейл. – Мощность вычислительных устройств (в единицу времени) постоянно умножалась, начиная с механических счетных устройств, применявшихся при переписи населения США 1890 года; потом была дешифровочная машина Robinson Алана Тьюринга, взломавшая секретные коды нацистской Enigma, затем – ламповая вычислительная машина CBS, предсказавшая избрание Эйзенхауэра в президенты США, далее – компьютеры на основе транзисторов, использовавшиеся для первых космических запусков, а потом дошло и до персональных компьютеров на интегральных микросхемах, на один из которых я сейчас надиктовываю этот свой очерк».

Курцвейл отмечает, что всякий раз, когда экспоненциальная технология исчерпывает свою полезность, на смену ей приходит другая. Так дело обстоит и с транзисторами. Сейчас выдвинуто уже с полдюжины решений, предотвращающих конец закона Мура. Исследуются альтернативные способы применения материалов, например замена кремниевых микросхем карбоновыми нанотрубками, что ускорит переключения и улучшит рассеяние тепла. Тестируются и новаторские конструкторские решения, в том числе трехмерные интегральные схемы, которые за счет компактной упаковки увеличивают площадь поверхности для размещения транзисторов. Разработаны и специализированные микросхемы – при ограниченной функциональности быстродействие у них фантастическое. Или взять разработанный компанией Apple в 2018 году процессор А12 Bionic [80] См.: apple.com/iphone-xs/a12-bionic/ . : он не только управляет ИИ-приложениями, но и проделывает это с молниеносной скоростью девять триллионов операций в секунду.

Но все это бледнеет в сравнении с квантовыми вычислениями.

В 2002 г. учредитель D-Wave, одной из самых первых компаний, взявшихся создавать квантовые компьютеры, Джорди Роуз выдвинул квантовую версию закона Мура, получившую название закона Роуза [81] Тим Феррисс отлично поработал, полно описав и саму идею, и историю ее появления, см.: tim.blog/2018/05/31/steve-jurvetson/ . . Логика та же, что и у закона Мура: число кубитов в квантовом компьютере каждый год удваивается. Однако закон Роуза характеризуют как «закон Мура на стероидах», поскольку кубиты в суперпозиции обладают намного большей производительностью, чем двоичные биты в транзисторах.

По этой причине у нас не может быть четкого представления о том, какие инновации возникнут, когда квантовые вычисления достигнут уровня технологической зрелости. Но исходя из того, что мы знаем, перспективы завораживающие. Физика и химия, как известно, представляют собой квантовые процессы, и значит, вычисления на кубитах провозгласят для нас, выражаясь словами физика Саймона Бенджамина из Оксфордского университета [82] Из выступления Саймона Бенджамина в школе Оксфорд-Мартин в феврале 2016 г., подробнее см.: www.oxfordmartin.ox.ac.uk/videos/the-dawn-of-quantum-technology-with-prof-simon-benjamin/ . , «золотой век открытия новых материалов, химических соединений и лекарственных препаратов». Квантовые вычисления расширят также возможности искусственного интеллекта, введут новые представления о кибербезопасности и обеспечат имитационное моделирование систем невероятной сложности.

Посмотрим, как квантовые вычисления пригодятся нам в создании новых лекарств.

Вот как это объясняет Чед Ригетти: «[Технология] меняет экономическую основу научных исследований и разработок. Предположим, вы хотите создать новый препарат от рака. Вместо того чтобы строить огромную лабораторию для классических экспериментов и в сотнях тысяч пробирок тестировать свойства сотен тысяч различных соединений, вы сможете произвести большинство исследований в компьютере» [83] В конце 2020 года DeepMind представила решение AlphaFold 2, которое показывает очень хорошие цифры по предсказанию структуры белков, используя «классические» компьютеры и машинное обучение. Прим. науч. ред. . Иными словами, расстояние от продуктивной идеи до готового лекарства должно существенно сократиться.