За что «платит» каждый робот: физики о скрытой цене интеллекта

Международная группа физиков под руководством Ханса Бригеля из Университета Инсбрука выяснила, что эффективность интеллектуальных систем упирается не в объём памяти, а в умение вовремя забывать. Результат, опубликованный в журнале Physical Review X, показывает: агент, который стремится извлечь максимум энергии из окружающей среды, в ряде случаев должен сознательно отбрасывать сведения, улучшающие его прогнозы. Это противоречит интуитивному представлению, что больше данных — всегда лучше, и указывает на глубокую связь между предсказанием, памятью и термодинамикой. Информация и энергия в физике тесно переплетены, и новая работа демонстрирует, как это переплетение влияет на поведение разумных машин.

Физика обработки информации

Под агентом в этой работе понимается система, которая собирает данные из окружения и реагирует на них. Это может быть робот, движущийся по комнате и постоянно обновляющий свою картину мира. Каждое такое взаимодействие — физический процесс, требующий энергии. Ещё в 1961 году физик Рольф Ландауэр показал, что стирание информации имеет фундаментальную энергетическую стоимость. Однако связь работает и в обратную сторону: при определённых условиях агент способен извлекать полезную энергию из знаний о физической системе.

Новое исследование отвечает на вопрос: каково максимальное среднее количество полезной работы, которую идеальный агент может получить за одно взаимодействие со средой? Авторы построили точный термодинамический эталон для сравнения разных способов организации памяти и действий. В отличие от прежних работ, здесь поведение агента влияет на его последующие наблюдения — как в реальном мире. Это принципиально меняет картину, поскольку пассивное восприятие и активное вмешательство подчиняются разным законам.

Термодинамический оптимум: когда память мешает

Ранее считалось, что агент, пассивно обрабатывающий информацию, достигает термодинамически оптимальной работы, только если постоянно держит в памяти всё, что нужно для прогноза будущих наблюдений. Новая модель показывает: для агентов, чьи действия меняют среду, это не так. Математическое доказательство показывает, что в некоторых окружениях сохранение всей информации, необходимой для идеального предсказания, препятствует достижению наилучшей энергоэффективности.

Чтобы добиться максимума, агенту приходится забывать часть собственной истории действий — даже те сведения, которые улучшили бы прогноз. Эффект сохраняется при любом объёме доступной памяти и не зависит от практической стоимости хранения данных на современных чипах. Это принципиальный вывод.

«Удивительно то, что агент может получить энергетическую выгоду, забывая информацию, которая на самом деле улучшила бы его предсказания», — говорит ведущий автор Лукас Фидерер. «Этот конфликт возникает из фундаментальных законов физики».

Другими словами, даже если память ничего не стоит, природа запрещает одновременно предсказывать идеально и извлекать максимум работы. Это не техническое ограничение, а свойство физического мира, которое останется с нами навсегда.

Парадокс робота у двери

Простой пример помогает понять суть открытия. Представьте робота, который открывает дверь. Если бы он помнил, с какой силой толкнул створку, то мог бы точнее предсказать её движение в следующий момент. Но, как показывают расчёты, в некоторых ситуациях для максимизации извлекаемой энергии робот должен стереть эти данные.

Забыв, как именно он воздействовал на дверь, агент теряет информацию, полезную для прогноза. Однако эта потеря позволяет ему извлечь из взаимодействия больше полезной работы. Парадокс разрешается тем, что энергетическая ценность разных воспоминаний неодинакова, иногда «лишние» сведения создают помехи при оптимизации потока энергии. Именно поэтому эволюция и инженерия могут выбирать забывчивость как стратегию— даже ценой ухудшения предсказаний.

Основа для эффективных агентов будущего

Современные компьютеры работают далеко от этих фундаментальных пределов. Но исследование даёт ориентир, к которому может приближаться техника будущего. По мнению авторов, доказательство принципиальной возможности уже сейчас можно продемонстрировать на экспериментальных установках. Это может стать первым шагом к созданию «термодинамически разумных» машин.

Работа ставит и более глубокие вопросы. Если предсказание и забывание — две стороны одного физического оптимума, то как это скажется на разработке устойчивых систем ИИ? Возможно, инженерам придётся сознательно проектировать «забывчивые» алгоритмы, чтобы сократить энергопотребление. Это особенно актуально в эпоху, когда вычислительные мощности растут, а энергетические ресурсы ограничены.

• Оптимизация памяти в робототехнике для снижения затрат энергии;
• Создание новых принципов обучения нейросетей с учётом термодинамики;
• Разработка алгоритмов, которые адаптивно забывают неважное.

Каждое из этих направлений может опираться на новый теоретический результат как на эталон эффективности. Но главное — исследование напоминает: даже самые абстрактные вычислительные процессы имеют физическую цену.

Пока неизвестно, сумеют ли реальные системы в полной мере приблизиться к этому идеалу. Но сама постановка вопроса неожиданна: быть может, самый энергоэффективный интеллект— это не тот, что помнит всё, а тот, что вовремя отбрасывает лишнее. Какие ещё привычные представления об ИИ перевернут законы физики?