Пятое поколение и современность (1990-е — н.в.)

Когда говорят о пятом поколении ЭВМ, часто вспоминают масштабную японскую программу FGCS (Fifth Generation Computer Systems), запущенную в 1982 году. Её цель — создать компьютеры, которые выйдут далеко за рамки просто более мощных машин: они должны были обладать зачатками искусственного интеллекта, уметь работать с большими базами знаний, распознавать речь и образы, гибко адаптироваться к задачам пользователя. В основе лежали идеи массово-параллельных вычислений и логического программирования.

Однако к 1992 году проект завершился, не достигнув многих амбициозных целей. Среди причин — переоценка возможностей ИИ на тот момент, недооценка сложностей аппаратного развития, а также то, что бурное распространение интернета сделало часть изначальных идей проекта менее актуальными. В итоге термин «пятое поколение» в строгом смысле не закрепился как чёткая веха, но в широком смысле именно с этого периода началась эпоха, где на первый план вышли распределённые вычисления, интернет, мультимедиа, а позже — облачные технологии, большие данные и продвинутый ИИ. То есть фокус сместился с попытки создать «один суперкомпьютер-мозг» на создание сетей и сред, где интеллект и вычислительные ресурсы распределены и взаимодействуют.

Квантовые вычисления (экспериментальные стадии)

Идея использовать законы квантовой механики для вычислений оформилась в 1980-х (работы Ричарда Фейнмана, Юрия Манина, Пола Бениоффа). В 1990-е годы теория получила серьёзный импульс: появились первые квантовые алгоритмы. Ключевым событием стал алгоритм Шора (1994 год): он показал, что квантовый компьютер способен очень быстро раскладывать большие числа на простые множители, что напрямую угрожает современной криптографии и одновременно открывает путь к новым решениям в моделировании молекул, оптимизации сложных систем и разработке лекарств.

В конце 1990-х учёные начали ставить первые эксперименты. Например, в 1998 году двухкубитный квантовый компьютер на основе ядерного магнитного резонанса (ЯМР) успешно выполнил квантовый алгоритм Дойча — Йожи. Однако на этом пути сразу проявились серьёзные сложности: декогеренция (потеря квантового состояния из-за взаимодействия с окружающей средой) и высокий уровень шума. Из-за этого сейчас говорят об эпохе «шумных квантовых компьютеров промежуточного масштаба» (NISQ) — мы ещё не имеем машин с тысячами стабильных кубитов, но уже исследуем, что они могут делать в текущих условиях. Тем не менее прогресс есть: появляются новые типы кубитов (на ионах, сверхпроводниках, квантовых точках), развиваются методы коррекции ошибок.

Нейроморфные вычисления (экспериментальные стадии)

Этот подход вдохновлён устройством биологического мозга: цель — создать аппаратные системы, которые имитируют структуру и принципы работы нейронных сетей. Основы заложил Карвер Мид в конце 1980-х: он ввёл термин «нейроморфная инженерия» и разрабатывал аналоговые VLSI-схемы, воспроизводящие поведение нейронов и синапсов.

В 1990-е годы исследования продолжались, в том числе в направлении импульсных (спайковых) нейронных сетей. А в 2010-х и далее появились первые практические реализации:

IBM TrueNorth (2014) — цифровой чип с примерно миллионом нейронов и 256 миллионами синапсов.

Intel Loihi (первое поколение — 2014, Loihi 2 — 2021) — фокус на событийно-ориентированных вычислениях, минимизирующих активность и перемещение данных.

SpiNNaker (Манчестерский университет) — кластер ARM-процессоров для моделирования миллионов нейронов в режиме, близком к биологическому реал-тайму.

BrainScaleS (Гейдельбергский университет) — аналоговый нейроморфный ускоритель.

Важный шаг — развитие программных инструментов. Например, для Loihi создали открытую среду Lava, чтобы упростить разработку нейро-вдохновлённых и гибридных приложений.

При этом нейроморфные системы пока остаются в основном исследовательским инструментом. Их ключевое преимущество — потенциально очень высокая энергоэффективность при параллельной обработке данных, что перспективно для робототехники, сенсорных систем, задач ИИ, где важна адаптивность. Но есть и сложности: не всегда просто подобрать подходящие алгоритмы, а инфраструктура для массового внедрения пока формируется

Итог

И квантовые, и нейроморфные вычисления сейчас находятся на экспериментальных, но активных стадиях развития. Они не столько заменяют классические компьютеры, сколько открывают ниши для задач, где традиционные архитектуры бессильны или крайне неэффективны. В перспективе эти подходы могут даже дополнять друг друга — например, в гибридных системах.

Телеграм: t.me/ainewsline

Источник: vk.com

Комментарии: