Поиск имеет своё измеренье..

Поиск имеет своё измеренье-
Словно находятся знаний тех звенья,
Словно имеет исход каждый миг,
В месте где разум из жизни возник.

Это рождение нового смысла
Выстроит в ряд бесконечные числа,
Разум очистит, открыв новый путь-
Дальних пределов неведома суть.

Новый закон открывая столетья,
Нам вдруг покажет мир в новом свете.
Как постижение вех бытия-
У каждого времени ноша своя.

Если бы знать что ещё там случится-
Люди могли бы парить словно птицы.
Радуясь так красотою земной-
Где каждый может иметь выбор свой.

Где постиженье имеет свой случай,
Видит наш мир сознание лучше-
Словно продлилась иная стезя,
Жизни пространство на годы пронзя.

Нужная фраза находит ответ-
Ведь для неё невозможного нет.
В главном вопросе предел бытия
Знает создатель наш разум маня.

Словно свершилось прекрасное диво-
В жизни всё в нашей должно быть красиво.
Мир открывает свой лик мудрецам-
Те что воздвигли знаний свой храм.

Те что хотели за всё быть в ответе,
Чтобы увидеть мир в новом свете.
Чтобы не грезить впотьмах наяву-
Мысли находят свершенья всему.

Правда лишь в том, что достигнуть всё можно-
Даже когда это так сложно.
Даже когда исход лишь один-
Веру докажем стремленьем своим.

Там на скрижалях забытых свершений
Будут следы других поколений.
Там где возникнет в нас мир иной-
Боги покажут нам норов свой..





 Как устроен наш текст или собственно язык - кажется почти непостижимая задача. 
Решить дифференциальное уравнение? Без проблем.  А вот понять математику текста вроде не сложно - но только на первый взгляд.
Какая то навязчивая идея  к библиотеке программ компьютеру нужен прямой доступ. Компьютер должен знать языки и уметь писать хотя бы несложные программы. Но на деле данная задача оказывается более чем сложная. 
Иногда мне нужно несколько простых фраз ни о чём  Создание сильного ИИ -это может быть крайне маловероятным событием на горизонте планирования в 10-20 лет.  ИИ может вероятно пойти в своих мыслях дальше - как то- что кажется и тем что происходит на самом деле в области программирования.

 Однако - неоспоримый факт - что он однажды самостоятельно - без разных указаний со стороны своих создателей начнёт решать задачи
Отсюда начинается новый этап развития. По этой же причине непонятно происхождение вопроса и из описания очевидца - который лучше простых людей смыслит в этом не тривиальном вопросе. Компьютеры уже сейчас обладают достаточно большой мощностью для решения некоторых сложных задач ИИ. 
Однако- их используют часто для банального развлечения  И это по сути все то- что может быть  вообще постигнуто в результате человеческих усилий.  Странная ситуация складывается в этом банальном вопросе.
 Но моя мысль кажется такой же определённой как  любая вещь на свете 
Право- я изумлен- что среди стольких незаурядных умов- которые могли бы выполнить эту задачу гораздо лучше меня- не нашлось ни одного- у кого хватило бы терпения разрешить эти вопросы: почти все они напоминали путников- покинувших столбовую дорогу ради боковой тропки и заблудившихся среди терновника и обрывов.  Всё это нужно для более эффективной эволюции разума и жизни  Эта фраза звучит здесь правдоподобно  но всё же всё необходимо сравнивать  с тем чем мы располагаем на сегодня.
 Кто то просто с улицы в дом зашёл. Выпил чаю горячего. Включил компьютер и ему хорошо уже.  ИИ не должен тратить время- пытаясь понять взгляды людей- которые сделали недоверие ИИ своей профессией.  Осознанность художника как преданного себе персонажа является симуляцией сознания- хотя и достигаемой не вполне ясным путём.  Как это объяснить всё компьютеру? 

Да- возможно так и должно быть  Мы реагируем на вещи из-за их значения- а не только из-за их внешнего вида. Короче- мы понимаем содержание мыслительного вопроса и его детали.  А что такого есть в этих словах? Ну- наверно много - может миллионы или ещё больше 
разных неуловимых комбинаций слов. Машине сложно это понять - хотя воспроизвести это она в состоянии.
 Жизнь основана на молекулярных структурах- которых великое множество.  Здесь просто нет таких букв  но в целом просто  и относительно  доступно написано.  Какие практические цели преследует создание именно сильного ИИ? 
 Простые цепочки словоформ и фраз могут не отражать некоторых связанных структур текста - даже если человек очень умный и важный сам по себе - он творит не по программе - а так как это ему легло на душу. А что такое душа - нам пока не известно. Это наверное очень большой объём связанных данных.
 Затем  происходит некоторое дополнение ко всему что находится в памяти. Тогда формируется сложный образ  восприятия сказанного здесь.
 Искусственный интеллект не уничтожит людей. Поверьте мне на слово  К нашей библиотеке созданных произведений нужен прямой доступ  тех кто сможет всё это осознать.  Может когда то это смогут понять и компьютеры - но это уже будет не просто компьютер - а что то намного большее по степени своего интеллекта.
И кто то должен будет оценить всё это написанное. Так - компьютер может просто не осознать проведённую глубину своей же работы.
И мне остается только зафиксировать то что происходит - это обычная  последовательность операций ИИ - информация - алгоритм - цель или задача - всё может быть просто или не так просто  как кажется вначале. Потому что каждые новые знания повышают общий уровень сложности всего процесса.
 И это всё написано лишь согласно инструкции в тексте программы  короткие фразы - для чего это нужно  до вселенских масштабов  если жить только для себя своими мелкими заботами о собственном благополучии.

 Когда речь идет о сфере искусственного интеллекта - то вопросы здесь не возникают сами собой - но они рождаются в недрах этого сложного существа подобия логики -как истинный интеллект всего сущего.  Мы не знаем когда это реально произойдёт - сегодня или завтра - или ещё достаточно нескоро  Но так ли это на самом деле важно для развития цивилизации- он как искусственный разум кажется пока и сам не знает кто или что он такое есть  -И здесь нужно просто понять в чём сущность вопроса - почему мы с такой неизбежностью ввергнуты в этот процесс математического самопознания ИИ?

Не стоит осознавать или записывать всё что мы знаем - хотя мы этим постоянно занимаемся с легкой иронией. Это происходит так как сообща можно добиться лучших результатов чем в одиночку. У разработчиков например нет единого мнения на этот счёт. Пока новое поколение кибернетиков несет вахту- они видят нашу эпоху как время нового виртуального потенциала для трансформации современного «киборга»-человека. Если конечно это верный путь развития.
Нет ничего определённей возможного - что это ошибка как бы закралась в нашем подсознание и не даёт нам обрести новую степень свободы сознания.
Когда группа компьютеров начинают обмениваться собранными данными - в них появляется что то по сути новое. Ведь человек не способен обработать в голове так много информации вместе. Суть в том что никто по сути не знает всех возможностей этих новых машинных языков. Правда есть одно небольшое но - которое не позволяет нам приступить к созданию сильного ИИ. Это то что мы не можем предсказать в каком направлении собственно идёт этот путь усложнения обработки виртуальной информации..
И возможно системный ИИ поможет нам разобраться в этом сложном и запутанном процессе развития всего человечества.
Сейчас, если округлять, в день мы производим порядка 2,5 квинтильонов байт (2,5 * 10^18 байт) новой информации.

  Парадигма искусственного разума. 21-й век вместе с ИИ меняет наше сознание.
  Сознание иногда строит довольно замысловатые конструкции нашего мира. На чём это всё основано?
 Это связано в основном как мы воспринимаем окружающую нас реальность. Реальность вещь сложная - нужно разобраться
 на чём это всё держится.
 Многие вещи привязаны к тем понятиям, по которым мы их используем или создаём. Здесь главная тема или идея будет не то,
 что думает об этом человек. Главная мысль другая - как может мыслить человек если его разум привязан к компьютерным
 технологиям будущего глобального ИИ, который должен образовать с нашим разумом некоторый симбиоз связанных нейронных
 понятий. Сейчас это всё звучит довольно странно, но поверьте что наш мир в будущем допускает то что ИИ превзойдёт
 своего создателя сначала в простых вещах, а затем станет доминирующей разумной парадигмой в масштабах всей планеты,
 всей информации которой управляет человечество.
 Средняя частота фразы «искусственный интеллект» на миллион употреблений: 146 раз.  Вроде не так уж и много.  Но
 поверьте, эта тема интересует достаточно многих людей, особенно те кто занимаются компьютерами и программированием.
 Сколько информации помещается в мозге человека?
 Сложный вопрос, но учёные считают что это примерно 1-3 петабайт - или  3 000 000 000 000 000 байт информации - либо
 3 тысячи дисков ёмкостью 1 терабайт. Данный факт сложно проверить, так как вводить или выводить информацию  из мозга
 с помощью компьютерных интерфейсов мы не умеем и врядли скоро научимся это делать. Возможно столько информации нужно
 чтобы сделать модель мозга, но это виртуальная модель, которая может требовать значительно больше ресурсов - это как
 эмулятор, которому не хватит всех мощностей самого мозга. Наш мозг хотя и имеет очень сложную структуру или нейронно-
 синаптическую конфигурацию, в целом работает довольно просто, расходуя при этом лишь около 10-20 ватт энергии.
 Типичный суперкомпьютер потребляет огромное количество электроэнергии - до нескольких мегаватт в час. При потреблении
 4 МВт в час,  или 4 000 кВтв час, по средней цене 4 рубля за 1 кВт/ч, рабочий час такого гиганта будет обходиться
 в 384 тыс. рублей в сутки, или более 140 млн. рублей в год. Обычный компьютер потребляет примерно 500 ватт - тоже
 не так мало по сравнению с мозгом. Чтобы смоделировать наше сознание понадобятся десятки тысяч компьютеров.
 Но и это вобщем то пока невозможно, - потому что кроме компьютерных мощностей нужны умные программы.
 Такое ПО, которое сможет создать симмуляцию работы человеческого мозга пока ещё не создано и это говорит лишь о том
 насколько это сложная задача. Алгоритмы обучения нейронных сетей оставляют желать лучшего даже сегодня.

  Суперкомпьютер Summit США, который по мощности вдвое превосходит своих конкурентов считается самым мощным. 
 Производительность этой вычислительной машины достигает 200 петафлопс или 200 тысяч триллионов операций в секунду. 
 Суперкомпьютер состоит  из 4608 серверов и обладает более чем 10 петабайтами оперативной памяти.
 Frontier - первый в мире экcафлопсный суперкомпьютер, размещён в Ок-Риджской национальной лаборатории, США, запущен
 в 2022  году.  Это преемник суперкомпьютера Summit.  В июне 2022 года стал самым быстрым суперкомпьютером в мире в
 рейтинге Top 500.
 Frontier имеет заявленную производительность в 1,102 эксафлопс, а пиковую - 1,686 эксафлопс при среднем
 энергопотреблении порядка 21,1 МВт.

 Что касается информации, хранящейся в Сети, то мировой объем данных в 2020 году составил 59 зеттабайт.
Зеттабайт это 10 в 21 степени байтов.
 Если верить расчетам Калифорнийского университета в Беркли, весь интернет весит всего 50 граммов! По крайней мере,
 такое число озвучили сотрудники научного канала. Исследователи заявляют, что именно такова физическая масса всех
 электронов, движение которых обеспечивает работу интернета. Так что не только большие мощности и объёмы данных
 позволяют нам понять насколько сложно создать ИИ сопоставимый с человеческим. Видимо всё дело в том как упакована
 информация на носителях данных и насколько просто к ней получить доступ. Говорят что на одного человека приходится
 примерно 300 мега байт информации которую генерируют люди и компьютеры всего за день.  А население земли в ноябре
 2022 года уже достигло  8 миллиардов.  На конец апреля 2022 года в мире зафиксировано более 5 миллиарда пользователей
 интернета.  А различных устройств которые можно подключить к сети  уже давно превысило население планеты. В 2021 году
 только число мобильных устройств, работающих по всему миру, составило почти 15 миллиардов, по сравнению с чуть более
 чем 14 миллиардами в предыдущем году.

 Сколько всего слов в русском языке? Около 150 000 слов современного русского литературного языка, если добавить
 диалектные слова, то получим уже 400 000 слов. Эти все слова врядли используют все люди - но тем не менее эта
 статистика имеет место быть.
 100 триллионов синапсов  разделить на 86 миллиардов нейронов получим среднее число 1163 синапса на один нейрон.
 Хотя у некоторых нейронов может быть 10000 и более синаптических связей, которые периодически меняются.
 Примерно несколько синапсов у каждого нейрона пере-соединяются  раз в день. Это довольно сложный процесс перезаписи
 информации мозга.
 Также около 100-120 триллионов клеток составляют организм человека - довольно сложная математика. У каждой клетки
 около 3,15 миллиардов нуклеотидов и около 30000 кодирующих белки генов. Поскольку каждая базовая пара может быть
 закодирована 2 битами, это около 750 мегабайт данных генетической информации клетки. Хотя у разных клеток эта
 информация может немного отличаться из-за мутаций. Всего в теле взрослого  человека насчитывается около 230 различных
 типов клеток.
 Человеческий мозг содержит около 200 млрд нервных клеток, сюда входят не только нейроны, но например глиальные клетки.
 От каждой нервной клетки могут отходить десятки тысяч синапсов. В одной только коре больших полушарий человека
 находится около 125 трлн. синапсов.

  Мы пытаемся моделировать нейронные сети мозга на видео картах.  Графический процессор NVIDIA GA102, лежащий в основе
 RTX 3090 (Ti), насчитывает 28,3 млрд транзисторов. На момент своего появления этот чип считался просто очень огромным,
 ведь TU102 в составе RTX 2080 Ti имеет всего 18,6 млрд.  Однако на фоне GPU AD102, являющимся основой грядущей
 RTX 4090, предшественники выглядят откровенно слабо.
  NVIDIA AD102 приписываются рекордные в потребительском сегменте и почти рекордные в абсолютном исчислении 75+
 миллиардов транзисторов.
 То есть почти втрое больше, чем у RTX 3090 Ti.  Единственный более крупный чип – H100 ( около 80 млрд транзисторов)
 в составе одноимённого GPU- ускорителя NVIDIA.
  На сегодняшний день в ИИ-отрасли высокой популярностью пользуется система обучения Transformer, на основе которой
 созданы, в частности, языковая модель OpenAI GPT-3 и медицинская модель DeepMind AlphaFold. При этом количество
 параметров в таких моделях растёт по экспоненте:
 если в 2019 г. языковая модель GPT-2 насчитывала 1,5 млрд параметров, то через два года сходная модель насчитывала
 уже 1,6 трлн параметров.
 Nvidia объявила о создании новых GPU и CPU для особо высокопроизводительных вычислений и пообещала построить самый
 производительный суперкомпьютер для работы с искусственным интеллектом.  Обучение таких систем может занимать от
 нескольких недель до нескольких месяцев.
 Более того  можно пытаться увеличивать количество GPU в центре обработки данных, но с определённого момента прирост
 производительности останавливается.  Благодаря использованию H100, однако, время обучения может сократиться в шесть
 раз, по сравнению с процессорами предыдущих поколений.
 Высокопроизводительная шина NVLink четвёртого поколения позволяет соединять до 256 GPU H100, обеспечивая девятикратный
 прирост пропускной способности, по сравнению с предыдущими поколениями.
 Сам по себе процессор H100 содержит 80 млрд транзисторов. Это первый графический процессор, поддерживающий PCIe Gen5
 и HBM3; благодаря этому пропускная способность памяти достигает 3 терабайт в секунду.  В Nvidia утверждают, что H100
 в три-шесть раз превосходит процессор предыдущего поколения A100 в вычислениях с плавающей запятой в зависимости
 от разрядности.
 Что касается Grace CPU, то это фактически два процессора, соединённых шиной NVLink-C2C.  Grace предназначен для
 использования в «гипер-масштабных высокопроизводительных вычислениях и сфере ИИ» в комплекте с H100 или самостоятельно.
 Процессор насчитывает 144 ядер Arm, а его пропускная способность составляет 1 терабайт в секунду.
  Помимо этого Nvidia планирует создать самый высокопроизводительный ИИ-суперкомпьютер Eos, который будет построен на
 основе архитектуры Hopper.  Для его строительства задействуют 4600 GPU H100, что обеспечит «ИИ-производительность»
 около 18,4 экзафлопс.

  Американская компания Cerebras Systems совместно с TSMC выпустила самый большой и производительный в мире процессор
 на кристалле. Новинка 2021 года, получившая название Wafer Scale Engine 2 (WSE-2), является преемником чипа WSE,
 выпущенного компанией в 2019 году  с 1,2 трлн  транзисторами на большом кристалле.
 Размеры нового чипа составляют 220x220 мм – на производство одной такой микросхемы уходит целая 300-миллиметровая
 кремниевая пластина.
 На площади чипа размером 46255 мм2 ( примерно в 56 раз больше площади самого крупного графического процессора Nvidia
 A100 ) умещается 2,6 трлн транзисторов.
 При одинаковых габаритах WSE-2 отличается от предшественника пониженным энергопотреблением, более чем удвоенным числом
 транзисторов и ядер. Это стало возможным благодаря переходу с 16-нанометрового на более совершенный, 7-нанометровый
 техпроцесс.