Автор книги: Азим Ажар
Жанр: Управление и подбор персонала, Бизнес-Книги
сообщить о неприемлемом содержимом
Текущая страница: 3 (всего у книги 22 страниц) [доступный отрывок для чтения: 7 страниц]
Именно это мы и имеем в виду, когда говорим, что закон Мура – это социальный факт, а не жесткое правило: полупроводниковая промышленность была чрезвычайно заинтересована в том, чтобы ему соответствовать. По оценкам некоторых экономистов, объем исследований, направленных на поддержание закона Мура, с 1971 по 2018 год увеличился в восемнадцать раз. Стоимость строительства полупроводниковых фабрик росла примерно на 13 % в год – самые современные стоят пятнадцать миллиардов долларов и более[34]34
David Rotman, “We’re Not Prepared for the End of Moore’s Law,” MIT Technology Review, February 24, 2020. https://www.technologyreview.com/2020/02/24/905789/were-not-prepared-for-the-end-of-moores-law/.
[Закрыть].
Несмотря на все усилия, в конце 2010-х годов рост числа транзисторов на единицу площади начал замедляться. Подобно притиснутым друг к другу и изнывающим от пота пассажирам в жаркий день, эти микроскопические схемы стали раздражать друг друга. Каждый миниатюрный транзистор выделяет тепло, которое может воздействовать на соседние схемы и ухудшать их надежность, и с этой проблемой инженерам все сложнее бороться. Более того, современные транзисторы настолько малы – всего несколько атомов в ширину, – что вскоре на них могут начать действовать причудливые законы квантовой физики. При таких масштабах частицы настолько малы, что ведут себя как волны, то есть способны проходить через физические барьеры и проникать туда, где им не место. Закон Мура перестает выполняться из-за квантовых эффектов, влияющих на электроны.
Однако это не означает, что рост компьютерной мощности замедлится. Компьютерная революция не демонстрирует никаких признаков замедления. Рэй Курцвейл, один из ведущих мировых аналитиков технологий, выдвигает теорию технологического развития, которая пытается объяснить почему. Он считает, что технологии имеют тенденцию развиваться ускоренными темпами – в соответствии с тем, что он называет законом ускоряющейся отдачи. В основе модели Курцвейла лежит положительная обратная связь. Хорошие компьютерные чипы позволяют нам обрабатывать больше данных, что помогает нам узнать, как делать компьютерные чипы лучше. После чего мы можем использовать эти новые чипы, чтобы создавать еще лучшие чипы, и так далее. По Курцвейлу, этот процесс постоянно ускоряется: отдача от каждого нового поколения технологий наслаивается на отдачу предыдущего, и они даже подпитывают друг друга[35]35
Ray Kurzweil, “The Law of Accelerating Returns,” Kurzweil.net, 2001. https://www.kurzweilai.net/the-law-of-accelerating-returns.
[Закрыть].
Однако важнейшая часть теории Курцвейла не относится к какой-либо определенной технологии вроде автомобиля или микрочипа. Он сосредоточивается на взаимодействии различных технологий. Главная идея Курцвейла состоит в том, что экспоненциальное развитие технологий – это не продвижение отдельных изобретений или даже отдельных секторов экономики. На самом деле иллюзия непрерывного экспоненциального технологического развития обусловлена десятками соединенных в ряд развивающихся различных технологий, которые постоянно взаимодействуют.
Вспомните S-образные кривые в данных Хораса Дедью. Когда технология только создается, ее развитие и распространение идет по пологому градиенту. Это говорит о медленном, но значимом прогрессе. Однако в какой-то момент развитие технологии набирает темп. Происходит быстрый рост, пока на определенном этапе прогресс не сходит на нет. Наш прежде почти вертикальный график становится горизонтальным.
Однако, по мнению Курцвейла, в любой момент времени S-образной кривой следует множество технологий. Когда одна S-кривая достигает своего наивысшего градиента, стартует другая кривая. Как только наша первая кривая начинает приближаться к горизонтали, более молодая технология подходит к взрывной фазе своего ускорения и принимает эстафету быстрого роста. Что самое важное, эти разные технологии подпитывают друг друга: инновации в одном секторе вдохновляют развитие в другом. Когда одна технология достигает предела своего потенциала, новая технологическая парадигма уже ждет своего часа и подхватывает инициативу. В результате – даже если развитие отдельных технологий последовательно замедляется – темп технологического прогресса в обществе все равно ускоряется[36]36
Kurzweil also predicts a “singularity” where the capacities of computers exceed those of the human brain. This argument is not relevant to my argument, so I don’t consider it here.
[Закрыть].
Эта теория имеет глубокие последствия для будущего компьютеризации. Хотя парадигма, которую описывает закон Мура, имеет свои пределы, в целом мы не подходим к пределам развития вычислительной мощности. Мы всегда найдем какой-нибудь новый подход, который поможет удовлетворить растущие потребности пользователей. Просто в будущем увеличение вычислительной мощности необязательно будет основываться на втискивании еще большего числа транзисторов на чип.
Пока что теория Курцвейла представляется верной. В первые годы нового тысячелетия, примерно когда мы приблизились к тому, что многие инженеры сочли физическими пределами закона Мура, мы достигли переломного момента. Появилось достаточно данных и достаточно вычислительных мощностей, которые позволили разработать новую техническую парадигму – искусственный интеллект (ИИ). Это послужило катализатором совершенно нового взгляда на вычислительную мощность – вышедшего за пределы нашего прежнего подхода к проектированию микросхем.
Люди с самых давних времен размышляли о возможности создания искусственного интеллекта. По словам Стюарта Рассела, одного из ведущих мировых ученых в области искусственного интеллекта, компьютер можно считать разумным, если он способен предпринимать действия, позволяющие достичь поставленных целей[37]37
Azeem Azhar, “Beneficial Artificial Intelligence: My Conversation with Stuart Russell,” Exponential View, August 22, 2019. https://www.exponentialview.co/p/-beneficial-artificial-intelligence.
[Закрыть]. Что особенно важно, программное обеспечение для ИИ должно быть в состоянии принимать некоторые решения, а не просто слепо следовать каждому шагу программного кода.
После того как в 1955 году ученый Джон Маккарти ввел термин «искусственный интеллект», исследователи приступили к созданию именно таких «интеллектуальных» машин. В следующие шестьдесят лет исследования в области ИИ продвигались медленно. Было много фальстартов – казавшиеся существенными прорывы вели к завышенным ожиданиям, что, в свою очередь, приводило к неудачам и унынию. Проблема состояла в недостатке данных и нехватке вычислительной мощности. В течение десятилетий многие ученые верили, что любой крупный прорыв в области ИИ, вероятно, произойдет благодаря так называемому машинному обучению. Этот метод предполагает сбор огромного количества информации о проблеме и использование алгоритмов для выявления повторяющихся моделей. Например, можно научить ИИ различать кошку и собаку, показав десять миллионов фотографий кошек и собак и недвусмысленно объяснив машине, кто – кошки, а кто – собаки. В итоге «модель» научится отличать фотографии кошек от фотографий собак. Но до сравнительно недавнего времени нам не хватало данных и вычислительных мощностей, чтобы реализовать потенциал машинного обучения. Из-за большого объема громоздких числовых задач такой подход требует большого количества информации и дорогостоящих вычислений. А таких объемов информации и таких вычислительных мощностей просто не было.
Однако к началу 2010-х годов ситуация стала меняться. Внезапно появилось колоссальное количество данных, созданных обычными людьми, которые выкладывали фотографии своей жизни в интернет. Сначала эти данные не были особенно полезны для исследователей ИИ – пока за дело не взялась профессор Стэнфордского университета Фэй-Фэй Ли. Ли – ученый-информатик, она специализируется на пересечении нейробиологии и информатики, особенно интересуясь тем, как люди воспринимают объекты. В 2009 году, вдохновленная мыслью, что цифровое отображение как можно большего количества объектов реального мира позволит улучшить ИИ, Ли создала ImageNet – проект, который за пять лет сам по себе привел к взрывному развитию полезного ИИ. Сайт превратился в подробнейшую коллекцию, содержащую 14 197 122 изображения, вручную размеченных тегами типа «овощ», «музыкальный инструмент», «спорт» и – совершенно верно! – «собака» и «кошка». Этот набор данных использовался как основа для ежегодного конкурса на поиск алгоритма, который смог бы наиболее логично и точно идентифицировать объекты. Благодаря ImageNet внезапно и в большом количестве появились качественные размеченные данные.
Одновременно с обильным потоком данных произошел взрыв вычислительной мощности. К 2010 году закон Мура привел к появлению мощности, достаточной для нового вида машинного обучения – «глубокого обучения», которое состоит в создании слоев искусственных нейронов по образцу клеток, лежащих в основе человеческого мозга. Эти нейронные сети уже давно провозглашались следующей важной составляющей искусственного интеллекта. Однако их разработка тормозилась недостатком вычислительной мощности. Теперь все изменилось. В 2012 году группа ведущих исследователей ИИ – Алекс Крижевский, Илья Суцкевер и Джеффри Хинтон – разработала «глубокую свёрточную нейронную сеть», способную применить глубокое обучение к задачам классификации изображений, с которыми так долго не мог справиться ИИ. Это стало возможным благодаря необычайной вычислительной мощи. Нейронная сеть содержала 650 тысяч нейронов и 60 миллионов параметров, которые можно было использовать для настройки системы. Это изменило всю игру. До AlexNet, как назвали изобретение команды Крижевского, большинство ИИ, участвовавших в конкурсе ImageNet, все время спотыкались, и в течение многих лет результат составлял не более 74 %. AlexNet добился 87 %. Глубокое обучение работало.
Его триумф вызвал бешеный рост интереса к тому, чем занимать искусственный интеллект. Ученые бросились создавать системы ИИ, применяя глубокие нейронные сети и их производные для решения огромного количества задач – от поисков производственных дефектов до перевода с языка на язык, от распознавания голоса до выявления мошенничеств с кредитными картами, от создания новых лекарств до рекомендаций видеофильмов, отвечающих вкусам конкретного зрителя. Инвесторы охотно открывали карманы для поддержки этих изобретателей. В кратчайшие сроки глубокое обучение проникло повсюду. В результате нейронные сети требовали все большего объема данных и все большей вычислительной мощности. В 2020 году нейронная сеть GPT-3, которая использовалась для генерирования текста, порой неотличимого от созданного человеком, использовала 175 миллиардов параметров – примерно в три тысячи раз больше, чем у AlexNet.
Однако если новый подход к вычислениям – искусственный интеллект, то каковы необходимые ему мощности? С 2012 по 2018 год компьютерная мощность, используемая для обучения крупнейших моделей ИИ, росла примерно в шесть раз быстрее, чем темпы, о которых говорилось в законе Мура. На графике ниже показан рост вычислительных операций, используемых в современных системах ИИ, на фоне экспоненциальной кривой закона Мура за тот же период. Если бы использование вычислительных мощностей ИИ следовало кривой закона Мура, то за шесть лет оно бы выросло примерно в семь раз. На деле же оно увеличилось в триста тысяч раз[38]38
Dario Amodei and Danny Hernandez, “AI and Compute,” OpenAI, May 16, 2018. https://openai.com/blog/ai-and-compute/.
[Закрыть].
Рис. 4. Относительная вычислительная мощность, используемая ИИ, по сравнению с прогнозами закона Мура
Источник: Open AI, анализ для Exponential View
Ошеломляющая статистика. Ее можно объяснить именно тем процессом, который Рэй Курцвейл определил десятилетиями ранее. В тот самый момент, когда мы подбирались к пределам старого метода (размещения большего числа транзисторов на чип), ученые, опираясь на несколько иной подход, предложили новое решение.
Ответ кроется в типе используемых чипов. Исследователи ИИ, такие как Алекс Крижевский, заменили традиционные компьютерные чипы теми, что были разработаны для высококачественной графики для видеоигр. Использовать такие чипы для повседневных вычислений смысла не имеет, но они оказались удивительно пригодными для ИИ. В частности, они хороши в математике. Вычисления, необходимые для создания реалистичных сцен в видеоиграх, требовали множества умножений. Чтобы заставить сложную нейронную сеть работать, нужно было выполнить миллионы, а иногда и миллиарды таких умножений, и графические чипы справлялись с этой задачей.
Когда стало понятно, что рынок таких чипов расширяется, компьютерная индустрия приняла вызов. Разработчикам искусственного интеллекта требовалось больше мощности, и специализированные чипы позволяли этого добиваться. Калифорнийская компания Cerebras и британская Graphcore начали производить чипы, предназначенные для одной-единственной задачи – запускать нейронные сети на высоких скоростях.
Результатом стал продолжающийся экспоненциальный рост вычислительной мощности, только уже без оков закона Мура. Этот закон обусловлен миниатюризацией – как разместить все больше транзисторов на все меньшем пространстве. Но современные чипы ИИ не зависят от борьбы за нанометры. На самом деле некоторые из них состоят из гораздо более крупных компонентов. В традиционном процессоре типа того, который стоит в вашем ноутбуке, компоненты расположены на расстоянии около семи нанометров друг от друга, то есть примерно три тысячи таких компонентов можно разместить на площади среза, равной толщине человеческого волоса. Специализированные чипы ИИ от Graphcore размещены на расстоянии шестнадцати нанометров – около 1300 на аналогичную площадь.
Это означает, что в обозримом будущем вычислительная мощность, похоже, будет расти экспоненциально. А если вдруг наши новые виды чипов в итоге окажутся непригодными для удовлетворения растущих потребностей общества в вычислительной мощности, на очереди совершенно новый подход – «квантовые вычисления»[39]39
Charles E. Leiserson et al., “There’s Plenty of Room at the Top: What Will Drive Computer Performance after Moore’s Law?” Science 368(6495), June 2020. https://doi.org/10.1126/science.aam9744.
[Закрыть]. В классических вычислениях основной единицей информации является бит, двоичная цифра. В квантовых вычислениях такая элементарная единица – квантовый бит (кубит). Квантовые биты используются в математике, лежащей в основе квантовой физики. В отличие от двоичной природы битов, которые должны быть либо 0, либо 1, квантовые биты могут представлять все значения между 0 и 1 одновременно.
Как и специализированные чипы ИИ, квантовые компьютеры не подходят для большинства видов вычислений, но они могут решать жизненно важные проблемы. Например, ученые надеются, что квантовые компьютеры позволят нам создавать азотные удобрения без выброса в атмосферу огромного количества углекислого газа. Все дело в моделировании новых видов молекул, используемых в качестве катализаторов в процессе производства удобрений. Классическим компьютерам для моделирования таких молекул потребовались бы сотни тысяч лет, а квантовый компьютер затратит на это не более одного дня[40]40
Jean-François Bobier et al., “A Quantum Advantage in Fighting Climate Change,” BCG Global, January 22, 2020. https://www.bcg.com/publications/2020/quantum-advantage-fighting-climate-change.
[Закрыть].
В одном из экспериментов, о котором сообщалось в октябре 2019 года, прототип квантового компьютера от Google выполнил вычислительный тест за двести секунд. Современный классический суперкомпьютер трудился бы над этим тестом примерно десять тысяч лет. Этот пока еще первобытный квантовый компьютер оказался более чем в миллиард раз быстрее своего классического конкурента.
Другими словами, пока что предсказание Курцвейла сбывается. Даже когда одна технологическая парадигма исчерпывает себя, возникают новые альтернативы, так что, когда мы приближаемся к границам одного подхода, появляется другой. Всякий раз, когда кажется, что какая-то технология достигает предела, изобретатели, чтобы решить проблему, будут использовать новые методы, возможно из смежных отраслей и дисциплин.
Если эта теория верна в целом, она особенно подходит для вычислительной техники. За последние полвека компьютеры – от ZX81 до прототипов квантовых компьютеров Google – становились экспоненциально быстрее. И эта экспоненциальная зависимость не проявляет признаков замедления: пока будут ускоряться компьютеры, будут развиваться новые технологические парадигмы. Как только один подход полностью исчерпывает свой потенциал, другой уже ждет, чтобы подхватить эстафету.
В этом смысле вычислительная техника стала предвестницей экспоненциальной эпохи – первой технологией, продемонстрировавшей такую поразительную скорость изменений. Она показала нам, что происходит, когда технологии ускоряются, становятся лучше и дешевле, создавая целые отрасли промышленности.
Однако компьютеры не единственная экспоненциальная технология. Во многих отраслях технологии совершенствуются со все большей скоростью, принося с собой масштабные изменения. Эклектичное сочетание социальных, экономических и политических сил способствует ускорению развития этих технологий. Далее мы обратимся именно к этому более широкому процессу ускорения и его причинам.
Глава 2. Экспоненциальная эпоха
Я знаю, что окажусь в меньшинстве, если признаюсь, что «Человек с золотым пистолетом» – один из моих любимых фильмов о Бонде[41]41
Bryno85, “James Bond Movies Ranked via IMDb Rating,” IMDb, October 18, 2015. http://www.imdb.com/list/ls078535153/.
[Закрыть]. Картонность персонажей фильма может посоперничать только с картонностью его декораций. Но в этом есть своеобразная прелесть. Джеймс Бонд, сыгранный Роджером Муром с характерным для него чувством комического, преследует наемного убийцу Франциско Скарамангу среди прекрасных тропических пейзажей от Макао до Таиланда. Скараманга украл солекс, устройство, способное преобразовывать энергию Солнца в электрическую. Бонду поручено его вернуть. Весь фильм – упражнение в «технофетишизме», символ которого – футуристическая солнечная электростанция на собственном острове Скараманги, где они с Бондом в конце концов разбираются один на один.
Фильм вышел в 1974 году, и в нем отражены тревоги мира, который в тот момент пребывал в беспрецедентном нефтяном кризисе. В октябре 1973 года группа стран – экспортеров нефти Ближнего Востока объявила эмбарго, отказавшись поставлять нефть США и ряду их союзников из-за поддержки ими Израиля в арабо-израильском военном конфликте, получившем название Война Судного дня. За последующие полгода цены на нефть взлетели в три раза. Из-за этого воображение общественности захватили альтернативные формы энергии. Отсюда и солекс.
К сожалению, несмотря на все усилия Бонда, крушившего злодеев и обольщавшего красоток по всему Азиатско-Тихоокеанскому региону, солнечная энергия не могла разрешить нефтяной кризис. Подобно продюсерам фильма, японское и американское правительства, реагируя на растущие цены на нефть и нехватку топлива, усилили исследования в области солнечной энергии. Но в те времена получение любого полезного количества электроэнергии из солнечных лучей было просто слишком дорогим.
В 1975 году кремниевый фотоэлектрический модуль – блестящая отражающая подложка, которая сегодня красуется на солнечных электростанциях по всему миру, – стоил около ста долларов за ватт производимой энергии. При такой цене Солнце оставалось источником энергии для низкоэнергетических забав и правительственных гаджетов и мало еще на что годилось. Спутники оборудовались солнечными батареями, которые были легче химических, с 1958 года[42]42
Gregory F. Nemet, How Solar Energy Became Cheap: A Model for Low-Carbon Innovation (London; New York, NY: Routledge/Taylor & Francis Group, 2019), p. 62.
[Закрыть]. Некоторые наручные часы и калькуляторы были оснащены ими к концу 1970-х. Что же касается более широкого использования – забудьте: солнечная энергия была непомерно дорогой.
Сейчас все изменилось. За время между 1975 и 2019 годами стоимость фотоэлектрической энергии упала примерно в пятьсот раз – до 23 центов за ватт энергии[43]43
Nathaniel Bullard, “The Energy Revolution That Started in 1954 Is Reaching Its Crescendo,” Bloomberg Green, April 23, 2020. https://www.bloomberg.com/news/articles/2020-04-23/the-energy-revolution-that-started-in-1954-is-reaching-its-crescendo.
[Закрыть]. Большая часть этих изменений пришлась на последнее десятилетие. Еще в 2010 году производство электроэнергии с помощью солнечных батарей стоило от 30 до 40 центов (примерно от 20 до 30 пенсов) за киловатт-час, что в 10–20 раз дороже, чем ископаемое топливо[44]44
Ramez Naam, “The Exponential March of Solar Energy,” Exponential View, May 14, 2020. https://www.exponentialview.co/p/-the-exponential-march-of-solar-energy.
[Закрыть]. Но стоимость солнечной энергии снижается экспоненциальными темпами – примерно на 40 % в год для крупных коммерческих контрактов. К октябрю 2020 года стоимость производства энергии с помощью больших солнечных электростанций, а также ветряков упала ниже стоимости энергии, получаемой в комбинированном газовом цикле, – самой дешевой энергии от ископаемого топлива[45]45
“Levelized Cost of Energy and Levelized Cost of Storage-2020,” Lazard, October 19, 2020. http://www.lazard.com/perspective/levelized-cost-of-energy-and-levelized-cost-of-storage-2020/.
[Закрыть]. За десятилетие, предшествовавшее 2019 году, цена на электроэнергию, вырабатываемую солнечной энергетикой, снизилась на 89 %.
С ней не может конкурировать никакая другая форма производства электроэнергии. Из занимательной утопии времен Скараманги солнечная энергетика, все еще оставаясь принципиально неэкономичной в начале XXI века, превратилась в самый дешевый источник электроэнергии в двух третях мира[46]46
Sheldon Reback, “Solar, Wind Provide Cheapest Power for Two-Thirds of Globe,” Bloomberg, 27 August 2019. https://www.bloomberg.com/news/articles/2019-08-27/solar-wind-provide-cheapest-power-for-two-thirds-of-globe-map.
[Закрыть]. Сейчас солнечные панели стоят на домах по всему миру, как в богатых, так и в бедных странах, – на севере, на юге, в странах жарких и холодных. Дешевое солнечное электричество изменило жизнь даже опиумных фермеров в Афганистане: оно питает ирригационные системы, позволяющие выращивать больше мака, а также привело к диверсификации производства других культур[47]47
Justin Rowlatt, “What the Heroin Industry Can Teach Us about Solar Power,” BBC News, July 27, 2020. https://www.bbc.com/news/science-environment-53450688.
[Закрыть].
История солнечной энергетики с 1970-х годов показывает, что экспоненциальность не ограничивается компьютерами. Да, компьютерная индустрия заложила основу для новой эры ускоряющихся технологий, но этот феномен не ограничивается транзисторами и искусственным интеллектом. Экспоненциальность широко распространена в четырех ключевых технологических областях, которые в совокупности образуют основу глобальной экономики. Вычислительная техника, конечно, одна из них, но сюда входят также энергетика, биология и производство. Все они претерпевают впечатляющую, захватывающую трансформацию. Стоимость основных технологий в каждой области падает – в эквивалентном коэффициенте в шесть и более раз каждое десятилетие. В предыдущей главе мы увидели, что такое экспоненциальность в первой из этих областей. В этой главе мы обсудим остальные три.
Площадь, которую охватывают эти четыре направления, настолько велика, что нам, чтобы рассматривать экспоненциальные изменения, необходимо вооружиться широкоугольной оптикой. Чтобы понять суть экспоненциальных изменений за пределами мира компьютеров, мы должны рассматривать их как результат взаимодействия широкого спектра технологических, экономических и политических сил. Цель данной главы – толкование этих сил.
Во-первых, мы рассмотрим, почему новые технологии в каждой из этих областей оказывают такое преобразующее воздействие на огромные секторы общества. Во-вторых, мы проанализируем причины их возникновения. Как мы увидим, растущий спрос привел к снижению цен на технологии. И каждая инновация взаимодействует и сочетается с другими, создавая новые технологические возможности. А растущие информационные и торговые сети все активнее распространяют эти новые технологии, размах которых становится все масштабнее.
Между этими четырьмя ключевыми областями – вычислительной техникой, энергетикой, биологией и производством – все явственнее проступают контуры совершенно новой эпохи человеческого общества. Речь идет не о разрозненных ускоряющихся технологиях в нескольких отдельных областях. Экспоненциальность заложена в саму логику технологий и во многие секторы экономики. Другими словами, мы живем в экспоненциальную эпоху.
* * *
Давайте последовательно рассмотрим три оставшиеся области, в которых технологическое развитие происходит экспоненциально. Первая – энергетика. Солнечная энергетика не единственная из тех, что развиваются по экспоненциальной траектории. Массивные ветряные турбины все чаще строятся на ветреных участках мелководья, открытых ветрам равнинах и горных вершинах по вполне экономическим причинам. Неожиданно энергия ветра стала дешевой – и становится все дешевле. За десять лет – до 2019 года – стоимость выработки электроэнергии с помощью ветряных турбин снизилась на 70 %, или примерно на 13 % в год. Это снижение помогает вытеснить другие формы производства энергии по всему миру. Из-за экспоненциального снижения цен на возобновляемые источники энергии электростанции, работающие на ископаемом топливе, закрываются.
Конечно, только ветряная и солнечная энергетика не могут удовлетворить все наши потребности. Ограничения заложены в их непостоянстве: они производят энергию, но не предлагают очевидного способа ее хранения. Одна из отличительных особенностей ископаемого топлива заключается в том, что оно само по себе является еще и хранилищем энергии: кусок угля подобен физическому блоку тепла, его можно перевозить куда угодно и сжигать, когда это понадобится его владельцу. Большая проблема возобновляемых источников энергии – что делать по ночам или в безветренные дни. Но аккумуляторы тоже находятся на экспоненциальной траектории. Стоимость литийионных аккумуляторов начиная с 2010 года снижается на 19 % в год[48]48
Jon Moore and Nat Bullard, BNEF Executive Factbook 2021(BloombergNEF, 2 March 2021).
[Закрыть]. В 2021 году крупномасштабные аккумуляторные системы достаточно дешевы, чтобы конкурировать с угольными и газовыми электростанциями. Есть все основания ожидать, что с 2020 по 2030 год цена на электроэнергию, произведенную с помощью солнечной или ветровой энергетики, снизится еще в несколько раз, а стоимость аккумуляторных систем будет падать с той же скоростью.
Аналогичный процесс происходит и в другой ключевой области – биологии. По сравнению с технологическим прогрессом в сфере биоматерии революция в энергетике выглядит очень медлительной. На протяжении многих поколений биология казалась сложной и запутанной наукой, не особенно склонной к технологическим преобразованиям. Если химики уже давно могли разделять элементарные химические вещества по пробиркам, а физики – раскладывать Вселенную в соответствии с ее основными законами, то биология выглядела куда замысловатее и туманнее: ее интересовала ужасно сложная внутренняя деятельность живых организмов.
Рассмотрим процесс чтения человеческого генома – генетического кода, который лежит в основе каждого из нас. Задача сложная. Геном человека – это длинная цепочка бинарной информации длиной около трех миллиардов букв. Для обозначения его химических оснований – гуанина, тимина, цитозина и аденина – мы пользуемся буквами Г, Т, Ц и А. Чтобы прочитать такой геном, его необходимо разбить на миллионы маленьких кусочков, которые считываются с помощью электрохимических методов. Затем все результаты собираются воедино.
Первое полное секвенирование генома человека было проведено в период с апреля 1999 года по июнь 2000 года. Стоил этот первый набросок нашего генетического сценария около 300 миллионов долларов. Его последующая доработка обошлась еще в 150 миллионов долларов. Таким образом, расшифровка первого генома стоила по меньшей мере 500 миллионов долларов.
Но эта ситуация быстро изменилась. В сентябре 2001 года Национальный институт исследования генома человека (входит в систему Национальных институтов здравоохранения США) подсчитал стоимость секвенирования полного генома человека – на тот момент она составляла 95 263 702 доллара. К августу 2019 года эта цифра упала до 942 долларов, то есть стала в сто тысяч раз меньше[49]49
Kris A. Wetterstrand, “DNA Sequencing Costs: Data from the NHGRI Genome Sequencing Program,” National Human Genome Research Institute. https://www.genome.gov/about-genomics/fact-sheets/DNA-Sequencing-Costs-Data.
[Закрыть]. За этим стояла американская компания Illumina: благодаря ее платформе для секвенирования ДНК HiSeq X стоимость этой процедуры в 2014 году упала ниже психологически важной отметки в тысячу долларов.
Затем, после нескольких лет доминирования Illumina, в марте 2020 года компания BGI из китайского Шэньчжэня объявила о том, что стоимость секвенирования полного генома составляет всего 100 долларов: менее чем за двадцать лет произошло удешевление, то есть усовершенствование процесса в миллион раз[50]50
Antonio Relgado, “China’s BGI Says It Can Sequence a Genome for Just $100,” MIT Technology Review, February 26, 2020. https://www.technologyreview.com/s/615289/china-bgi-100-dollar-genome/.
[Закрыть]. Это означает снижение цены вдвое каждый год в течение двух десятилетий – закону Мура впору сгореть со стыда. Если бы падение цены секвенирования генома следовало той же кривой, что предложил Мур для микрочипов, то на момент написания этой книги мы могли бы рассчитывать на цену более 100 тысяч долларов за последовательность. На самом деле стоимость секвенирования генома снизилась в тысячу раз сильнее, чем предсказывал закон Мура.
И как обычно, понижение цены означает более широкое применение. В 1998 году мы невероятными усилиями секвенировали один геном. К 2015 году человечество обрабатывало уже более двухсот тысяч геномов в год[51]51
Antonio Relgado, “EmTech: Illumina Says 228,000 Human Genomes Will Be Sequenced This Year,” MIT Technology Review, September 24, 2014. https://www.technologyreview.com/2014/09/24/111298/emtech-illumina-says-228000-human-genomes-will-be-sequenced-this-year/.
[Закрыть]. По оценкам одной исследовательской группы, к 2025 году эта величина достигнет двух миллиардов[52]52
Zachary D. Stephens et al., “Big Data: Astronomical or Genomical?” PLoS Biology, 13(7), July 2015. https://doi.org/10.1371/journal.pbio.1002195.
[Закрыть].
Существует ряд факторов, влияющих на снижение стоимости кодирования генома, к ним относится и рост вычислительных мощностей. Геномные последовательности представляют собой огромные цепочки букв. Кодирование одного человеческого генома требует около 100 гигабайт памяти (этого достаточно для хранения примерно двадцати пяти фильмов в высоком разрешении) – такой уровень сейчас гораздо доступнее, чем два десятилетия назад. Но закон Мура – это далеко не единственная причина снижения цен. Произошли изменения в способах производства реагентов и «усилителей», необходимых для превращения образца ДНК в нечто читаемое. С годами эти химические вещества также становились все дешевле и дешевле. Между тем достижения в области электроники позволили ученым создавать более дешевые датчики, а разработки в области робототехники – еще больше автоматизировать ручные части этого сложного процесса[53]53
See discussion at “Why Has The Cost Of Genome Sequencing Decline So Rapidly?.” Biostars forum. https://www.biostars.org/p/42753/. and at “Next-Generation-Sequencing.v1.5.4 @albertvilella.” https://docs.google.com/spreadsheets/u/0/d/1GMMfhyLK0-q8XkIo3YxlWaZA5vVMuhU1kg41g4xLkXc/edit#gid=1569422585.
[Закрыть].
Генетическое кодирование – лишь один из аспектов революции в биотехнологиях. Еще одна область – синтетическая биология, объединяющая несколько дисциплин, включая информатику, биологию, электротехнику и биофизику; ее цель – создавать новые биологические компоненты и системы. Она также находится на экспоненциальном марше; благодаря ей мы наблюдаем прорывы в сельском хозяйстве, фармацевтике, производстве материалов и здравоохранении. Сегодня мы можем составлять последовательности и манипулировать микроорганизмами. Мы можем превратить их в маленькие природные фабрики по производству необходимых нам химических веществ и материалов, что было немыслимо еще десять лет назад. Последствия этого повлияют на все. По некоторым оценкам, к 2040 году 60 % физических «производственных факторов» в мировой экономике можно будет производить биологически[54]54
Michael Chui and others, “The Bio Revolution: Innovations Transforming Economies, Societies and Our Lives.” (McKinsey Global Institute, 2020).
[Закрыть]. Подобное покорение природы позволит нам создавать совершенно новые материалы – биополимеры, которые не станут вредить океанам, и электронные компоненты, которые будут потреблять меньше энергии.
И наконец, последняя область, которую экспоненциальное развитие технологий переосмысливает заново, – производство. Возможно, впервые за миллионы лет фундаментальным образом меняется то, как мы делаем вещи.
Современный человек взаимодействует с объектами физического мира – материей – примерно так же, как во времена появления Homo sapiens. Самые древние из известных каменных орудий были созданы в Олдувайском ущелье на территории современной Танзании около 1,7 миллиона лет назад. Производственные процессы индустриальной эпохи имеют много общего с процессами наших далеких предков. Мы тоже в основном пользуемся субтрактивным методом – отсекаем от куска материала все ненужное. Именно так гоминиды поступали с кремнем. Так каменщики фараонов работали с блоками пирамид. И так же творил Микеланджело, когда с помощью зубила высекал из глыбы мрамора своего Давида.
Сегодня мы можем делать все это в больших масштабах и с большей точностью, но процесс, по сути, тот же. Даже когда компьютерная эра возвестила о появлении точной компьютеризированной обработки, это все равно был субтрактивный процесс: на смену ударам кремня по камню пришел управляемый компьютером алмазный резец. Конечно, существуют и другие методы изготовления вещей, например использование форм для литья металлов или пластика. Их преимущество перед долблением/вырубанием в том, что они не предусматривают отходов. Но есть и большой недостаток: с помощью отливок и форм создаются только копии. Хотите новый продукт – нужна новая форма.
Правообладателям!
Данное произведение размещено по согласованию с ООО "ЛитРес" (20% исходного текста). Если размещение книги нарушает чьи-либо права, то сообщите об этом.Читателям!
Оплатили, но не знаете что делать дальше?
