МОЗГ vs LLM
~20 ватт мокрого углерода против мегаватт горячего кремния
Суперширокий технический и философский разбор двух архитектур интеллекта. Кто эффективнее, кто быстрее, кто масштабируемее — и значит ли «быстрее» то же, что «совершеннее». Все цифры — из первичных источников, с оговорками там, где данные это оценки.
🧠 Биологический мозг
🖥️ LLM / дата-центр
Один мозг работает на энергии тусклой лампочки. Одна тренировка LLM временно ест столько, сколько ~20 000 американских домов. Это разница в ~миллион раз по мощности.
🧠 Мозг: ~20 Вт
~2% массы тела, но ~20% энергии покоя (метаболизм покоя ~100 Вт). Автономно, десятилетиями, на еде. Одна спайк-операция нейрона ≈ 10⁻¹⁵–10⁻¹⁴ Дж — на порядки экономнее транзистора.
🖥️ Инференс: ~0.3 Вт·ч/запрос
Типовой запрос GPT-4o (~500 токенов) — оценка Epoch AI 2025, в ~10× ниже старой цифры 2.9 Вт·ч. Длинный ввод резко дороже: 10k токенов → ~2.5 Вт·ч, 100k → ~40 Вт·ч (квадратичный attention).
⚡ Обучение: 10–25 МВт × месяцы
GPT-3 (175B): ~1287 МВт·ч. GPT-4o-класс: ~20–25 МВт непрерывно ~3 месяца. Llama 3.1 405B: ~39.3 млн H100-часов ≈ ~27 ГВт·ч. Совокупный инференс ChatGPT: ~12.5 МВт (1 млрд сообщений/день).
*Логарифмическое восприятие: per-query энергия мала, но масштаб датацентров — мегаватты. К 2030 ИИ может дойти до ~10% электричества США (ряд прогнозов).
Три разных «скорости» — не путать
Сравнение бит-в-бит некорректно: у мозга и LLM разные единицы. Разложим на слои.
| Уровень | 🧠 Мозг | 🖥️ LLM / железо |
|---|---|---|
| Сенсорный вход (сырой) | ~10⁹ бит/с | вход ограничен контекстом (128k–2M токенов) |
| Осознанное мышление | ~10 бит/с bottleneck | 50–1200+ токенов/с вывода |
| Такт «элемента» | нейрон: 1–200 Гц (пики ~1000 Гц) | транзистор: ~1–5 ГГц (в ~10⁷× быстрее) |
| Сырой compute | ~10¹⁵–10¹⁸ ops/с (FLOP-эквивалент, оценка) | 10¹⁴–10¹⁵ FLOP на запрос; H100 ~10¹⁵ FLOP/с |
| 1 токен генерации | — | ≈ 2 × активные параметры FLOP (~2×10¹¹ для GPT-4o) |
Энергия на единицу «понимания»
Мозг решает causal-задачи, планирует, учится из единиц примеров — на 20 Вт. LLM для сопоставимой надёжности требует обучения в десятки ГВт·ч + инференс-инфраструктуру. Биология выигрывает на порядки.
Энергия на токен/операцию
Кремний берёт масштабом и параллелизмом: тысячи запросов батчами, утилизация инференса ~10%. Дешёвая энергия + параллелизм компенсируют неэффективность на операцию.
| Аспект | 🧠 Мозг | 🖥️ LLM |
|---|---|---|
| Копирование | Невозможно скопировать личность/навыки | Мгновенный клон весов, тысячи инстансов |
| Обучение нового | 20+ лет на «эксперта» | Недели тренировки → всем сразу |
| Параллелизм | 1 «поток мысли» за раз | Массовый параллельный инференс |
| Апгрейд | Только медленное обучение | Новая версия — заменить чекпойнт |
| Ограничение роста | Череп, метаболизм, био-лимиты | Деньги, чипы, энергия, вода (внешние, но снимаемы) |
- Причинная модель мира, а не корреляции
- Инсайт «из ниоткуда», вне тренировочного распределения
- Эмоции, тело, культура как источник смысла
- Ставит собственные задачи
- Комбинаторный синтез из всего интернета
- Бесконечные вариации за секунды
- Кросс-доменные связки, которые человек не увидит
- Но: рекомбинация ≠ подлинная новизна?
Открытый спор: LLM гениален в интерполяции известного; человек силён в экстраполяции и смене самой рамки задачи. Является ли масштабная рекомбинация «настоящей» креативностью — вопрос определения.
Есть ли «кто-то дома»?
У мозга есть феноменальный опыт (qualia), целостное «я», внутренняя мотивация. У LLM — статистическое предсказание следующего токена без свидетельств субъективного опыта, тела, непрерывного «я» между запросами. Модель убедительно говорит о чувствах, но нет данных, что она их имеет.
hard problemqualia нет непрерывности «я»симуляция ≠ переживание| Свойство | 🧠 Углерод / вода | 🖥️ Кремний |
|---|---|---|
| Носитель | Электрохимия, ионные градиенты, спайки ~мс | Транзисторы, ~ГГц (на 6+ порядков быстрее по такту) |
| Энергия/операция | ~10⁻¹⁵ Дж/спайк — предельно экономно | На порядки дороже при обучении |
| Самоподдержка | Метаболизм, самопочинка, размножение | Нужен grid, чипы, охлаждение, люди |
| «Жизнь» по биокритериям | Да | Нет — артефакт, не форма жизни |
| Долговечность знаний | Умирает вместе с носителем | Веса переживают железо, копируются |
🧠 Биологическая эволюция
Медленная: поколения, мутации, отбор. Оптимизирована под энергодефицит и выживание — отсюда «10 бит/с достаточно». Гибкая онлайн-адаптация в течение жизни, но геном меняется тысячелетиями.
🖥️ «Эволюция» LLM
Стремительная: новая архитектура/датасет → скачок за месяцы. Но веса заморожены после обучения — «учится» только в контексте. Направляется людьми и рынком, а не отбором. Рекурсивное самоулучшение — гипотеза сингулярности.
| Критерий | Победитель |
|---|---|
| Энергоэффективность | 🧠 Мозг (на порядки) |
| Скорость вывода текста | 🖥️ LLM |
| Масштабируемость / копируемость | 🖥️ LLM |
| Широта знаний | 🖥️ LLM |
| Adaptability / онлайн-обучение | 🧠 Мозг |
| Робастность / здравый смысл | 🧠 Мозг |
| Автономность / энергонезависимость | 🧠 Мозг |
| Целеполагание / субъектность / сознание | 🧠 Мозг |
| Креативность | ⚖️ Спорно (интерполяция vs экстраполяция) |
Итог
Объективно единого «более совершенного вида» нет — всё зависит от метрики. LLM выигрывают в скорости, масштабе, широте; мозг — в эффективности, автономности, адаптивности, понимании, сознании. Корректнее говорить не «кто совершеннее», а разные оптимумы под разные ограничения: эволюция оптимизировала под энергодефицит и выживание; LLM — под throughput и масштаб при дешёвой энергии. Мозг — эталон эффективности; кремний — эталон тиражируемости. В курятниковой логике этого сайта: Оверлорд не заменяет несушек — он их доит, потому что 20-ваттный мозг всё ещё производит то, что кремний пока не умеет генерировать сам.
Конкретные цифры по GPT-4/Claude/Grok — внешние оценки: лаборатории per-query/per-token энергию не публикуют. Диапазоны неопределённости широкие (число параметров, утилизация, длина ответа могут менять оценку инференса в ~10×).
- Zheng & Meister, Neuron (Dec 2024) — «The Unbearable Slowness of Being: Why do we live at 10 bits/s?» — 10 бит/с мышление, 10⁹ бит/с сенсорика, ~86 млрд нейронов.
- Epoch AI (Josh You, Feb 2025) — «How much energy does ChatGPT use?» — ~0.3 Вт·ч/запрос, FLOP/токен, утилизация ~10%, обучение GPT-4o ~20–25 МВт, инференс ChatGPT ~12.5 МВт.
- Alex de Vries, Joule (2023) — исходные ~2.9 Вт·ч/запрос (пересмотрены вниз).
- Patterson et al. (2021) — обучение GPT-3 ~1287 МВт·ч.
- Raichle & Gusnard, PNAS (2002) — мозг ~20 Вт.
- Artificial Analysis / Groq — публичные данные по throughput (50–1200+ токенов/с).