1700526880
1700526881
在另一种途径中，一些项目或计划，比如“太阳微系统公司”发起的吉尼计划，已经发起在互联网上收集那些还未使用的计算能力的活动。要注意，在任一特定时刻，互联网上的绝大多数计算机都处于未使用状态。就连那些正在使用的计算机也没有被最大限度地加以利用（比方说，录入文本占用的笔记本电脑的计算内存还不到1%）。在各种收集互联网计算能力的建议下，合作网站将安装一些特殊的软件，以便利用网络计算机创造一台大型虚拟并行计算机。每位用户仍可以优先使用自己的电脑，但在后台，互联网上数百万台计算机当中的绝大部分都会连接到一台或多台超级计算机上。如今，所有联网并处于工作状态的计算机，其计算能力总和已经超过人脑，所以，我们至少已经实现了一种硬件形式的人工智能。随着加速回报定律的延续，人工智能的应用会越来越普遍，无所不在。
1700526882
1700526883
价值1 000美元的个人计算机在2020年获得了相当于人脑的能力以后，人类思维机器的计算性价比将会提高，每12个月就会翻一番。这表明计算能力每10年就翻10番，也就是说每10年增长1 000倍。因此，到2030年，你的个人计算机将能模拟大脑的功能，相当于一个小村子里所有人的脑力，到2048年，将相当于全美国人口的脑力和，到2060年将相当于一万亿人的脑力之和。5如果地球上的人口数量大约是100亿，那么到2099年，一台价值1美分的计算机大约要比地球上所有人的计算能力强大10亿倍。6
1700526884
1700526885
当然，我的估算可能有一两年的误差，但21世纪的计算机肯定会具备强大的计算能力和内存。
1700526886
1700526887
21世纪的计算底物
1700526888
1700526889
我说过，计算不断延续的指数级增长在加速回报定律中得到了体现，该定律认为，任何一种朝更高级秩序发展的过程——尤其是进化，都将随着时间的流逝呈指数级加速。进化过程的急速推进（比如计算机技术进步）所需的两种资源——自身秩序不断加强以及进化发生的环境中的混沌，都是没有限制的。
1700526890
1700526891
虽然我们可以预期技术发展全面加速，但也能够预见到这一发展的实际表现会呈现出某种不规则性。毕竟，技术发展的表现要依个人创新、营业状况、投资形式及投资偏好等很多因素而定。进化过程的当代理论——比如间断平衡理论（Punctuated Equilibrium theories）7假定进化是通过周期性跳跃（或相对稳定的时期之后出现间断状况，循环往复）发生作用的，因此，计算机进步的可预测性问题很是令人瞩目。
1700526892
1700526893
到2020年，作用于集成电路的摩尔定律将会失效，那在接下来的几十年中适用于计算的加速回报定律又将怎样体现其作用呢？从近期来看，摩尔定律将继续发挥作用，每个芯片上集成的元件几何体更小，上面的晶体管数量更多，速度也更快。但是，由于电路尺寸越来越小，已经接近原子的大小，一些不良的量子效应（比如电子隧道效应）会导致一些不可靠的结果。然而，个人计算机中的摩尔标准方法论将非常接近人类的处理功能，超级计算机则会超越人类。
1700526894
1700526895
下一个前沿是三维空间。很多风险投资企业（大部分在加利福尼亚）正争相开发芯片，这些芯片具有几十层乃至上千层电路。这些企业给自己起了Cubic Memory、Dense-Pac以及Staktek这一类名字，并且已经着手推出电路的功能型三维“立方体”。虽然在价格上，这些三维芯片没有平板芯片有竞争力，但是当二维空间用完耗尽之后，三维芯片便成了当仁不让的选择。8
1700526896
1700526897
用光速计算
1700526898
1700526899
除此之外，研究实验室里开发的奇妙计算技术可谓层出不穷，其中许多技术已经显示出了良好的效果。光学计算使用光子流（光的粒子）而不是电子。激光可以产生数十亿束连续的光子流，每一束光子流都可以独立完成一系列计算。每一束光子流上的计算都是由特殊的光学元素并行完成的，比如透镜、反射镜以及衍射光栅。有些公司已经将光学计算运用到指纹识别技术当中，比如Quanta–Image、Photonics以及Mytec Technologies。洛克希德公司已经将光学计算技术运用到乳腺恶性病变的自动识别当中。9
1700526900
1700526901
光学计算机的优势就是可以对潜在的数万亿同步计算进行大规模并行计算，其劣势是无法对其进行编程，只能在光学计算元素的给定程序上进行一系列固定的计算。但对于识别模式这种重量级的问题，光学计算机可以将大规模并行计算（人脑也具有这一特性）与极高的速度结合在一起（人脑缺乏这一特性）。
1700526902
1700526903
用生命机制计算
1700526904
1700526905
一个名为“分子计算”的新研究领域已异军突起，该领域利用DNA分子自身作为实际的计算设备。DNA是生物体自带的纳米工程计算机，并且非常适合用来解决组合型问题。毕竟，组合属性就是遗传学的本质所在。当南加利福尼亚大学的数学家伦纳德·阿德曼用一只满是DNA分子的试管解决著名的“旅行推销员”问题时，才真正将DNA运用到实际的计算程序当中。在这个经典难题当中，我们试图为这个想象中的旅行者在各个城市中找到一条最优路线，保证他不会重复游览同一座城市。只有少数几个直飞城市是靠路线连接在一起的，所以找到正确的路线并非易事。这是个理想化的递归算法问题，如果城市的数量太多，就连运算非常快的递归搜索也要很久才能完成。
1700526906
1700526907
阿德曼教授和其他分子计算领域的科学家发现了一套酶反应，该反应符合解决各种计算问题所需的逻辑与算术操作规程。尽管DNA分子操作会偶尔出错，但正在工作的DNA链的数量非常庞大，所以从统计学上讲，这些分子的错误也无关紧要。因此，除了DNA计算和复制过程中固有的错误率之外，如果经过合理设计，DNA计算机还是非常可靠的。10
1700526908
1700526909
随后，DNA计算机得到应用，用来解决一系列难以解决的组合问题。DNA计算机比光学计算机更灵活，但将多个元素组合装配在一起，运用大规模并行计算搜索的技术还是备受限制的。
1700526910
1700526911
要想使DNA尚未开发出来的计算能力得到应用，还有一种更加强大的方法，下文中的量子计算部分我将提及这一想法。
1700526912
1700526913
如何用DNA试管解决旅行推销员的难题
1700526914
1700526915
DNA的优越性能之一就是能够自我复制并对自身包含的信息进行复制。为了解决旅行推销员的难题，阿德曼教授归纳出以下几个步骤：
1700526916
1700526917
·为每一个要去的城市都创建一条小DNA链。
1700526918
1700526919
·通过一个名为PCR（聚合酶链反应）的过程将所有DNA链（每个城市一条）复制数万亿次。
1700526920
1700526921
·接下来，将DNA（每个城市一个）放入试管当中。这一步利用DNA的亲和力将所有DNA链连接起来。较长的链条会自动集合在一起。每一条这样的长链都代表多个城市之间旅行的可能路线。小一点的链条代表每个城市都以随机形式与另一个城市连在一起，所以无法确定DNA链条中的哪一条代表着我们即将得到的连接这些城市的那个正确路线。然而，链条的数量非常庞大，所以可以确定至少会形成一条（或许是数百万条）作为那个正确答案。
1700526922
1700526923
下一步使用特殊设计的酶删去代表错误答案的数万亿链条，只留下代表正确答案的链条：
1700526924
1700526925
·用名为“原始物”的分子摧毁那些不是以起始城市为开头的链条，以及那些不是以目的城市为末尾的链条，再（用PCR）复制剩下的那些链条。
1700526926
1700526927
·用PCR删去代表旅行路径数量大于城市总数的DNA链条。
1700526928
1700526929
·用PCR删去所有不包括第一个城市的链条。然后对每一个不包括某一城市的链条做重复处理。
[
上一页 ]
[ :1.70052688e+09 ]
[
下一页 ]