1965 m. „Intel“ įkūrėjas Gordonas Moore'as paskelbė a nepaprastai menkas popierius kuri prognozavo, kad skaičiavimo galia padvigubės maždaug kas dvejus metus. Pusę amžiaus šis dvigubinimo procesas pasirodė toks nepaprastai nuoseklus, kad šiandien jis paprastai žinomas kaip Moore'o įstatymas ir paskatino skaitmeninę revoliuciją.
Tiesą sakant, mes jau pripratome prie idėjos, kad mūsų technologijos tampa vis galingesnės ir pigesnės, kad vargu ar sustojame ir pagalvojame, kokia beprecedentė ji yra. Be abejo, nesitikėjome, kad arkliai ar plūgai - ar net garo varikliai, automobiliai ar lėktuvai - nuolat didins savo efektyvumą.
patti ann browne liemenėlės dydis
Nepaisant to, šiuolaikinės organizacijos pasikliauja nuolatiniu tobulėjimu tiek, kad žmonės retai susimąsto, ką tai reiškia ir su kuo Moore'o įstatymas netrukus baigsis , tai bus problema. Per ateinančius dešimtmečius turėsime išmokti gyventi be tikrumo pagal Moore'o įstatymą ir veikti a naujoji naujovių era kad bus giliai kitaip.
Von Neumanno butelio kaklelis
Dėl Moore'o įstatymo galingumo ir nuoseklumo technologinę pažangą susiejome su procesoriaus greičiu. Vis dėlto tai yra tik viena našumo dimensija ir yra daugybė dalykų, kuriuos galime padaryti, kad mūsų mašinos nuveiktų daugiau, o ne tik pagreitintų.
Pagrindinis to pavyzdys vadinamas nuo Neumanno butelio , pavadintas matematikos genijaus vardu, kuris yra atsakingas už tai, kaip mūsų kompiuteriai saugo programas ir duomenis vienoje vietoje, o kitur atlieka skaičiavimus. 4-ajame dešimtmetyje, kai kilo ši idėja, tai buvo didelis proveržis, tačiau šiandien tai tampa tam tikra problema.
Klausimas yra tas, kad dėl Moore'o įstatymo mūsų lustai veikia taip greitai, kad per laiką, per kurį reikia informacijos, kad galėtume keliauti pirmyn ir atgal tarp lustų - ne mažesniu šviesos greičiu - mes prarandame daug vertingo skaičiavimo laiko. Ironiška, kad lustų greitis ir toliau gerėja, problema tik blogės.
Sprendimas yra paprastas, bet praktiškai nesuvokiamas. Kaip mes integravome tranzistorius į vieną silicio plokštelę, kad sukurtume šiuolaikines mikroschemas, mes galime integruoti skirtingas mikroschemas metodu, vadinamu 3D kaupimas . Jei sugebėsime atlikti šį darbą, galime padidinti našumą dar kelioms kartoms.
Optimizuotas skaičiavimas
Šiandien kompiuterius naudojame įvairioms užduotims atlikti. Mes rašome dokumentus, žiūrime vaizdo įrašus, rengiame analizę, žaidžiame žaidimus ir darome daugybę kitų dalykų tame pačiame įrenginyje, naudodami tą pačią lusto architektūrą. Mes galime tai padaryti, nes lustai, kuriuos naudoja mūsų kompiuteriai, yra sukurti kaip bendros paskirties technologija.
Dėl to kompiuteriai yra patogūs ir naudingi, tačiau yra labai neefektyvūs atliekant skaičiavimu intensyvias užduotis. Jau seniai egzistuoja technologijos, tokios kaip ASIC ir FPGA, skirtos konkretesnėms užduotims atlikti, o pastaruoju metu GPU tapo populiarios grafikos ir dirbtinio intelekto funkcijoms.
Kai dirbtinis intelektas iškilo į priekį, kai kurios firmos, pvz., „Google“ ir „Microsoft“ pradėjo kurti mikroschemas, kurios yra specialiai sukurtos valdyti savo giluminio mokymosi priemones. Tai labai pagerina našumą, tačiau norint, kad ekonomika veiktų, reikia pasigaminti daug žetonų, todėl daugumai bendrovių tai nepasiekiama.
Tiesa ta, kad visos šios strategijos yra tik spragos. Jie padės mums toliau žengti maždaug kitą dešimtmetį, tačiau pasibaigus Moore'o įstatymui, tikrasis iššūkis yra pateikti keletą iš esmės naujų skaičiavimo idėjų.
maudymosi kostiumėlis josina anderson amžius
Iš esmės naujos architektūros
Per pastarąjį pusšimtį metų Moore'o įstatymas tapo skaičiavimo sinonimu, tačiau skaičiavimo mašinas gaminome gerokai anksčiau nei buvo išrastas pirmasis mikroschema. 20-ojo amžiaus pradžioje IBM pirmą kartą pradėjo elektromechaninius stalinius kompiuterius, tada pradėjo naudoti vakuuminius vamzdžius ir tranzistorius, kol 1950-ųjų pabaigoje nebuvo išrasti integriniai grandynai.
Šiandien atsiranda dvi naujos architektūros, kurios bus komercializuotos per ateinančius penkerius metus. Pirmasis yra kvantiniai kompiuteriai , kurios gali būti tūkstančius, jei ne milijonus kartų galingesnės nei dabartinės technologijos. Tiek IBM, tiek „Google“ yra sukūrę veikiančius prototipus, o „Intel“, „Microsoft“ ir kiti turi aktyvias kūrimo programas.
Antrasis pagrindinis požiūris yra neuromorfinis skaičiavimas , arba mikroschemos, pagrįstos žmogaus smegenų dizainu. Tai puikiai tinka šablonų atpažinimo užduotims, su kuriomis susiduria įprasti lustai. Jie taip pat yra tūkstančius kartų efektyvesni nei dabartinės technologijos ir yra keičiami iki vienos mažos šerdies, turinčios tik kelis šimtus „neuronų“ ir iki milžiniškų masyvų su milijonais.
Vis dėlto abi šios architektūros turi savo trūkumų. Kvantinius kompiuterius reikia atvėsinti iki beveik absoliutaus nulio, o tai riboja jų naudojimą. Abiem reikalinga visiškai kitokia logika nei įprastiems kompiuteriams ir reikalingos naujos programavimo kalbos. Perėjimas nebus sklandus.
Nauja inovacijų era
Pastaruosius 20 ar 30 metų naujovės, ypač skaitmeninėje erdvėje, buvo gana paprastos. Mes galėjome pasikliauti technologijomis, kurios tobulės numatomu tempu, ir tai leido mums labai užtikrintai nuspėti, kas bus įmanoma ateinančiais metais.
Tai paskatino didžiąją dalį inovacijų pastangų sutelkti į programas, daug dėmesio skiriant galutiniam vartotojui. Startuoliai, kurie sugebėjo susikurti patirtį, ją išbandyti, greitai prisitaikyti ir kartoti, galėjo pralenkti dideles įmones, turinčias kur kas daugiau išteklių ir technologinį rafinuotumą. Tai padarė judrumą apibrėžiančiu konkurencinį požymį.
jennifer katharine gimimo data
Ateinančiais metais švytuoklė gali grįžti prie pagrindinių technologijų, leidžiančių jas įgyvendinti. Užuot galėję pasikliauti patikimomis senomis paradigmomis, mes daugiausia veiksime nežinomybės srityje. Daugeliu atžvilgių mes vėl pradėsime iš naujo, o naujovės atrodys panašesnės kaip 1950-aisiais ir 1960-aisiais
Skaičiavimas yra tik viena sritis, pasiekianti teorines ribas. Mums taip pat reikia naujos kartos baterijos maitinti mūsų prietaisus, elektromobilius ir tinklą. Tuo pačiu metu naujos technologijos, tokios kaip genomika, nanotechnologija ir robotika tampa kylančiaisiais ir net mokslinis metodas yra abejotinas .
Taigi dabar žengiame į naujovių naujovių erą, o efektyviausiai konkuruoti galės ne organizacijos, bet ir tos, kurios nori spręsti didelius iššūkius ir ištirti naujus horizontus.
