Будущее компьютеров: каково оно? Какие компьютеры будут в будущем
Квантовая революция: какими будут компьютеры будущего
Нейронные сети и квантовые компьютеры — две технические разработки, которые поспособствуют развитию компьютеров в следующем десятилетии.
Единицы, нули — с самого начала своего существования, вот уже почти семьдесят лет, компьютеры производят вычисления в двоичном коде, образуя последовательность битов информации с помощью простых операторов: AND, OR, NOT. Эти простые элементы образуют сложные команды, составляя основу любого языка программирования: если условие выполняется, то нужно сделать это (IF, THEN), если нет — то другое (IF, ELSE). Машины выполняют программный код строго слово в слово.
А теперь представьте себе компьютер, который не только понимает нули и единицы, но и знает все вероятности того, что значение будет равно нулю или единице. Он считает не как малыш, который складывает по пальцам: 1+1=2 или 2+2=4, а как юноша, который понимает саму операцию сложения: x+y=z. Он не выполняет заданный строгий код, а сам подстраивается под поставленные задачи и по мере их выполнения выдает результаты все быстрее и точнее. При этом он самостоятельно находит такие решения, которые программистам и в голову не приходили, и адаптирует код под них.
Один бит за все цифры
В основе работ над квантовым компьютером лежит идея, известная в массовой культуре как «кот Шредингера». Этот мысленный эксперимент объясняет одно из понятий квантовой физики — суперпозицию. Если классическая физика однозначно определяет состояние элементарной частицы через ее положение и скорость, то открытия квантовой физики позволяют описывать состояние частицы только через функцию вероятности.
Кубит — квантовый бит.
Из смешения всех возможных состояний только в момент наблюдения — измерения — частица выбирает одно конкретное: электрон, например — состояние спина («спин вверх» или «спин вниз»). Квантовые компьютеры при вычислениях используют как раз явление суперпозиции.
В основе гигантских вычислительных мощностей кубитов лежат два квантомеханических эффекта: суперпозиция и запутанность.
Суперпозиция: классический компьютер производит вычисления с битами (значение 0 или 1). Квантовый компьютер производит вычисления с помощью кубитов, которые представляют определенную вероятность получения двух состояний: 0 и 1.
Запутанность: несколько кубитов можно объединить в одно общее состояние. Три кубита представляют разные вероятности получить восемь комбинаций из трех битов. Это значит, что N кубитов могут одновременно обрабатывать 2 в степени N значения. Для системы из 50 кубитов это число составляет более квадриллиона значений.
Наименьшим элементом для хранения информации в квантовом компьютере является квантовый бит — кубит. Если бит принимает строго одно из двух значений — 0 или 1, то кубит представляет все вероятности получить значение 0 или 1. Огромная разница в вычислительных ресурсах между квантовым компьютером и классическим обусловлена использованием еще одного квантомеханического явления — квантовой запутанности: если два кубита оказываются взаимосвязаны, сливается их функция вероятности, которая описывает, в какие состояния они могут перейти.
То есть два кубита при считывании могут получить четыре значения (00, 01, 10, 11). Чем больше совокупность запутанных между собой кубитов, тем сильнее этот эффект; он выражается формулой 2 в степени N, где N — количество запутанных кубитов. То есть 10 кубитов содержат 1024 вероятных значения, а 50 кубитов представляют более квадриллиона различных состояний.
Оборудование почти при нуле
Квантовые компьютеры Google и IBMЧтобы построить полноценный квантовый компьютер, предстоит преодолеть некоторые серьезные препятствия. Явления квантовой суперпозиции и квантовой запутанности могут занимать какие-то микросекунды. Компьютер может производить вычисления в течение этого промежутка времени, причем при условии, что кубиты изолированы от внешнего воздействия.
В роли кубитов ученые пробовали разные частицы, в том числе ионы, фотоны, электроны. Квантовые компьютеры IBM и Google построены на цепи из сверхпроводников, находящейся при температуре, близкой к абсолютному нулю, — так можно реализовать электрический ток, который потенциально проходит одновременно в обоих направлениях, то есть находится в суперпозиции состояний. Кубиты этих компьютеров управляются, объединяются и считываются с помощью микроволнового излучения.
Код для кубитов
Семь кубитов на этой микросхеме IBM состоят из цепи сверхпроводников, в которой ток проходит в обоих направлениях. Кубиты объединяются с помощью подведенного волноводаДо сих пор существует всего несколько алгоритмов, оптимизированных под квантовые компьютеры. Например, на алгоритм Шора для разложения натурального числа на простые множители классическому компьютеру требуется чрезвычайно много времени, даже если он задействует тысячи процессоров. Квантовый же 100-кубитный компьютер, по оценкам руководителя лаборатории Google Джона Мартиниса, с такими вычислениями справится очень быстро. Группа ученых под руководством профессора физики уже построила для Google 49-кубитный квантовый компьютер.
На рисунке показан процесс программирования квантовой микросхемы IBM. Зеленые точки управляют состоянием кубита, синие символы определяют его связь с другими кубитамиОднако такой квантовый компьютер, по словам Мартиниса, должен содержать некоторое количество дополнительных кубитов для исправления ошибок. Дело в том, что базовые единицы квантовой информации чрезвычайно восприимчивы к внешним воздействиям, что приводит к искажению результата — отсюда и возникает необходимость в тщательной проверке. Поэтому открытым остается вопрос масштабируемости квантового компьютера: не исключено, что система коррекции ошибок потребует столько вычислительных ресурсов, что разработка больших квантовых компьютеров не будет иметь смысла — такой вот пессимистичный прогноз.
Но если масштабирование удастся, квантовые компьютеры смогут в будущем быстрее решать все задачи, сводящиеся к правильному выбору одной вероятности из очень многих. Сегодня мы используем суперкомпьютеры, которые, однако
Самооптимизирующийся код
Пятьдесят лет назад идея воспроизвести мыслительные процессы, происходящие в головном мозге человека, подтолкнула ученых на создание нейронных сетей. Искусственные нейронные сети обрабатывают сложные введенные данные, например изображения или тексты, более эффективно, чем любые, даже самые умные алгоритмы.
Вместо того чтобы обрабатывать введенные данные строка за строкой или пиксель за пикселем, нейросети разбивают, к примеру, изображение на небольшие фрагменты, чтобы нейроны могли их анализировать параллельно. Нейроны — это по сути маленькие программы, образующие слои. Они выявляют типичные признаки фрагмента, накладывая на него фильтр, и передают их следующему слою нейронов.
Нейросети обучаются, исправляя ошибки
Сверточные нейронные сети (Convolutional Neural Networks) — это настоящий прорыв в глубинном обучении: они идентифицируют объекты на снимках так же верно, как и человек. Решающую роль в выявлении признаков играет взаимодействие двух слоев нейронов — свертки и выборки (Convolution and Pooling Layers). В процессе обучения совершается обратный проход сигнала ошибки.
Свертка. Нейроны используют различные фильтры для выявления и выделения характерных признаков фрагмента изображения.
Выборка. Все лишние данные игнорируются, результат отправляется с несколькими слоями выборки, что дает возможность увеличивать размер анализируемого фрагмента.
Классификация. Все выявленные признаки собираются: для каждого варианта вывода нейрон указывает его вероятность.
Коррекция ошибок. Обратный проход сигнала ошибки позволяет нейронам подрегулировать веса: все веса настраиваются пропорционально участию нейрона в распознавании объекта.
Сигнал передачи усиливается или ослабляется в зависимости от веса соединения от нейрона к нейрону. Чтобы определять вес соединения от нейрона, сеть проходит обучение на основе миллионов образцов изображений. Для успешного обучения после каждого прямого прохода по всем слоям сети совершается передача сигнала в обратном направлении с учетом ошибки, чтобы скорректировать вес соединений.
Следующий слой нейронов получает данные от нейронов предыдущего слоя, анализирует фрагмент большего размера и передает результаты на третий слой. И так, слой за слоем, сеть из нейронов прорабатывает фрагмент до завершения анализа целого изображения. В конце специальные нейроны относят содержание рисунка к какому-либо классу и делают выводы о том, что на нем изображено.
Обучение проходит быстрее без данных, полученных от человека
Разработанный Google искусственный интеллект смог самостоятельно научился играть в игру го, получив только ее основные правила. В скором времени он стал самым сильным игроком за всю историюИдея выражается формулировкой «искусственный интеллект». Интеллектуальная система, специально обучаемая выполнять определенную задачу, превосходит любую обычную программу и нередко даже специалиста-человека, что недавно было продемонстрировано прямо-таки разгромными результатами новой версии алгоритма AlphaGo Zero. ИИ, созданный компанией DeepMind, принадлежащей Google, с нуля освоил настольную стратегию го, играя против себя же, получив от человека только правила игры.
Го можно сравнить с шахматами, но в этой игре значительно больше вариантов положений камней на доске. Больше, чем игровых раскладов, с учетом которых обычная программа могла бы выдержать конкуренцию с гроссмейстером-человеком. За три дня Zero научился обыгрывать сильнейших профессиональных игроков, а через три недели стал сильнее собственной предыдущей версии, опыт которой — миллионы профессиональных игр — он изучил.
В конце концов Демис Хассабис, руководитель DeepMind, пришел к выводу, что обучение ИИ на человеческом опыте в форме множества профессиональных игр менее эффективно, чем его самообучение в процессе поиска выигрышных ходов в игре против себя же. К настоящему времени AlphaGo Zero научился играть в шахматы и сеги (японская настольная игра наподобие шахмат) с той же эффективностью и скоростью.
Вывод о том, что ИИ без контроля человека в принципе достигает лучших результатов, можно применить и к другим задачам. Проект Google AutoML показывает, насколько хороши могут быть нейронные сети без данных, получаемых от человека, которые им могут помешать. Перед системой AutoML была поставлена цель самостоятельно спроектировать ИИ и обучить ее выполнять некую задачу. Так появилась «дочь» AutoML — NASNet, сеть, вскоре побившая все рекорды в распознавании объектов из базы ImageNet, содержащей 15 млн изображений. Автоматически созданный ИИ стал лучше любой другой системы машинного зрения, созданного человеком, по коэффициенту совпадений, причем потребовал меньше ресурсов на обучение.
Вычисления с помощью ИИ и квантовых компьютеров
Нейросеть, обрабатывающая белки. Сверточная нейронная сеть может анализировать поведение органических молекул. Для этого исследователи из Стэнфордского университета преобразовали молекулу белка в воксельные каналыЧто именно должна вычислять сеть и как подготовить данные для ввода, по-прежнему определяется человеком. Если эта предварительная работа будет проведена, нейросети существенным образом ускорят развитие научных исследований. Уже сегодня они используются для исследований биологических и химических процессов. Нейронная сеть, разработанная Уэном Торнгом и Рассом Альтманом в Стэндфордском университете, — всего лишь один пример из многих. Эта сеть анализирует роль отдельных аминокислот в структуре белка (см. справа). Ученые выразили мысль, что их нейронная сеть затмила существующие до этого экспериментальные методы анализа.
Хассабис видит будущее AlphaGo Zero в разработке сверхпроводника, работающего при комнатной температуре, что могло бы стать стимулом не только для перехода на другие виды энергии. Однако молекулярный мир намного сложнее, чем доска для го, о чем напоминают не разделяющие оптимизма Хассабиса специалисты по материаловедению. С задачей совершить прорыв в области материаловедения на одном только ИИ не справиться. Валентин Станев, исследователь университета Мэриленда, считает, что эта сложная проблема «нерешаема без полноценных квантовых вычислений».
nig.mirtesen.ru
Будущее компьютеров: каково оно? - Экологический дайджест FacePla.net
В 1958 году инженер компании «Texas Instruments» по имени Джек Килби нанес узор на поверхность чипа из полупроводникового германия 11 миллиметров в длину, создав, таким образом, первую в мире интегральную схему. Так как эта схема содержала лишь один транзистор – что-то вроде миниатюрного переключателя – чип мог сохранять только один бит информации: либо 1, либо 0 в зависимости от конфигурации транзистора.
С тех пор инженеры с поразительным постоянством ежегодно удваивают количество транзисторов в компьютерных чипах. Им это удается путем уменьшения вполовину размеров самих транзисторов. На сегодняшний день, после десятков повторений этого цикла удвоения и уменьшения вполовину, размеры транзисторов составляют лишь несколько атомов, а обычный компьютерный чип содержит до 9 миллионов таких транзисторов на квадратный миллиметр. Компьютеры с большим количеством транзисторов могут выполнять больше вычислений в секунду и становятся все мощнее. Удвоение мощности компьютеров каждые два года известно как закон Мура в честь инженера компании «Intel» Гордона Мура, первым заметившего эту тенденцию в 1965 году.
Закон Мура объясняет потерю популярности прошлогодних моделей ноутбуков и, несомненно, сделает технические новинки следующего года поразительно маленькими и мощными в сравнении с современными устройствами. Но если не принимать во внимание спрос потребителей, куда же, в конечном счете, направлен этот экспоненциальный рост компьютерной мощности? Станут ли компьютеры в итоге умнее людей? И остановятся ли они когда-либо в развитии мощности?
Сингулярность
Многие ученые считают, что экспоненциальный рост компьютерной мощности неизбежно ведет к моменту в будущем, известного как сингулярность, когда компьютеры достигнут уровня человеческого разума. И, по мнению многих, этот момент не за горами.
Физик Рей Курцваль, считающий себя футуристом, предвидит, что компьютеры в течение двух десятилетий сравняются с человечеством. В прошлом году он заявил, что инженерам удастся воссоздать мозг человека к середине 2020-х годов, а к концу того же десятилетия компьютеры достигнут уровня человеческого разума.
Вывод основан на основе проецирования закона Мура в будущее. Если мощность компьютеров и далее будет удваиваться каждые два года, то, как объясняет выдающийся профессор компьютерных наук и новатор в сфере компьютерных технологий Питер Деннинг, к 2030 году любая технология, используемая нами, будет значительно меньше. Благодаря этому мы сможем поместить все вычислительные способности человеческого мозга в физический объем размером с сам мозг. По мнению футуристов, именно это и нужно для искусственного разума. С этого момента компьютер начинает мыслить самостоятельно.
Что случится далее – непонятно, и именно над этим вопросом раздумывают ученые со времен рассвета компьютерных технологий.
«Как только будет найден метод заставить машину думать, немного времени уйдет на то, чтобы превзойти нас с нашими скромными возможностями, - отметил в 1951 году Алан Тюринг в своей работе «Мыслящие машины: еретическая теория». – Потому нам следует ожидать, что на каком-то этапе машины обретут контроль». Британский математик И.Дж. Гуд считал, что «сверхразумные» машины после своего появления смогут спроектировать еще более эффективные машины. «Это, безусловно, станет этапом бурного развития интеллекта, и разум человека останется далеко позади. Таким образом, первая сверхразумная машина – это последнее, что человеку вообще следует изобретать», - писал он.
Шумиха вокруг грядущей сингулярности возросла до того, что в следующем месяце даже готовится к появлению книга «Приближение сингулярности», автором которой стал Джеймс Миллер, доцент кафедры экономики колледжа Смита. В этой работе рассказывается о том, как выжить в мире после появления сингулярности.
Обработка данных по типу мозга
Однако не все верят в понятие сингулярности или считают, что мы ее когда-либо достигнем. «На сегодняшний день многие ученые, исследующие работу мозга, уверены, что его сложность настолько непостижима, что даже если нам и удастся построить компьютер, имитирующий его структуру, нам все же неизвестно, сможет ли получившееся устройство функционировать, как мозг», - отмечает Деннинг. Возможно, без сенсорных данных из окружающего мира компьютеры никогда не обретут самосознание.
Есть и другие мнения, в соответствии с которыми закон Мура либо будет нарушен вскоре, либо уже не действует. Аргументы основаны на том факте, что инженеры не могут сделать транзисторы еще меньше, чем сейчас, так как на данном этапе они уже ограничены размерами атома. «Так как транзистор состоит лишь из нескольких атомов, невозможно гарантировать, что они будут вести себя так, как предполагается», - объясняет Деннинг. В атомарных масштабах появляются загадочные квантовые эффекты. Транзисторы прекращают поддерживать единственное состояние, представленное единицей или нулем, и начинают непредсказуемо колебаться между двумя состояниями, что делает схемы и устройства хранения данных ненадежными. Еще одним лимитирующим фактором, считает Деннинг, является то, что транзисторы, переключаясь между этими двумя состояниями, производят тепло. Следовательно, слишком много транзисторов независимо от их размера, втиснутые в один кремниевый чип, будут вместе испускать столько тепла, что в итоге расплавят чип.
Потому некоторые ученые считают, что компьютерные способности приближаются к своему апогею. «Мы уже видим замедление закона Мура», - говорит физик-теоретик Мичио Каку.
Но если так, то для многих это новость. Дойн Фармер, профессор математики из Оксфордского университета, изучающий эволюцию технологий, заявляет, что для завершения закона Мура оснований мало, а данных для такого вывода недостаточно. По его словам, компьютеры становятся все мощнее, так как все больше напоминают мозг.
Компьютеры уже сейчас могут выполнять индивидуальные операции на порядок величин быстрее человека. Но в то же время мозг намного лучше справляется с параллельной обработкой данных, то есть выполнением нескольких операций одновременно. В основном, во второй половине прошлого столетия инженеры ускоряли компьютеры путем увеличения количества транзисторов в процессоре, но лишь недавно они взялись за распараллеливание компьютерных процессоров. Чтобы обойти проблему, когда в один процессор нельзя поместить дополнительные транзисторы, инженеры начали наращивать вычислительные способности путем создания многоядерных процессоров – систем чипов, производящих вычисления параллельно. Как объясняет Деннинг, вместо того, чтобы все больше и больше разгонять транзисторы, можно обеспечить параллельные вычисления на всех чипах. Он считает, что закон Мура, очевидно, продолжит действовать, так как теперь удваиваться каждые два года будет количество ядер в компьютерных процессорах.
И так как распараллеливание является ключом к усложнению структуры, в каком-то смысле многоядерные процессоры заставят компьютеры работать быстрее мозга, заявляет Фармер.
Кроме того, в будущем есть возможность квантовых вычислений – относительно нового направления, пытающегося использовать неопределенность, присущую квантовым состояниям, для выполнения значительно более сложных вычислений, чем доступно современным компьютерам. Тогда как обычные машины хранят информацию в битах, квантовые компьютеры будут ее сберегать в кубитах – частицах, таких как атомы или фотоны, состояние которых взаимосвязано, вследствие чего изменение одной частицы повлияет на все остальные. Благодаря такой взаимосвязи единственная операция, выполняемая квантовым компьютером, теоретически позволит мгновенное выполнение непостижимо громадного количества вычислений, и каждая частица, добавленная в систему взаимосвязанных частиц, удвоит производительность компьютера.
Если физикам удастся освоить квантовые компьютеры, над чем многие и работают, действие закона Мура, несомненно, продлится далеко в будущее.
Конечная грань
Если закон Мура продолжится, и компьютерная мощность продолжит расти экспоненциально (благодаря либо человеческому гению, либо машинному сверхразуму), существует ли какой-то этап, на котором этот прогресс будет вынужден остановиться? Физики Лоренс Краусс и Гленн Старкман заявляют, что есть. В 2005 году они подсчитали, что закон Мура может в действительности действовать только до тех пор, пока компьютеры не израсходуют материю и энергию вселенной, которую можно использовать в качестве битов информации. В конечном итоге, компьютеры не смогут далее развиваться; они просто не будут способны поглотить достаточно материала для удваивания количества битов каждые два года.
Итак, если закон Мура продолжит работать так же точно, как до сих пор, когда же, по мнению Краусса и Старкмана, компьютеры остановятся в развитии? Расчеты указывают, что машины охватят всю доступную вселенную, превратив каждый бит материи и энергии в часть своих схем, через 600 лет.
Может показаться, что очень скоро. «Как бы то ни было, закон Мура экспоненциальный», - отмечает Старкман. Удваивать количество битов можно ровно столько раз, сколько доступно во вселенной.
Сам Старкман думает, что закон Мура будет нарушен задолго до того, как сверхкомпьютер поглотит вселенную. В действительности, считает он, машины перестанут развиваться примерно через 30 лет. Что случится потом – неизвестно. Мы можем достичь сингулярности – момента, когда компьютеры становятся сознательными, берут на себя контроль, а потом начинают самосовершенствоваться. А может, нет. Скоро выйдет новый доклад Деннинга под названием «Не расстраивайтесь, если не можете предвидеть будущее». В нем говорится о людях прошлого, безуспешно пытавшихся предсказать будущее.
Источник: MNN
www.facepla.net
Что в будущем заменит компьютеры и смартфоны? Безумное будущее человечества
Десктопные ПК и ноутбуки — это комбинация монитора, клавиатуры и мыши. Смартфон просто взял эту модель, уменьшил ее и оснастил сенсором.
Первый iPhone, представленный в 2007 году, стал прародителем всех смартфонов современного типа. Эти устройства, достаточно маленькие, чтобы их можно было повсюду носить с собой, и достаточно функциональны, чтобы выполнять огромное число повседневных задач.
Но взгляните на смартфон с другой точки зрения. По сути, он является развитием идеи портативного компьютера. Смартфон — это ноутбук, который уменьшили в размерах лишили клавиатуры и мыши.
Логично предположить, что и дальше разработчики будут экспериментировать, упрощая ввод и вывод информации. Первые признаки этого можно увидеть уже сейчас. К примеру, Samsung Galaxy S8, представленный на прошлой неделе, оснащен голосовым ассистентом Bixby. Ассистент может принимать голосовые команды от пользователя и выдавать информацию также в текстовом варианте. По слухам, Apple этой осенью представит значительно усовершенствованного голосового ассистента Siri.
«Умные» колонки вроде Google Home или Amazon Echo вообще не имеют никаких способов ввода и вывода информации, кроме голоса. При этом они довольно популярны среди пользователей. В общем, в краткосрочной перспективе смартфоны современного типа вполне могут уступить место устройствам, целиком ориентированным на голосовой ввод и ввод информации.
В среднесрочной перспективе рынок захватит дополненная реальность. Первые устройства дополненной реальности, вроде Google Glass, существуют уже сегодня. Но, как показывает опыт тех же Google Glass, пользователи не готовы принять их в качестве гаджетов для повседневного использования. Пройдет немало времени, прежде чем среднестатистический пользователь будет готов ежедневно носить на лице умный визор. По слухам, Apple уже работает над таким устройством.
В неизбежности такого развития событий сомневаться не приходится. Над созданием компактных и привлекательных гарнитур дополненной реальности работают также Microsoft, Facebook и Google.
Когда гарнитуры дополненной реальности станут достаточно легкими, удобными и дешевыми, они без проблем вытеснят с рынка все прочие гаджеты. И правда, какой смысл носить в кармане дощечку с экраном, если экран все время у вас перед глазами? К этому моменту граница между реальным и виртуальным мирами сотрется окончательно. Соответственно, умные очки будут являться незаменимым инструментом для доступа пользователя к цифровому слою реальности.
В отдаленной перспективе нас ждет по-настоящему потрясающее будущее. Многие ученые уверены: на смену общедоступным устройствам дополненной реальности придет прямая радиосвязь с компьютером, сообщает newsli.ru. Думаете, это фантастика? Может быть, но конкретные шаги для воплощения этой фантастики в реальность делаются уже сегодня.
К примеру, недавно Илон Маск, создатель SpaceX и Tesla Motors, стал сооснователем еще одной компании Neuralink. Это – нейротехнологический проект, который разрабатывает способ напрямую соединить человеческий мозг с компьютером.
Конечно, сейчас трудно предположить, когда именно будет создан полноценный интерфейс мозг-компьютер. Если верить футуристу Рэю Курцвейлу, компьютер сможет сливаться с человеческим мозгом в единую структуру уже к концу 2030 годов.
Так или иначе, если Neuralink или другая нейротехнологическая компания добьется успеха, мир изменится навсегда. Это будет означать конец эпохи не только смартфонов, но вообще любой электроники современного типа. В конце концов, кому нужен смартфон в кармане, если человек уже представляет собой единое целое с компьютером и напрямую подключен к интернету?
www.newsli.ru
