(资料图片)

然而，我们还没有达到临界点。硬件仍处于初级阶段，“我们还没有破解的是软件。”计算机是围绕逻辑构建的：使用电路执行数学运算。逻辑是围绕加法器之类的东西构建的，而不是蛇；将两个数字相加的基本电路。对于当今的微处理器以及所有可以追溯到计算历史之初的微处理器来说都是如此。您可能会回到算盘并发现，在某些基本层面上，它与您闪亮的游戏电脑具有相同的功能。只是能力差了很多很多。如今，处理器可以在单个时钟内使用任意数量的复杂电路进行大量数学计算。不仅仅是将两个数字相加。但为了获得闪亮的新型游戏 CPU，需要对几个世纪前的经典计算机进行迭代。正如你可能想象的那样，构建一些完全不同的东西有点，呃，棘手，但这就是一些人正在努力做的事情，利用量子和神经形态计算等技术——这两个不同的概念可以永远改变计算。CETYS Ensenada软件工程协调员卡洛斯·安德烈斯·特拉维尼亚·莫雷诺 (Carlos Andrés Trasviña Moreno) 表示：“量子计算是一种我们已经非常熟悉的技术，至少从名称上来说是这样，并且总是被称为‘计算的未来’。”量子计算机利用量子位或量子位。与只能存在于两种状态之一的经典位不同，这些量子位可以存在于两种状态以及这两种状态的叠加。它是零、一，或者同时是零和一。如果这听起来非常令人困惑，那是因为它确实如此，但它也具有巨大的潜力。量子计算机预计将强大到足以破解现代“牢不可破”的加密，加速医学发现，重塑全球经济运输货物的方式，探索恒星，并几乎彻底改变任何涉及大规模数字运算的事物。问题是，量子计算机制造起来极其困难，运行起来可能更困难。“量子计算的主要缺点之一是其高功耗，因为它使用的算法比当前任何 CPU 的算法都要复杂得多，”莫雷诺继续说道。“此外，它需要接近绝对零温度的环境，这会恶化系统的功率要求。最后，它们对热、光和振动等环境干扰极其敏感。“任何这些都可以改变当前的量子态并产生意想不到的结果。”虽然你可以用量子位复制经典逻辑的功能——我们在开发这些机器时并不是完全从零开始——但要利用量子计算机的能力需要新的、复杂的量子算法，而我们才刚刚掌握这些算法。IBM 是一家在量子计算领域大力投资的公司，目标是到 2025 年创建一台具有 4,158 个或更多量子位的量子计算机。谷歌也涉足量子领域。诚然，我们距离无处不在的“量子霸权”还有很长的路要走，也就是量子计算机比当今顶级经典超级计算机更好的时刻。谷歌确实声称它在 2019 年就做到了这一点，尽管这可能被证明是一项小众成就，但仍然是一项令人印象深刻的成就。不管怎样，从实际角度来说，我们还没有达到这个目标。人工智能是您最喜欢的 2023 年流行语，未来的计算具有更直接的潜力。但对于许多人来说，这确实是一个巨大的、改变生活的发展，我不仅仅是在谈论浏览器中那个听起来很聪明、有点过于争论的聊天机器人。今天，我们仅仅触及了人工智能用途的表面，为了解锁那些更深入、更有影响力的用途，我们正在开发一种全新类型的芯片。“在我看来，神经拟态计算是[经典计算]最可行的替代方案，”莫雷诺说。 “从某种意义上说，我们可以说神经形态计算机是在硬件上实现的生物神经网络。人们可能会认为它只是将感知器转换为电压和门，但它实际上是对大脑如何工作以及实际神经元之间如何通信的更接近的模仿。其他通过突触。”什么是神经形态计算？答案就在名字中，neuro，意思是与神经系统有关。神经形态计算机旨在模仿人类已知的最伟大的计算机和最复杂的创造物：大脑。“我认为我们将达到这样一个境界：这些神经形态芯片的处理能力远远超过基于 x86 架构（一种传统架构）的单片芯片的处理能力。因为大脑的运作方式，我们知道它具有远远超过其他任何东西的容量和能力，”肯尼迪说。“最有效的系统往往看起来非常像你在自然界中看到的东西。”神经形态芯片尚未达到突破性时刻，但它们即将到来。英特尔目前正在开发两款神经拟态芯片：Loihi 和 Loihi 2。神经形态芯片到底是什么？嗯，它是一个大脑，有神经元和突触。但由于它们仍然是由硅制成的，因此可以将它们视为经典计算机芯片和大脑生物学的混合体。而且大脑不一定很大——Loihi 2 有 100 万个神经元和 1.2 亿个突触，比拥有大约 860 亿个神经元和数万亿个突触的人脑小许多数量级。正如你可能想象的那样，很难将它们全部数出来，所以我们并不能准确地知道，但我们有很大的大脑。你可以向你的小脑动物伙伴吹嘘这一点。 据估计，蟑螂的突触数量与 Loihi 2 一样多，以便更好地理解我们在这里讨论的灰质尺度。“我们声称你不需要那么复杂，大脑就有其功能，但如果你要进行计算，你只需要神经元和突触的一些基本功能即可使其真正发挥作用，”博士马克·迪恩告诉我，2021 年。神经形态计算有很大的发展空间，随着人们对人工智能的兴趣迅速增长，这项新兴技术可能被证明是为您不断阅读的那些令人印象深刻的人工智能模型提供动力的关键。你可能认为人工智能模型今天运行得很好，这主要归功于 nvidia 的显卡。但神经拟态计算对某些人如此诱人的原因是“它可以大大降低处理器的功耗，同时仍然管理与现代芯片相同的计算能力，”莫雷诺说。“相比之下，人脑只需 20 瓦的能耗即可实现数百 teraflops 的处理能力，而普通显卡则可输出 40-50 teraflops 的处理能力，能耗为 450 瓦。”基本上，“如果在 GPU 中开发和实现神经形态处理器，其处理能力将超过任何现有产品，而能耗只需一小部分。”听起来很吸引人吗？是的，当然可以。较低的能耗不仅可以带来巨大的潜在计算能力，而且可以减少能源消耗，这对冷却也有连锁反应。 “改变计算架构还需要实施不同的编程范例，这本身也将是一项令人印象深刻的壮举，”莫雷诺继续说道。构建神经形态芯片是一回事，为其编程则是另一回事。这就是英特尔的神经拟态计算框架开源的原因之一，你需要大量的人员参与才能启动此类项目。“我们还没有破解的是如何利用该结构背后的软件，”肯尼迪说。“所以你可以创建一个看起来非常像大脑的芯片，软件确实让它像大脑一样发挥作用。到目前为止，我们还没有破解这个难题。”我们需要一段时间才能用类似大脑的东西完全取代人工智能加速器。或者加法器和二进制函数，它们与量子计算机的计算本身一样古老。然而，正如我们所知，体验式尝试已经开始取代经典计算。微软最近声称取得了一项突破，该公司非常看好量子的未来，IBM 最近也预测量子计算机将在两年内在重要任务中超越经典计算机。用英特尔公司的肯尼迪的话来说，“我认为我们已经实现了目标”。