模拟计算机和数字计算机

抽象符号只是对现实世界的描述而非模拟,这种描述的还原依赖于人脑对自然世界的物理共识,当你说 “这是山” 这三个简单的字时,听者会还原出一座大山的具象…

人们早在 70 多年前就习惯了以二进制 0 和 1 为基础的数字逻辑,开启了数字化时代,这个时代是如此的伟大以至于人们认为数字逻辑是唯一的计算基础。

最近给孩子们讲互联网也从孩子们那里获得一些新的思考,恰恰跟并不属于本行业的人甚至小孩子交流才能获得新认知。

二进制逻辑电路是时序电路,每个特定时刻,所有逻辑门引线的电平集合表示该电路的一个状态,不同的状态就是 0 和 1 之间不同的排列组合。任何此类电路的输入到输出的过程都是若干次电路状态翻转的过程。

显而易见,涉及的输入比特越多,0 和 1 排列组合的方式越多,在一个时间序列中从输入到输出就要经过更多的状态。比如比较 n 个数字所涉及的逻辑门翻转次数肯定比比较 n - 1 个数字逻辑门翻转次数更多,这是人们寻求更小时间复杂度的动机,因为时序电路本质上就是在更多时间中展开更多的工作,不同的是更多的更多,还是更少的更多。

但人们对空间复杂度的态度就更宽容,几乎所有(至少大多数)的 O(1) 时间复杂度都在用空间换时间,因为更多的空间可以让更多的逻辑门同时(关键词)参与状态翻转。8 位处理器没有 16 位处理器屌,16 位没有 32 位屌,这些本质上都是在用空间换时间,在 16 位系统中 1 次无法算完 32 位运算,可以分为多次 16 位计算(大数运算),也可以增加更多门电路以支持 32 位,但什么时候是个头。

现如今的 ai 大模型以及此前的区块链都在为这事头疼,新的算法本质上是一种新的统筹方法,而新的更多的逻辑门本质上要看空间能压缩到何种程度,无论空间方向还是时间方向的扩展,在面临更大任务量时,各种 xpu 越来越花哨,设备越堆越大,计算时间越来越久,能耗越来越高。

这种基于 0 和 1 的二进制逻辑本质上在更大的计算量面前是没有可扩展性的。

现在看看模拟的计算方式。

但我们的大自然已经持续模拟计算了几十亿年,它妥妥就是 O(1) 的时间复杂度和 O(n) 的空间复杂度,很多利用门电路需要好多步骤的计算,模拟计算一瞬间就完成了。

多条河汇入一条河,这条河的水量就是支流之和,这就是一次加法。串联电路和并联电路也是加法和减法的好例子,模拟信号的计算是在一瞬间完成的,连续的信号连续的变化,并不涉及状态翻转的集合,计算时间唯一受制于信号本身传播速度,同样的加法运算,支流汇入干流需要分钟乃至小时级,而串并联电路则在一瞬间。3 安培电流和 300 安培电流对于线缆而言没什么不同,不需要更多的 “状态集合” 去支撑更多的翻转。

用铁为材料批量制作 m(m > 10000000000000000 为质数) 个黑色小球,再用与铁等密度的材料批量制作同大小的 (n - 1)m(n > 100000000000000000 为质数) 个黑色小球,混在一起计数 k。若要分解 k,只需要一块磁铁和一杆秤就行了,然而用计算机去试试看。

模拟信号只需要物理定律,这些定律是大自然的恩赐,要计算乘除法,使用欧姆定律用表量一下即可。一阵风吹过的事,大自然不需要大数运算。

我们的大脑作为自然界的一部分,也是基于模拟信号,模拟信号是真正的存算一体。这支撑我们从水生祖先进化到真正的智人期间,我们的躯体大小并没有数量级的差异,同时更重要的,也支撑了我们的大脑可以在不过于膨胀的前提下快速进化,这是关键,否则光是能耗就能让进化停止。如果换成逻辑门,支撑电子草履虫的元器件与支撑强人工智能的元器件相比,至少也是一台电脑和一个机房的差异,如果没有主动能量注入,在自发情况下,这种不可扩展的进化是不划算的。

类比我们的竖式乘法,越大的数字计算乘法就需要越多的步骤,写下这个步骤的竖式就需要更大的纸张,计算机的过程与此类似。但识别到一个构造复杂的经理并不比识别一只构造简单的蛆虫更废脑子,这就是人的方式。

只要回头重新看模拟信号和智人进化本身,就能发现模拟计算是多么炫酷。此前没有发现这种炫酷的原因在于人们并没有用模拟信号用在支撑需要强扩展性的领域,反而将其用在它最不擅长的地方。人们在算力需求并不旺盛时,朴素地提出了一些模拟计算器,而这些计算器虽精巧,但算力甚至不如多人一起打算盘。

人们正是认识到模拟信号的固有误差以及易被噪声干扰才大力推崇数字运算,在互联网发展的前 30 年,广义的计算几乎就是小量算术运算,存储和传输,而这类操作都是数字逻辑所擅长的,有趣的是,大数的质因数分解之所以可用于非对称加解密的根据,恰恰是承认并利用了数字逻辑在处理大运算量时的不擅长。

但人脑的工作方式与数字逻辑此相反,人脑很难进行数学运算,存储和传输。超过 2 位数的乘法人脑就很吃力,人脑容易遗忘,容易把事情记混记错,人耳容易听错,人眼容易看错,所以人把这些交给了计算机。仔细看这些人脑不擅长之事的特点,它们都基于 “某种抽象描述” 来操作,数学运算诉诸抽象数字,记忆和交流诉诸抽象的语言和文字。

智人跟大自然妥协了上万年,自己发明一些小物件儿但仍然吭吭哧哧做一些自己不擅长的抽象操作,直到智人自己发现了二进制和硅的配合可以帮助自己完成这些操作,智人自驯化了植物动物之后,再次驯化了硅,开启了数字时代。

人脑不擅长处理抽象符号,但却善于模式识别,归类和归纳,而这些恰恰是智能涌现的基础,先有了物理感知,模式识别,归类和归纳,才衍生出抽象符号,进而才需要处理这些抽象符号,最终我们进化成了智人。

但这一次智人走得太远了,以至于自己独一无二的本事再也看不见。

如今人工智能的探究方向看起来是反过来了,试图通过抽象符号来涌现智能,在我看来这很难。抽象符号以及抽象规则是人灌输的,而不是大模型涌现的。首先要让它在不依赖人工抽象的前提下自行通过自然界的物理定律培养出感知,识别,归类,归纳的能力,才能使之拥有形成自己抽象符号的前提,进而涌现出智能,这正是我们自己走过的路。

抽象符号只是对现实世界的描述而非模拟,这种描述的还原依赖于人脑对自然世界的物理共识,当你说 “这是山” 这三个简单的抽象描述字时,中国的听者会还原出一座大山的物理具象,但一个芬兰人可能就不会有这种具象。现在的人工智能方法论试图先让 “这是山” 成为抽象共识,然后从这三个字中产生(而不是还原)一座山的物理具象。

而数字逻辑之于现实世界,无异于抽象描述之于现实世界。

数字逻辑擅长还将继续擅长处理数学运算,数据存储和传输,但可能真的不适合期待从中涌现出真正的智能。
浙江温州皮鞋湿,下雨进水不会胖。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/758106.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【Docker】-- 如何安装docker

一、安装docker 首先要安装一个yum工具 yum install -y yum-utils 安装成功后,执行命令,配置Docker的yum源: yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo 最后,执行命令&#x…

XJLS-84/620静态双位置继电器 DC220V 带柜内板前接线底座 JOSEF约瑟

XJLS-84系列静态双位置继电器 系列型号: XJLS-84/023A静态双位置继电器; XJLS-84/132A静态双位置继电器; XJLS-84/203静态双位置继电器; XJLS-84/222A静态双位置继电器; XJLS-84/312A静态双位置继电器; XJLS-84/502静态双位置继电器; XJLS-84/440静态双位置继电器; …

vue3 elementPlus 设置树形报错时 setCheckedKeys of undefined

第一种解决方法 nextTick(async ()>{ treeRef.value!.setCheckedKeys(rows.permissionIds, false) }) 第一种解决方法 onMounted(async () > { treeRef.value!.setCheckedKeys([3], false) })

基于Springboot的高校竞赛管理系统(有报告)。Javaee项目,springboot项目。

演示视频: 基于Springboot的高校竞赛管理系统(有报告)。Javaee项目,springboot项目。 项目介绍: 采用M(model)V(view)C(controller)三层体系结构…

Chart-based Reasoning: Transferring Capabilities from LLMs to VLMs

Chart-based Reasoning: Transferring Capabilities from LLMs to VLMs 相关链接:arXiv 关键字:Vision-language models、ChartQA、multimodal reasoning、fine-tuning、synthetic data 摘要 本文提出了一种技术,将大型语言模型(…

免费录音软件大集合,轻松录制高品质音频

“有没有免费的录音软件推荐呀?最近我在制作一个关于环境保护的宣传片,需要录制一些大自然的声音。但是我发现自己并不擅长录音,甚至不知道如何开始。希望有人能推荐一些免费且易用的录音软件,感激不尽!” 在当今信息…

Grid数据增强算法

算法原理 class Grid(object):def __init__(self, d1, d2, rotate1, ratio0.5, mode0, prob0.8):self.d1 d1self.d2 d2self.rotate rotateself.ratio ratioself.mode modeself.st_prob self.prob probdef set_prob(self, epoch, max_epoch):self.prob self.st_prob …

基于深度学习的场景文本检测

CTPN 简介: 基于目标检测方法的文本检测模型,在Faster RCNN的基础上进行了改进,并结合双向LSTM增强了序列提取特征,通过anchor和gt的设计将文本检测任务转化为一连串小尺度文本框的检测。 解决问题: 文本长短不一&…

全球首位AI程序员是否会抢走程序员饭碗

目录 1.概述 2.AI程序员的优势分析 2.1.减少人为错误 2.2.提高开发效率 2.3.代码质量提高 ​​​​​​​2.4.智能调试和测试 ​​​​​​​2.5.需求理解和管理 ​​​​​​​2.6.优化项目管理 ​​​​​​​2.7.知识共享与复用 ​​​​​​​2.8.小结 3.AI程序…

ubuntu 20.04 Kimera semantic 运行记录

Ubuntu20.04 Kimera Semantic运行记录 Kimera VIO ROS 配置 MIT Kimera-VIO-ROS 安装 mkdir -p Kimera_ws/src cd Kimera_ws catkin init catkin config --cmake-args -DCMAKE_BUILD_TYPERelease -DGTSAM_TANGENT_PREINTEGRATIONOFF catkin config --merge-develcd src git…

【蓝桥杯】RMQ(Range Minimum/Maximum Query)

一.概述 RMQ问题,是求区间最大值或最小值,即范围最值问题。 暴力解法是对每个询问区间循环求解,设区间长度n,询问次数m,则复杂度是O ( nm )。 一般还可以使用线段树求解,复杂度是O(mlogn)。 但还有一种…

论文解读—— 基于边缘梯度方向插值和 Zernike 矩的亚像素边缘检测

论文:《 Subpixel edge detection based on edge gradient directional interpolation and Zernike moment》 地址: http://www.dpi-proceedings.com/index.php/dtcse/article/view/24488 摘要 在本文中,我们提出了一种基于边缘梯度方向插值…

PowerShell 一键更改远程桌面端口

前言 提高工作效率,安全性和规范化,最终实现一键更改Windows 远程桌面端口 前提条件 开启wmi,配置网卡,参考 一键更改远程桌面端口自动化脚本 默认端口3389变更后的端口3390win+r mstsc YOU_ip常规更改的连接方式win+r mstsc YOU_ip:3390需要恢复到原来的端口3390更改成3…

阿里云2025届春招实习生招聘

投递时间:2024年2月1日-2026年3月1日 岗位职责 负责大型客户“上云”,"用云"技术平台开发。 开发云迁移运维技术工具,帮助阿里云服务团队&&企业客户和服务商自主、高效的完成云迁移。 开发云运维技术工具,帮助…

【java】java环境变量分类

测试代码&#xff1a; public class TestSys {public static void main(String[] args) {/*** 获取所有的系统环境变量*/Map<String, String> map System.getenv();map.forEach((key, value) -> System.out.printf("env&#xff1a;key:%s->value:%s%n"…

leetcode1969--数组元素的最小非零乘积

1. 题意 给定一个非零的二进制位排列&#xff1b; 允许交换其中两个数的二进制位任意次。 求交换后得到数组的最小非零乘积。 如: p 3 a [ 001 010 011 100 101 110 111 ] p3\\ a[001\ 010\ 011\ 100\ 101\ 110\ 111]\\ p3a[001 010 011 100 101 110 111] 将010与101交换…

CPU的Cache和MESI协议

前言 大家好我是jiantaoyab&#xff0c;这是我所总结作为学习的笔记第20篇&#xff0c;在这里分享给大家&#xff0c;这篇文章讲CPU的Cache和MESI协议。 为什么需要高速缓存&#xff1f; 通过图片可以清晰的看到&#xff0c;随着时间的发展CPU的性能差距和内存越来越大&#…

Js 原型和原型链

在 JavaScript 中&#xff0c;每个对象都有一个特殊的内部属性&#xff08;[[Prototype]]&#xff09;&#xff0c;它就是对于其他对象的引用。这个其他对象被称为该对象的“原型”。 原型链是由原型对象形成的链状结构。当试图访问一个对象的属性时&#xff0c;如果对象自身没…

使用光标精灵更换电脑鼠标光标样式,一键安装使用

想要让自己在使用电脑时更具个性化&#xff0c;让工作和娱乐更加愉快&#xff0c;改变你的电脑指针光标皮肤可能是一个简单而有效的方法。很多人或许并不清楚如何轻松地调整电脑光标样式&#xff0c;下面我就来分享一种简单的方法。 电脑光标在系统里通常只有几种默认图案&…

SpringBoot项目通过触发器调度实现定时任务

文章目录 前言一、quartz是什么&#xff1f;二、quartz中核心概念三、集成步骤1.引入依赖2.demo样例a.定义一个任务参数实体类b.定义操作触发器、定时任务接口及实现c.作业实现d.结果截图 四、其他1.QuartzJobBean和Job区别2.注意事项3.作业&#xff08;Job&#xff09;和触发器…