Hva er "datakraft"?
De siste årene har begrepet "databehandlingskraft" ofte dukket opp i internettkretsen og har blitt et hett ord ofte hang på leppene til vitenskaps- og teknologiledere. Men faktisk er dette ikke et nytt konsept, den opprinnelige betydningen av datakraft er ikke kompleks, som navnet antyder, er muligheten til å beregne. Det er evnen til serveren til datasenteret å realisere resultatutgangen etter behandlingen av dataene.
Den menneskelige hjernen er en naturlig dataserver. I livet, så lite som å gå til matmarkedet for å kjøpe mat, så stort som å løse et matematikkproblem, gir den menneskelige hjernen datakraft for våre behov gjennom oral beregning og mental beregning i hvert øyeblikk. Men slik datakraft er litt lav, spesielt når det gjelder veldig komplekse databehandlingsproblemer, som har født generasjon etter generering av databehandlingsverktøy.
For det første må vi selvfølgelig finne verktøy fra mennesker selv, så fingeren ble det enkleste og mest praktiske telleverktøyet som har blitt brukt siden den gang, og dette er sannsynligvis den grunnleggende grunnen til at desimalberegning ble oppfunnet og popularisert.
Med kontinuerlig utvikling av produksjonspraksis, oppfant mennesket endelig sine egne databehandlingsverktøy. På hvert trinn i problemløsningsprosessen er det en standardisert prosedyre, som derfor anses av noen historikere av matematikk for å være strukturelle og "mekaniserte".
I likhet med forbedring av verktøy i den mekaniske tidsalderen, med utviklingen av databehandlingsprogramvare, det vil si algoritmer, raskere og raskere, databehandlingsmaskinvare, det vil si "chip", selv om den har forbedret seg, men til slutt ikke kan følge med på fremdriften til algoritmen, og til slutt erstattet av mer praktisk abacus.
Det var også den første store revolusjonen i historien til databehandlingsverktøy. Prinsippet for Abacus ligner på beregningsbrikken, men det er mer praktisk i drift, spesielt etter å ha mestret Abacus -formelen og grunnleggende ferdigheter, er beregningshastigheten fantastisk. Rundt 1400 -tallet ble Abacus oppfunnet av det kinesiske folket introdusert for Japan, Sør -Korea og andre land, og gradvis introdusert for Vesten gjennom virksomhet, og det er fremdeles mye brukt på noen områder i dag.
Moderne datamaskiner og Moores lov
Fra den eldgamle knute som teller til den manuelle databehandlingstiden, og deretter til den mekaniske databehandlingstiden, har alle endringer i databehandlingsverktøy ført til et stort sprang i datakraft, og fremmet utviklingen av menneskelig økonomi og samfunn videre.
Men i det siste var folks oppfatning av datakraft ikke åpenbar, før fødselen av elektroniske datamaskiner, slik at folk dypt føler kraften i databehandling. Med støtte fra slik superdatamakraft, kan mange tidligere utenkelige problemer løses på et øyeblikk. Det er også fremveksten av generasjon etter generering av raskere og raskere elektroniske datamaskiner som gjør viktigheten av å beregne kraft virkelig angår mennesker.
Hvordan måles datakraften til moderne datamaskiner?
Enkelt sagt, når et menneske bruker en datamaskin, må et inngangskarakter eller melding først konverteres til en koding som en elektronisk datamaskin kan håndtere: en permutasjon av {{0}} eller 1. Den elektroniske transistoren er den grunnleggende enheten for numerisk operasjon som 0 eller 1, på denne enheten for numerisk operasjon som den er en enhet som er en enhet som er en enhet som er en enhet, er den. 0, hver 0 eller 1 er litt (den minste informasjonsenheten). Dette betyr også at størrelsen på datakraften er positivt korrelert med antall transistorer, og jo mer transistorer det er, jo mer informasjon kan du representere.
Det kan sies at fremveksten av brikker virkelig har fremmet den raske utviklingen av moderne datamaskiner. Etter denne trenden vil brikketetthet og datakraft øke eksponentielt i forhold til tidssyklusen. Denne oppdagelsen ble kjent som Moores lov.
I mer enn et halvt århundre har utviklingen av elektroniske datamaskiner i utgangspunktet fulgt Moores lov. Dette markerer også at datakraften til elektroniske datamaskiner endelig ikke lenger bare er for noen få mektige institusjoner å tjene, men begynte å virkelig bevege seg mot tusenvis av husholdninger, og deretter fremme ankomsten av informasjonsalderen til hele folk.
Beregne utfordringer i en alder av kunstig intelligens
I følge Moores lov dobler Computing Power omtrent hvert annet år. En slik forferdelig vekstrate kan imidlertid ikke imøtekomme behovene til menneskelig datakraft, spesielt etter utviklingen av dyp læring førte fremveksten av kunstig intelligens i 2012.
I dette tilfellet, hvordan kan datakraften økes for å imøtekomme behovene til intelligent databehandling? Det er to store områder for gjennombrudd.
3.1 Fly og sjø -taktikk
Den første metoden, for å finne flere mennesker å beregne sammen, det vil si å bruke høy ytelse databehandling og distribuert databehandling for å øke strømmen, er nå den viktigste måten å forbedre datakraften på.
Blant dem er kjerneteknologien for databehandling med høy ytelse parallell databehandling, det vil si prosessen med å bruke flere databehandlingsressurser for å løse databehandlingsproblemer samtidig.
I en tid med cloud computing er datasentre de viktigste transportørene for datakraft. Dette er også den grunnleggende årsaken til bygging av informasjonsinfrastruktur som Big Data Centers, Cloud Computing Centers, Intelligent Computing Centers og Supercomputing Centre over hele landet.
3.2 Forbedring av utstyr
Den andre metoden er å grunnleggende forbedre utstyret og oppnå et gjennombrudd i datamodus.
Selv om databehandling og distribuert databehandling er de viktigste virkemidlene for å forbedre datakraften for tiden, er det mange restriktive faktorer, og forbedringen av datakraften er begrenset. Derfor har den nest største metoden for å forbedre datakraften blitt jakten på mange nyskapende forskere, hvis en typisk representant er kvanteberegning.
Imidlertid er det fortsatt andre problemer: den ene er å finne en passende og universell fysisk bærer for å opprettholde Quantum Superposition -tilstanden, og den andre er et mye brukt databehandlingsscenario. Så langt kan de forskjellige rapporterte kvantedatamaskinene bare utføre noen få spesielle scenarier, men fremtiden er veldig lovende.
Selv om datakraft ikke er den eneste faktoren som påvirker utviklingen av kunstig intelligens, er det en av dens nødvendige forhold. Hornet har hørt, og i løpet av det neste tiåret, hvis du vil vinne på sporet av kunstig intelligens, er datakraft sannsynligvis den første linjen som er ødelagt.