I 1965 Intel medstifter Gordon Moore offentliggjort en bemærkelsesværdigt forudgående papir som forudsagde, at computerkraft ville fordobles hvert andet år. I et halvt århundrede har denne fordoblingsproces vist sig at være så bemærkelsesværdigt konsekvent, at den i dag almindeligvis er kendt som Moores lov og har drevet den digitale revolution.
Faktisk er vi blevet så vant til ideen om, at vores teknologi bliver mere kraftfuld og billigere, at vi næppe stopper og tænker over, hvor hidtil uset den er. Vi forventede bestemt ikke, at heste eller plove - eller endda dampmaskiner, biler eller fly - skulle fordoble deres effektivitet ved en kontinuerlig hastighed.
erin burnett vægtøgning 2016
Ikke desto mindre er moderne organisationer kommet til at stole på kontinuerlig forbedring i en sådan grad, at folk sjældent tænker over, hvad det betyder og med Moores lov er ved at ende , det bliver et problem. I de kommende årtier bliver vi nødt til at lære at leve uden sikkerhed i Moores lov og operere i en ny æra af innovation det vil være dybt anderledes.
Von Neumann flaskehals
På grund af kraften og konsistensen i Moores lov er vi kommet til at forbinde teknologisk fremskridt med processorhastigheder. Alligevel er det kun en dimension af ydeevne, og der er mange ting, vi kan gøre for at få vores maskiner til at gøre mere til lavere omkostninger end bare at fremskynde dem.
Et primært eksempel på dette kaldes fra Neumann flaskehals , opkaldt efter det matematiske geni, der er ansvarlig for den måde, hvorpå vores computere gemmer programmer og data ét sted og foretager beregninger et andet sted. I 1940'erne, da denne idé opstod, var det et stort gennembrud, men i dag bliver det noget af et problem.
Spørgsmålet er, at vores chips kører så hurtigt på grund af Moores lov, at vi i den tid, det tager information at rejse frem og tilbage mellem chips - med lysets hastighed, ikke mister meget værdifuld computertid. Ironisk nok, da chiphastighederne fortsat forbedres, bliver problemet kun værre.
Løsningen er enkel i konceptet, men undvigende i praksis. Ligesom vi integrerede transistorer på en enkelt siliciumskive for at skabe moderne chips, kan vi integrere forskellige chips med en metode kaldet 3D-stabling . Hvis vi kan få dette til at fungere, kan vi øge ydeevnen i nogle få flere generationer.
Optimeret databehandling
I dag bruger vi vores computere til en række opgaver. Vi skriver dokumenter, ser videoer, forbereder analyse, spiller spil og laver mange andre ting på samme enhed ved hjælp af den samme chiparkitektur. Vi er i stand til at gøre dette, fordi de chips, vores computere bruger, er designet som en generel teknologi.
Det gør computere bekvemme og nyttige, men er frygtelig ineffektive til beregningsintensive opgaver. Der har længe været teknologier som f.eks ASIC og FPGA, der er designet til mere specifikke opgaver og for nylig GPU'er er blevet populære for grafik og kunstig intelligensfunktioner.
Da kunstig intelligens er steget fremad, er nogle firmaer, som Google og Microsoft er begyndt at designe chips, der er specielt konstrueret til at køre deres egne dybe læringsværktøjer. Dette forbedrer ydeevnen kraftigt, men du skal lave mange chips for at få økonomien til at fungere, så dette er uden for rækkevidde for de fleste virksomheder.
Sandheden er, at alle disse strategier kun er stopgaps. De vil hjælpe os med at fortsætte med at komme videre i løbet af det næste årti eller deromkring, men når Moores lov slutter, er den virkelige udfordring at komme med nogle fundamentalt nye ideer til computing.
alex fra target er homoseksuel
Dybt nye arkitekturer
I løbet af det sidste halve århundrede er Moores lov blevet synonymt med computing, men vi lavede beregningsmaskiner længe før den første mikrochip blev opfundet. I det tidlige 20. århundrede var IBM først banebrydende for elektromekaniske tabulatorer, derefter kom vakuumrør og transistorer, før integrerede kredsløb blev opfundet i slutningen af 1950'erne.
I dag er der to nye arkitekturer, der kommer til at blive kommercialiseret inden for de næste fem år. Den første er kvantecomputere , som har potentialet til at være tusinder, hvis ikke millioner, gange stærkere end den nuværende teknologi. Både IBM og Google har bygget fungerende prototyper, og Intel, Microsoft og andre har aktive udviklingsprogrammer.
Den anden store tilgang er neuromorf computing eller chips baseret på designet af den menneskelige hjerne. Disse udmærker sig ved mønstergenkendelsesopgaver, som konventionelle chips har problemer med. De er også tusinder af gange mere effektive end den nuværende teknologi og kan skaleres ned til en enkelt lille kerne med blot et par hundrede 'neuroner' og op til enorme arrays med millioner.
Alligevel har begge disse arkitekturer deres ulemper. Kvantecomputere skal køles ned til tæt på absolut nul, hvilket begrænser deres brug. Begge kræver meget anden logik end konventionelle computere og har brug for nye programmeringssprog. Overgangen vil ikke være problemfri.
En ny æra af innovation
I de sidste 20 eller 30 år har innovation, især i det digitale rum, været ret ligetil. Vi kunne stole på, at teknologien forbedres i et forudsigeligt tempo, og det gjorde det muligt for os med en høj grad af sikkerhed at forudsige, hvad der ville være muligt i de kommende år.
Det førte til, at de fleste innovationsindsatser var fokuseret på applikationer med stor vægt på slutbrugeren. Startups, der var i stand til at designe en oplevelse, teste den, tilpasse sig og gentage hurtigt kunne overgå store virksomheder, der havde langt flere ressourcer og teknologisk raffinement. Det gjorde agility til en afgørende konkurrenceattribut.
christina flip eller flop alder
I de kommende år vil pendulet sandsynligvis svinge fra applikationer tilbage til de grundlæggende teknologier, der gør dem mulige. I stedet for at være i stand til at stole på troværdige gamle paradigmer, fungerer vi stort set i det ukendte rige. På mange måder starter vi forfra, og innovation vil se mere ud som i 1950'erne og 1960'erne
Computing er kun et område, der når sine teoretiske grænser. Vi har også brug for det næste generations batterier til at drive vores enheder, elbiler og nettet. Samtidig er nye teknologier som f.eks genomik, nanoteknologi og robotik bliver opstigende og endda videnskabelig metode sættes i tvivl .
Så vi går nu ind i en ny æra med innovation, og de organisationer, der mest effektivt vil konkurrere, er ikke dem, der har kapacitet til at forstyrre, men de, der er villige til at tackle store udfordringer og undersøge nye horisonter.
