1965 grundade Intel Gordon Moore publicerade en anmärkningsvärt förutgående papper som förutspådde att datorkraften skulle fördubblas ungefär vartannat år. Under ett halvt sekel har denna fördubblingsprocess visat sig vara så anmärkningsvärt konsekvent att den idag är allmänt känd som Moores lag och har drivit den digitala revolutionen.
Vi har faktiskt blivit så vana vid tanken att vår teknik blir kraftfullare och billigare att vi knappt stannar och tänker på hur aldrig tidigare skådad den är. Visst förväntade vi oss inte att hästar eller plogar - eller ens ångmotorer, bilar eller flygplan - skulle fördubbla effektiviteten i en kontinuerlig takt.
jocelyn hudon födelsedatum
Ändå har moderna organisationer kommit att förlita sig på kontinuerlig förbättring i en sådan utsträckning att människor sällan tänker på vad det betyder och med Moores lag håller på att ta slut , det kommer att bli ett problem. Under de kommande årtiondena måste vi lära oss att leva utan säkerhet i Moores lag och verka i en ny era av innovation det kommer att vara helt annorlunda.
Von Neumann flaskhals
På grund av kraften och konsekvensen i Moores lag har vi kommit att associera teknisk utveckling med processorhastigheter. Ändå är det bara en dimension av prestanda och det finns många saker vi kan göra för att få våra maskiner att göra mer till lägre kostnad än att bara påskynda dem.
Ett primärt exempel på detta kallas från Neumann flaskhals , uppkallad efter det matematiska geni som ansvarar för hur våra datorer lagrar program och data på ett ställe och gör beräkningar på en annan. På 1940-talet, när denna idé uppstod, var det ett stort genombrott, men idag blir det något av ett problem.
Frågan är att, på grund av Moores lag, går våra marker så snabbt att vi under den tid det tar information att resa fram och tillbaka mellan marker - med ljusets hastighet förlorar mycket värdefull datatid. Ironiskt nog, eftersom chiphastigheterna fortsätter att förbättras blir problemet bara värre.
Lösningen är enkel i konceptet men svårfångad i praktiken. Precis som vi integrerade transistorer på en enda kiselskiva för att skapa dagens chips, kan vi integrera olika chips med en metod som kallas 3D-stapling . Om vi kan få detta att fungera kan vi öka prestandan i några fler generationer.
Optimerad databehandling
Idag använder vi våra datorer för en mängd olika uppgifter. Vi skriver dokument, tittar på videor, förbereder analys, spelar spel och gör många andra saker på samma enhet med samma chiparkitektur. Vi kan göra detta eftersom de chips som våra datorer använder är utformade som en allmän användningsteknik.
Det gör datorer praktiska och användbara, men är väldigt ineffektiva för beräkningsintensiva uppgifter. Det har länge funnits tekniker, till exempel ASIC och FPGA, som är utformade för mer specifika uppgifter och, mer nyligen, GPU: er har blivit populära för grafik och artificiell intelligens.
Eftersom artificiell intelligens har stigit fram, har vissa företag, som Google och Microsoft har börjat designa marker som är specifikt konstruerade för att köra sina egna djupinlärningsverktyg. Detta förbättrar kraftigt prestandan, men du måste göra en hel del marker för att få ekonomin att fungera, så detta är utom räckhåll för de flesta företag.
Sanningen är att alla dessa strategier bara är stoppgap. De kommer att hjälpa oss att fortsätta framåt under det kommande decenniet, men när Moores lag slutar är den verkliga utmaningen att komma med några fundamentalt nya idéer för datorer.
hur lång är katie nolan
Djupt nya arkitekturer
Under det senaste halva århundradet har Moores lag blivit synonymt med datorer, men vi gjorde beräkningsmaskiner långt innan det första mikrochipet uppfanns. I början av 1900-talet var IBM först pionjär för elektromekaniska tabulatorer, sedan kom vakuumrör och transistorer innan integrerade kretsar uppfanns i slutet av 1950-talet.
Idag är det två nya arkitekturer som kommer att marknadsföras inom de närmaste fem åren. Den första är kvantdatorer , som har potential att vara tusentals, om inte miljoner, gånger kraftfullare än dagens teknik. Både IBM och Google har byggt fungerande prototyper och Intel, Microsoft och andra har aktiva utvecklingsprogram.
Det andra stora tillvägagångssättet är neuromorf databehandling eller chips baserat på designen av den mänskliga hjärnan. Dessa utmärker sig på mönsterigenkänningsuppgifter som konventionella marker har problem med. De är också tusentals gånger effektivare än nuvarande teknik och är skalbara till en enda liten kärna med bara några hundra 'nervceller' och upp till enorma matriser med miljoner.
Ändå har båda dessa arkitekturer sina nackdelar. Kvantdatorer måste kylas ner till absolut noll, vilket begränsar deras användning. Båda kräver en helt annan logik än konventionella datorer och behöver nya programmeringsspråk. Övergången blir inte sömlös.
En ny era av innovation
Under de senaste 20 eller 30 åren har innovation, särskilt i det digitala rummet, varit ganska enkel. Vi kunde lita på att tekniken förbättrades i en förutsebar takt och som gjorde det möjligt för oss att med hög säkerhet förutse vad som skulle vara möjligt under de kommande åren.
Det ledde till att de flesta innovationsinsatser fokuserades på applikationer, med stor tonvikt på slutanvändaren. Startups som kunde designa en upplevelse, testa den, anpassa och itera snabbt kunde överträffa stora företag som hade mycket mer resurser och teknisk sofistikering. Det gjorde agility till ett definierande konkurrensattribut.
när föddes Carl azuz
Under de kommande åren kommer pendeln troligen att svänga från applikationer tillbaka till de grundläggande teknologier som gör dem möjliga. I stället för att kunna förlita oss på pålitliga gamla paradigmer, kommer vi till stor del att verka inom det okända. På många sätt kommer vi att börja om igen och innovation kommer att se mer ut som på 1950- och 1960-talet
Dator är bara ett område som når sina teoretiska gränser. Vi behöver också nästa generations batterier för att driva våra enheter, elbilar och nätet. Samtidigt har ny teknik, såsom genomik, nanoteknik och robotik blir stigande och till och med vetenskaplig metod ifrågasätts .
Så vi går nu in i en ny era av innovation och de organisationer som mest effektivt kommer att konkurrera är inte de som har förmåga att störa, utan de som är villiga att hantera stora utmaningar och undersöka nya horisonter.
