|
人类的第一台商用电子计算机，1946 年诞生于美国宾夕法尼亚大学的 ENIAC 和现在的电脑相比非常笨重和迟钝，但即使是这台占地几间大教室的老古董，每秒也可以进行 5000 到 10 万次加法运算。 在这之后，电子计算机在半导体工业的发展下突飞猛进。1965 年，英特尔的创始人之一戈登·摩尔发表了著名的“摩尔定律“，他提出，大规模集成电路上晶体管的数量，会随着材料和工艺的进步逐渐增加，大约每隔两年便会增加一倍，同时计算能力也提升一倍。 回过头来看，从 1900 年到 2015 年这 100 多年，人类计算机机器的性能确实沿着“摩尔定律”发展。从 1900 年代用于人口普查的机械制表器每分钟 150 次计算能力开始，到 2016 年 Nvidia 推出的 GeForce Titan X 显卡，在火柴盒大小的芯片上已经集中了 80 亿个晶体管。
关于战胜卡斯帕罗夫的“深蓝”有一种误解，认为超级计算机深蓝是靠单纯的“穷举”，通过计算所有的可能性来实现胜利。实际上，深蓝的算力约为每秒 2 亿步棋，想要穷尽国际象棋十的四十五次方这个级别的可能性需要十的二十九次方年的时间，这显然不可能。 最终在公平游戏中战胜人类的 AlphaGo 同样不依靠穷举，现在看来，它也不是非常依赖电子计算机的发展。 2013 年开始，国际半导体发展路线图组织的数据显示，摩尔定律已经逐渐失效，每两年增加一倍的计算里已经逐渐扩大到了三年，随着材料和工艺瓶颈，摩尔定律最终可能完全失效。 今天英特尔的处理器已经不能维持摩尔定律，每年的产品升级更多是在降低制造成本。 而 Nvidia 的性能提升则依赖于显卡本身，因为显卡对功率和散热的需求不是那么苛刻，顶级显卡都是板砖那么大的一块，所以核心面积可以比 CPU 更大，晶体管更多，运算能力更强。 相比于过去 50 年的飞速发展，大规模集成电路最终可能进入原地踏步的境地。 AlphaGo 打败人类，靠的是深度学习。上一个版本的 AlphaGo，每秒钟可以计算几百万步棋，通过大量学习人类棋局，用这些经验自我对弈产生新的经验，用这些新经验来下棋。 而后 AlphaGo 再利用蒙特卡罗树搜索产生下一步对应的下法，最后配合“乱下”产生的对局面的评估，最终取得胜利。更详细的解释，可以戳“阅读原文”看我们之前的一篇报道。 这次战胜柯洁的 AlphaGo 一定用了新的算法和逻辑，才能在十分之一的算力里完成战胜人类顶尖棋手的围棋水平。 “围棋，我还是喜欢跟人下。”柯洁在比赛结束后的发布会这么说道。 题图来自 Google
168 亿投资止不住股价下跌，贾跃亭也退下了，乐视还有什么招数？
? 戛纳走过 70 年，我们给你一份 70 部电影的片单来回顾它（上）
眼泪可以代表任何一种情绪，但是，它究竟意味着什么呢？ (责任编辑：本港台直播) |
