I 1965 ble Intel medstifter Gordon Moore publisert a bemerkelsesverdig prescient papir som spådde at datakraften ville fordobles omtrent hvert annet år. I et halvt århundre har denne prosessen med dobling vist seg å være så bemerkelsesverdig konsekvent at den i dag er kjent som Moores lov og har drevet den digitale revolusjonen.
Vi har faktisk blitt så vant til ideen om at teknologien vår blir kraftigere og billigere at vi knapt stopper og tenker på hvor enestående den er. Vi ventet absolutt ikke at hester eller ploger - eller dampmaskiner, biler eller fly - skulle doble effektiviteten deres kontinuerlig.
jocelyn hudon fødselsdato
Likevel har moderne organisasjoner kommet til å stole på kontinuerlig forbedring i en slik grad at folk sjelden tenker på hva det betyr og, med Moores lov er i ferd med å ta slutt , det kommer til å være et problem. I tiårene framover må vi lære å leve uten sikkerhet i Moores lov og operere i et ny æra av innovasjon det vil være dypt annerledes.
Von Neumann flaskehals
På grunn av kraften og konsistensen i Moores lov, har vi kommet til å forbinde teknologisk fremgang med prosessorhastigheter. Likevel er det bare en dimensjon av ytelsen, og det er mange ting vi kan gjøre for å få maskinene våre til å gjøre mer til lavere pris enn bare å øke hastigheten på dem.
Et primært eksempel på dette kalles fra Neumann flaskehals , oppkalt etter det matematiske geni som er ansvarlig for måten datamaskiner lagrer programmer og data på ett sted og gjør beregninger på et annet sted. På 1940-tallet, da denne ideen dukket opp, var det et stort gjennombrudd, men i dag blir det noe av et problem.
Problemet er at, på grunn av Moores lov, går sjetongene våre så fort at i den tiden det tar informasjon å reise frem og tilbake mellom sjetongene - med ikke mindre lyshastighet - mister vi mye verdifull databehandlingstid. Ironisk nok, da chiphastighetene fortsetter å forbedre seg, vil problemet bare bli verre.
Løsningen er enkel i konseptet, men unnvikende i praksis. Akkurat som vi integrerte transistorer på en enkelt silisiumplate for å lage moderne sjetonger, kan vi integrere forskjellige sjetonger med en metode som kalles 3D stabling . Hvis vi kan få dette til å fungere, kan vi øke ytelsen i noen få generasjoner til.
Optimalisert databehandling
I dag bruker vi datamaskinene våre til en rekke oppgaver. Vi skriver dokumenter, ser på videoer, forbereder analyser, spiller spill og gjør mange andre ting på samme enhet ved hjelp av samme chiparkitektur. Vi er i stand til å gjøre dette fordi sjetongene datamaskinene våre bruker er utformet som en generell teknologi.
Det gjør datamaskiner praktiske og nyttige, men er veldig ineffektive for beregningsintensive oppgaver. Det har lenge vært teknologier, for eksempel ASIC og FPGA, som er designet for mer spesifikke oppgaver og nylig GPUer har blitt populært for grafikk og kunstig intelligensfunksjoner.
Siden kunstig intelligens har steget frem, har noen selskaper, som Google og Microsoft har begynt å designe sjetonger som er spesielt utviklet for å kjøre sine egne dype læringsverktøy. Dette forbedrer ytelsen sterkt, men du må lage mange sjetonger for å få økonomien til å fungere, så dette er utenfor rekkevidde for de fleste selskaper.
Sannheten er at alle disse strategiene bare er stopphull. De vil hjelpe oss å fortsette å gå videre det neste tiåret eller så, men når Moores lov slutter, er den virkelige utfordringen å komme med noen fundamentalt nye ideer for databehandling.
hvor gammel er carol kane
Dypt nye arkitekturer
I løpet av det siste halve århundret har Moores lov blitt synonymt med databehandling, men vi laget beregningsmaskiner lenge før den første mikrochippen ble oppfunnet. På begynnelsen av 1900-tallet var IBM først banebrytende for elektromekaniske tabulatorer, deretter kom vakuumrør og transistorer før integrerte kretser ble oppfunnet på slutten av 1950-tallet.
I dag er det to nye arkitekturer som kommer til å markedsføres i løpet av de neste fem årene. Den første er kvantecomputere , som har potensial til å være tusenvis, om ikke millioner, ganger kraftigere enn dagens teknologi. Både IBM og Google har bygd fungerende prototyper, og Intel, Microsoft og andre har aktive utviklingsprogrammer.
Den andre store tilnærmingen er nevromorf databehandling , eller chips basert på utformingen av den menneskelige hjerne. Disse utmerker seg ved mønstergjenkjenningsoppgaver som konvensjonelle sjetonger har problemer med. De er også tusenvis av ganger mer effektive enn dagens teknologi og er skalerbare ned til en liten kjerne med bare noen få hundre 'neuroner' og opp til enorme matriser med millioner.
Likevel har begge disse arkitekturene sine ulemper. Kvantumaskiner må kjøles ned til absolutt null, noe som begrenser bruken av dem. Begge krever helt annen logikk enn vanlige datamaskiner, og trenger nye programmeringsspråk. Overgangen vil ikke være sømløs.
En ny tid av innovasjon
I løpet av de siste 20 eller 30 årene har innovasjon, spesielt i det digitale rommet, vært ganske grei. Vi kunne stole på at teknologien kunne forbedres i overskuelig tempo, og som tillot oss å forutsi, med høy grad av sikkerhet, hva som ville være mulig i årene som kommer.
Det førte til at de fleste innovasjonsinnsatsene fokuserte på applikasjoner, med stor vekt på sluttbrukeren. Startups som var i stand til å designe en opplevelse, teste den, tilpasse seg og itere raskt, kunne overgå store firmaer som hadde langt flere ressurser og teknologisk raffinement. Det gjorde smidighet til et definerende konkurransefunksjon.
hvor gammel er rachel ray
I årene som kommer vil pendelen sannsynligvis svinge fra applikasjoner tilbake til de grunnleggende teknologiene som gjør dem mulig. I stedet for å kunne stole på pålitelige gamle paradigmer, vil vi stort sett operere i det ukjente. På mange måter begynner vi på nytt, og innovasjon vil se mer ut som på 1950- og 1960-tallet
Databehandling er bare ett område som når sine teoretiske grenser. Vi trenger også neste generasjons batterier for å drive våre enheter, elektriske biler og nettet. Samtidig har ny teknologi, som f.eks genomikk, nanoteknologi og robotikk blir oppstigende og til og med vitenskapelig metode blir satt i tvil .
Så vi går nå inn i en ny æra av innovasjon, og organisasjonene som mest effektivt vil konkurrere vil ikke være de som har evne til å forstyrre, men de som er villige til å takle store utfordringer og undersøke nye horisonter.
