1965 년 인텔 공동 창립자 고든 무어 출판 현저하게 선견지명 한 종이 컴퓨팅 파워가 2 년마다 두 배가 될 것이라고 예측했습니다. 반세기 동안이 배가 과정은 매우 일관성이있어 오늘날 일반적으로 다음과 같이 알려져 있습니다. 무어의 법칙 디지털 혁명을 주도했습니다.
사실, 우리는 기술이 더욱 강력 해지고 저렴 해졌다는 생각에 너무 익숙해 져서 그것이 얼마나 전례가 없는지에 대해 거의 생각하지 않고 생각합니다. 확실히 우리는 말이나 쟁기, 심지어는 증기 기관, 자동차 또는 비행기가 연속적인 속도로 효율성을 두 배로 높일 것이라고 기대하지 않았습니다.
조슬린 후돈 생년월일
그럼에도 불구하고 현대 조직은 사람들이 그것이 의미하는 바에 대해 거의 생각하지 않을 정도로 지속적인 개선에 의존하게되었습니다. 무어의 법칙이 곧 끝납니다 , 그것은 문제가 될 것입니다. 앞으로 수십 년 동안 우리는 무어의 법칙에 대한 확신없이 사는 법을 배워야하고 새로운 혁신 시대 그것은 완전히 다를 것입니다.
폰 노이만 병목 현상
무어의 법칙의 힘과 일관성 때문에 우리는 기술 발전과 프로세서 속도를 연관지었습니다. 그러나 이는 성능의 한 차원에 불과하며 기계의 속도를 높이는 것보다 더 낮은 비용으로 더 많은 작업을 수행 할 수 있도록 할 수있는 일이 많습니다.
이것의 주요 예는 Neumann 병목 현상에서 , 컴퓨터가 한 곳에 프로그램과 데이터를 저장하고 다른 곳에서 계산하는 방식을 담당하는 수학적 천재의 이름을 따서 명명되었습니다. 1940 년대에이 아이디어가 떠 올랐을 때 큰 돌파구 였지만 오늘날에는 다소 문제가되고 있습니다.
문제는 무어의 법칙으로 인해 칩이 너무 빨리 작동하여 정보가 칩 사이를 오가는 데 시간이 걸리면서 광속으로 귀중한 컴퓨팅 시간을 많이 잃는다는 것입니다. 아이러니하게도 칩 속도가 계속해서 향상됨에 따라 문제는 더욱 악화 될 것입니다.
솔루션은 개념 상 간단하지만 실제로는 찾기 어렵습니다. 오늘날의 칩을 만들기 위해 단일 실리콘 웨이퍼에 트랜지스터를 통합 한 것처럼, 우리는 다음과 같은 방법으로 다른 칩을 통합 할 수 있습니다. 3D 스태킹 . 이 작업을 수행 할 수 있다면 몇 세대 더 성능을 향상시킬 수 있습니다.
최적화 된 컴퓨팅
오늘날 우리는 다양한 작업에 컴퓨터를 사용합니다. 우리는 문서를 작성하고, 비디오를보고, 분석을 준비하고, 게임을하고, 같은 칩 아키텍처를 사용하여 같은 장치에서 다른 많은 일을합니다. 우리 컴퓨터가 사용하는 칩이 범용 기술로 설계 되었기 때문에이를 수행 할 수 있습니다.
이는 컴퓨터를 편리하고 유용하게 만들지 만 계산 집약적 인 작업에는 매우 비효율적입니다. 다음과 같은 기술이 오래되었습니다. ASIC 과 FPGA, 보다 구체적인 작업을 위해 설계되었으며 최근에는 GPU 그래픽과 인공 지능 기능으로 유명해졌습니다.
인공 지능이 대두되면서 일부 기업은 Google 및 Microsoft와 같은 자체 딥 러닝 도구를 실행하도록 특별히 설계된 칩을 설계하기 시작했습니다. 이렇게하면 성능이 크게 향상되지만 경제성을 유지하려면 많은 칩을 만들어야하므로 대부분의 회사에서 사용할 수 없습니다.
진실은 이러한 모든 전략이 단지 임시 방편이라는 것입니다. 그것들은 우리가 향후 10 년 동안 계속 발전하는 데 도움이 될 것이지만, 무어의 법칙이 종결됨에 따라 진정한 도전은 컴퓨팅에 대한 근본적으로 새로운 아이디어를내는 것입니다.
시드니 크로스비 데이트는 누구인가
완전히 새로운 아키텍처
지난 반세기 동안 무어의 법칙은 컴퓨팅과 동의어가되었지만 첫 번째 마이크로 칩이 발명되기 훨씬 전에 계산 기계를 만들었습니다. 20 세기 초, IBM은 처음으로 전자 기계식 테이블 레이터를 개척 한 다음 1950 년대 후반에 집적 회로가 발명되기 전에 진공관과 트랜지스터를 출시했습니다.
오늘날, 향후 5 년 내에 상용화 될 두 가지 새로운 아키텍처가 등장합니다. 첫 번째는 양자 컴퓨터 , 현재 기술보다 수천 배나 더 강력 할 가능성이 있습니다. IBM과 Google은 모두 작동하는 프로토 타입을 구축했으며 Intel, Microsoft 및 기타 업체는 활발한 개발 프로그램을 보유하고 있습니다.
두 번째 주요 접근 방식은 뉴 로모 픽 컴퓨팅 또는 인간 두뇌의 설계에 기반한 칩. 이는 기존 칩이 문제가있는 패턴 인식 작업에 탁월합니다. 또한 현재 기술보다 수천 배 더 효율적이며 수백 개의 '뉴런'이있는 하나의 작은 코어와 수백만 개의 거대한 어레이까지 확장 할 수 있습니다.
그러나 이러한 아키텍처에는 모두 단점이 있습니다. 양자 컴퓨터는 절대 0에 가깝게 냉각되어야하므로 사용이 제한됩니다. 둘 다 기존 컴퓨터와는 완전히 다른 논리를 필요로하며 새로운 프로그래밍 언어가 필요합니다. 전환은 원활하지 않습니다.
새로운 혁신 시대
지난 20 ~ 30 년 동안, 특히 디지털 공간에서의 혁신은 상당히 간단했습니다. 우리는 예측 가능한 속도로 개선하기 위해 기술에 의존 할 수 있으며,이를 통해 향후 몇 년 동안 어떤 일이 가능할 것인지를 매우 확실하게 예측할 수있었습니다.
이로 인해 대부분의 혁신 노력은 최종 사용자에 중점을두고 애플리케이션에 집중되었습니다. 경험을 설계하고, 테스트하고, 적응하고, 빠르게 반복 할 수있는 스타트 업은 훨씬 더 많은 리소스와 기술적 인 정교함을 갖춘 대기업을 능가 할 수 있습니다. 그 덕분에 민첩성이 경쟁적인 요소가되었습니다.
타마 브랙스턴 빈센트 허버트 순 가치
앞으로 몇 년 안에 진자는 애플리케이션에서이를 가능하게하는 기본 기술로 다시 전환 될 것입니다. 신뢰할 수있는 오래된 패러다임에 의존 할 수있는 것보다 우리는 대부분 미지의 영역에서 운영 할 것입니다. 여러면에서 우리는 다시 시작할 것이고 혁신은 1950 년대와 1960 년대에 그랬던 것처럼 보일 것입니다.
컴퓨팅은 이론적 한계에 도달하는 한 영역에 불과합니다. 우리는 또한 필요합니다 차세대 배터리 우리 장치, 전기 자동차 및 전력망에 전력을 공급합니다. 동시에, 다음과 같은 새로운 기술 유전체학, 나노 기술 및 로봇 공학 상승하고 있으며 심지어 과학적 방법이 의문을 제기하고 있습니다 .
그래서 우리는 이제 새로운 혁신의 시대에 접어 들고 있으며 가장 효과적으로 경쟁 할 조직은 파괴 할 능력이있는 조직이 아니라 기꺼이 거대한 도전에 맞서다 새로운 지평을 조사하십시오.
