Loading [MathJax]/extensions/tex2jax.js

0

0
2

文字

分享

0
0
2

將類比計算機推向顛峰,也為未來科技舖好沃土的凡納爾.布希│《電腦簡史》(二十四)

張瑞棋_96
・2020/08/03 ・3431字 ・閱讀時間約 7 分鐘 ・SR值 555 ・八年級

凡納爾.布希,橫跨計算機的新舊時代、身居產官學的至高權位。他不但設計出類比計算機的巔峰之作,還擘劃了美國產、軍、學三方緊密合作的模式。多少人才因此得以大展長才,多少新創產業因此誕生茁壯;電腦與網路正是在這樣的環境下,才在二次大戰後突飛猛進……。

本文為系列文章,上一篇請見:為了預測潮汐,將面積儀改裝成解微分方程的計算機│《電腦簡史》(二十三)

計算機從來沒有如巴貝奇當初的想像,由蒸汽機推動。瓦特改良蒸汽機之後,自動運轉的機器確實如雨後春筍般紛紛出現,但計算機仍需靠手動操作。巴貝奇設計的差分機與分析機如此,三、四十年後,克耳文的調和分析儀仍是如此。巴貝奇的夢想必須等到電力時代,計算機才能依靠電力自行運作。

沒有電,哪有電腦;沒有法拉第,哪有電

電力時代的開啟,肇始於英國科學家法拉第 (Michael Faraday) 發現電磁感應。

法拉第與巴貝奇同樣於 1791 年出生於倫敦,但出身卻有天壤之別。他自小家境貧寒,僅受過最基本的教育,十四歲當了書商的門徒,才靠大量閱讀自學科學知識。二十歲那年幸運獲得英國皇家學會會長戴維爵士 (Sir Humphry Davy) 賞識,擔任其隨身助理,才踏上科學研究之路。

-----廣告,請繼續往下閱讀-----

1831 年,法拉第發現磁鐵穿過線圈時,線圈上會有電流出現,因而領悟出變動的磁場會產生電場,並據此原理發明了史上第一具發電機,人類才終於有能力隨時製造持續穩定的電力。

法拉第於1831 年發明的史上第一台發電機。
圖/wikipedia

不過還要經過半世紀的改善,發電機才真正商業化。恰好內燃機也在 1880 年代左右成熟,同時石化燃料因為開採技術的進步得以大量供應,可以用內燃機帶動發電機運轉,工廠才開始改用發電機與馬達取代蒸汽機。1896 年,特斯拉 (Nikola Tesla) 成功為西屋公司 (Westinghouse) 將尼加拉瀑布產生的水力發電,利用高壓交流電送往二十英哩外的水牛城,為電網的普及揭開序幕。隨著電網的延伸擴展,二十世紀開始電力也進入一般家庭與商家,人類社會終於從蒸氣時代邁入電力時代。

有了電力與相關零件,計算機便能達成以往機械式計算機做不到的事。不但可以如巴貝奇的夢想自動運轉,就連克耳文理想中解微分方程的機器,也終於在美國發明家凡納爾.布希(Vannevar Bush)的手中完成。

電網互聯太複雜,催生積分儀的發明

凡納爾.布希這個名字對一般人而言可能相當陌生,但是他一生對電腦發展卻有極大的影響,後面我們會看到許多重要的創新都與他有關。

-----廣告,請繼續往下閱讀-----
凡納爾.布希攝於 50 歲左右。
圖/wikipedia

布希從大學時期就開始他的發明之路。當時學校有直接取得碩士學位的方案,布希為此而於 1912 年發明測地儀,做為他的碩士論文。測地儀外觀像台割草機,也是運用面積儀的原理,推著它前進,裡面的滾輪與轉盤便會隨著地形高低起伏改變位置與轉速,而自動畫出所經過地面的地勢圖。

1916 年,布希取得麻省理工學院 (MIT) 與哈佛大學的聯合博士學位,隔年就因美國加入第一次世界大戰,而加入國家研究委員會 (NRC),研究偵測潛艇的方法。一次大戰結束後,布希到 MIT 的電機系任教,同時與幾位朋友共同創立雷神公司 (Raytheon Company)。這家公司專門研發電子設備,日後成為重要的國防承包商。

一次大戰使得美國聯邦政府要求各地電力公司的電網互聯,以提升電力供應的穩定性。不過該如何互聯是門大學問,尤其電網繼續不斷擴增,各種連結的可能性越來越複雜,究竟怎樣的網路才是最佳選擇?布希自 1923 年開始研究電網的問題,但其中牽涉的計算實在太繁複;過了兩年,布希終於受不了,要他的學生研究能自動計算連續積分的機器。

1926 年,第一代的「連續積分儀」(Continuous Integraph) 完成,原理與面積儀類似,但用上電錶 (watt-hour meter)、可變電阻與電動馬達(原理參見文末附註)。第二年,布希與學生又成功將兩台連續積分儀串接在一起,成為「乘積積分儀」(Product Integraph),原理類似克耳文的調和分析儀,也就是第一台的輸出結果做為下一台的輸入函數,便能解出二階微分方程式,誤差只有 2-3%。

-----廣告,請繼續往下閱讀-----

克耳文男爵的夢想終於成真——微分分析儀誕生

然而布希對此仍不滿意,他決定放棄電錶與可變電阻這些電子零件,回歸面積儀原本的純機械方式,也就是和他大學時設計的測地儀一樣,使用滾輪與轉盤(原理參見文末附註)。1931 年,布希與學生完成「微分分析儀」(Differential Analyzer),由六台積分儀組成,可解到六階的微分方程式,誤差只有 0.12%。克耳文男爵當年的設想在半世紀後,終於在布希手中實現。

1938 年安裝於劍橋大學的微分分析儀。
圖/wikipedia

等等,之前說過靠機械傳遞無法克服扭力不足的問題,那麼微分分析儀是怎麼做到的?原來布希是運用 1925 年才發明,原本用於汽車動力方向盤的「扭力放大器」(torque amplifier),才讓六台積分儀順利運轉。有了扭力放大器,積分儀就能不斷串接,解更高階的微分方程式。例如賓州的摩爾電機學院 (Moore School of Electrical Engineering) 於 1935 年安裝的微分分析儀,便用了十台積分儀,挪威的奧斯陸大學甚至用到十二台積分儀。

摩爾電機學院是最先向布希提出安裝要求的機構,因為他們也面臨大量計算的問題。原來摩爾電機學院距離美國陸軍的阿伯丁試驗場 (Aberdeen Proving Ground) 只有一百二十公里,因地利之便被陸軍相中,專門為阿伯丁試驗場的各式槍砲做彈道學分析。彈道學涉及涵蓋許多參數的微分方程組,計算極為複雜;如果微分分析儀能縮短計算時間,他們就能以更少的人力、更快的速度,製作出各式槍砲的射程表。射程表上記載目標距離、移動速度、風向、風速、……等不同條件下,應如何調整射擊角度與火藥數量,是軍隊在戰場上必備的須參考工具。

計算機邁向數位時代,布希扮演幕後推手

微分分析儀的確只要幾分鐘就能解出一道微分方程式,但是每次設定調整卻要花上兩三天的時間。因此幾年後第二次世界大戰爆發,不但槍砲數量大增,因此需要大量的射程表,同時由於軍艦、飛機的速度大幅提升,也需要更精確的射程表,微分分析儀很快就窮於應付,無法滿足來自前線的需求了。美國自己參戰後,更深切感受需要運算速度更快的計算機,於是在陸軍的資助下,摩爾電機學院於 1943 年開始打造第一部通用型電子計算機,以取代機械式的微分分析儀。

-----廣告,請繼續往下閱讀-----

雖然這部電子計算機一直到戰後才完成,並未在戰場上發揮作用,但它已正式開啟計算機的數位時代,機械式計算機從此逐漸淡出歷史舞台。

不過布希並未隨著微分分析儀功成身退,他的影響力繼續在數位時代發揮重大作用。他在戰時就位高權重,主持軍方的「科學研究發展局」與跨部會的「國防研究委員會」,率領科學家研發出新一代的雷達與固態火箭,並推動成立曼哈頓計劃。戰後,他大力推動國防科技產業化,讓原本僅限軍方使用的技術轉為商業民生用途,發展出龐大科技產業。他還建議政府將研究經費下放給大學或民間的實驗室,為培育科學人才建立正向循環。。

美國的科技產業蓬勃發展,至今仍居於全球的領導地位,可說是肇因於產、軍、學的密切結合,而這正是出自布希的遠見與擘劃。電腦與網路也是在這樣的背景下,才在二次大戰後百花齊放,出現各種革命性的創新;而其中幾位關鍵性人物也都與布希有所關聯。計算機從機械式改為電子式、從類比轉為數位,這新舊時代的轉換過程,多虧有布希扮演起承先啟後、繼往開來的角色。

凡納爾·布希於1974年逝世時,MIT校長威斯納 (Jerome Wiesner) 為他的貢獻下了最佳註解:

-----廣告,請繼續往下閱讀-----

「沒有任何美國人比凡納爾·布希,對科學與技術的發展產生更巨大的影響。在二十世紀可能不會再有能與他相提並論的人了。」


同場加映

連續積分儀原理

連續積分儀用的電錶與家裡的電錶一樣,有電流經過時,轉盤便因為電磁感應而轉動,轉速隨著耗電功率的大小而改變。連續積分儀裡面裝有可變電阻,其中的滑動接點與描圖臂連接,當描圖臂隨著函數圖形移動時,滑動接點也跟滑動,進而改變功率大小,影響轉盤的轉速。轉盤與一個電動馬達連動,電動馬達便控制繪圖臂畫出函數積分後的圖形。

微分分析儀原理

微分分析儀裡的轉盤是由電動馬達控制,以定速旋轉,立於轉盤上的滾輪被帶著隨之滾動,就像一枚硬幣在唱盤上滾動那樣。轉盤還與描圖臂連接,當描圖臂隨著函數圖形移動時,整個轉盤也會隨著左右移動。因為滾輪有獨立支架,本身位置是固定的,所以轉盤左右移動會使得滾輪距離轉盤中心時近時遠。滾輪接近轉盤中心時轉得慢,靠近外圍就轉得快,滾輪轉速與轉盤位置的變化,便會帶動繪圖臂畫出積分後的函數圖形。


※《電腦簡史》第一部【齒輪時代】至此告一段落,敬請期待第二部【數位時代】。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
張瑞棋_96
423 篇文章 ・ 1028 位粉絲
1987年清華大學工業工程系畢業,1992年取得美國西北大學工業工程碩士。浮沉科技業近二十載後,退休賦閒在家,當了中年大叔才開始寫作,成為泛科學專欄作者。著有《科學史上的今天》一書;個人臉書粉絲頁《科學棋談》。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

3
0

文字

分享

0
3
0
量子革命來襲!一分鐘搞定傳統電腦要花數千萬年的難題!你的電腦是否即將被淘汰?
PanSci_96
・2024/10/17 ・2050字 ・閱讀時間約 4 分鐘

-----廣告,請繼續往下閱讀-----

量子電腦:解碼顛覆未來科技的關鍵

2023 年,Google 發表了一項引人注目的研究成果,顯示人類現有最強大的超級電腦 Frontier 需要花費 47 年才能完成的計算任務,Google 所研發的量子電腦 Sycamore 只需幾秒鐘便能完成。這項消息震驚了科技界,也再次引發了量子電腦的討論。

那麼,量子電腦為什麼如此強大?它能否徹底改變我們對計算技術的認知?

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

量子電腦是什麼?

量子電腦是一種基於量子力學運作的新型計算機,它與我們熟悉的傳統電腦截然不同。傳統電腦的運算是建立在「位元」(bits)的基礎上,每個位元可以是 0 或 1,這種二進位制運作方式使得計算過程變得線性且單向。然而,量子電腦使用的是「量子位元」(qubits),其運算邏輯則是基於量子力學中的「疊加」與「糾纏」等現象,這使得量子位元能同時處於 0 和 1 的疊加狀態。

這意味著,量子電腦能夠在同一時間進行多個計算,從而大幅提高運算效率。對於某些非常複雜的問題,例如氣候模型、金融分析,甚至質因數分解,傳統電腦可能需要數千年才能完成的運算任務,量子電腦只需數分鐘甚至更短時間便可完成。

-----廣告,請繼續往下閱讀-----

Google、IBM 和量子競賽

Google 和 IBM 是目前在量子計算領域中競爭最為激烈的兩大科技公司。Google 的 Sycamore 量子電腦已經展示出極高的計算速度,令傳統超級電腦相形見絀。IBM 則持續投入量子電腦的研究,並推出了超過 1000 個量子位元的系統,預計到 2025 年,IBM 的量子電腦將擁有超過 4000 個量子位元。

除此之外,世界各國和企業都爭相投入這場「量子霸權」的競賽,台灣的量子國家隊也不例外,積極尋求量子計算方面的突破。這場量子競賽,將決定未來的計算技術格局。

量子電腦的核心原理

量子電腦之所以能如此快速,是因為它利用了量子力學中的「疊加態」和「糾纏態」。簡單來說,傳統電腦的位元只能是 0 或 1 兩種狀態,而量子位元則可以同時處於 0 和 1 兩種狀態的疊加,這使得量子電腦可以在同一時間內同時進行多次計算。

舉例來說,如果一台電腦需要處理一個要花 330 年才能解決的問題,量子電腦只需 10 分鐘便可解決。如果問題變得更複雜,傳統電腦需要 3300 年才能解決,量子電腦只需再多花一分鐘便能完成。

-----廣告,請繼續往下閱讀-----

此外,量子電腦中使用的量子閘(quantum gates)類似於傳統電腦中的邏輯閘,但它能進行更複雜的運算。量子閘可以改變量子位元的量子態,進而完成計算過程。例如,Hadamard 閘能將量子位元轉變為疊加態,使其進行平行計算。

量子電腦能大幅縮短複雜問題的計算時間,利用量子閘進行平行運算。圖/envato

計算的效率

除了硬體技術的進步,量子電腦的強大運算能力也依賴於量子演算法。當前,最著名的兩種量子演算法分別是 Grover 演算法與 Shor 演算法。

Grover 演算法主要用於搜尋無序資料庫,它能將運算時間從傳統電腦的 N 遞減至 √N,這使得資料搜索的效率大幅提升。舉例來說,傳統電腦需要花費一小時才能完成的搜索,量子電腦只需幾分鐘甚至更短時間便能找到目標資料。

Shor 演算法則專注於質因數分解。這對於現代加密技術至關重要,因為目前網路上使用的 RSA 加密技術正是基於質因數分解的困難性。傳統電腦需要數千萬年才能破解的加密,量子電腦只需幾秒鐘便可破解。這也引發了全球對後量子密碼學(PQC)的研究,因為一旦量子電腦大規模應用,現有的加密系統將面臨極大的威脅。

-----廣告,請繼續往下閱讀-----

量子電腦的挑戰:退相干與材料限制

儘管量子電腦具有顛覆性的運算能力,但其技術發展仍面臨諸多挑戰。量子位元必須保持在「疊加態」才能進行運算,但量子態非常脆弱,容易因環境中的微小干擾而坍縮成 0 或 1,這種現象被稱為「量子退相干」。量子退相干導致量子計算無法穩定進行,因此,如何保持量子位元穩定是量子電腦發展的一大難題。

目前,科學家們正在探索多種材料和技術來解決這一問題,例如超導體和半導體技術,並嘗試研發更穩定且易於量產的量子電腦硬體。然而,要實現大規模的量子計算應用,仍需克服諸多技術瓶頸。

量子電腦對未來生活的影響

量子電腦的快速發展將為未來帶來深遠的影響。它不僅將推動科學研究的進步,例如藥物設計、材料科學和天文物理等領域,還可能徹底改變我們的日常生活。例如,交通運輸、物流優化、金融風險管理,甚至氣候變遷預測,都有望因量子計算的應用而變得更加精確和高效。

然而,量子計算的發展也帶來了一些潛在的風險。隨著量子電腦逐漸成熟,現有的加密技術可能會被徹底摧毀,全球的資訊安全體系將面臨巨大挑戰。因此,各國政府和企業已經開始研究新的加密方法,以應對量子時代的來臨。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

1
0

文字

分享

0
1
0
計算機先驅:巴貝奇與他的小型差分計算機——《資訊大歷史》
azothbooks_96
・2022/07/01 ・3045字 ・閱讀時間約 6 分鐘

查爾斯.巴貝奇

查爾斯.巴貝奇(Charles Babbage),1792 至 1871 年。

1843 年,一位英國數學家提出了分析機原理,這個構思將在一百零三年後由後人付諸實踐,並有了一個為大家熟知的名字——計算機(今日俗稱電腦)。很遺憾,查理斯.巴貝奇終其一生也沒能實現造出分析機的願望,但他依舊是當之無愧的計算機先驅。

直到今天,許多計算機書籍扉頁裡仍然刊載著他的照片,以表紀念。

巴貝奇發明小型差分計算機

一七九二年,巴貝奇出生於倫敦一個富有的銀行家家庭,十八歲進入著名的劍橋大學三一學院,成為牛頓的校友。後來他擔任了牛頓擔任過的「盧卡斯數學教授」職務。在進入大學之前,他就展現出極高的數學天分。

進入大學後,巴貝奇發現,當時英國人普遍接受的牛頓建立在運動基礎之上的微積分,不如萊布尼茨基於符號處理的微積分那樣便於理解和傳播。為了推廣已被歐洲大陸普遍接受的萊布尼茨的微積分,他和其他人一同創辦了英國的(數學)分析學會。

不過巴貝奇並不是一個安分的學生,他一方面顯現出超凡的智力,另一方面又不按照要求完成學業,為此他不得不轉了一個學院,才能繼續學業。在學校裡,他還對很多超自然的現象感興趣。

延伸閱讀:巴貝奇誕辰|科學史上的今天:12/26

如果不是趕上工業革命,巴貝奇或許會尋找某個傳統的數學領域或者自然哲學領域做一輩子研究,並且留下一個巴貝奇定律或者巴貝奇定理。但是,工業革命的大背景,讓他把畢生精力和金錢都投入研究一種能夠處理資訊的機械中。

-----廣告,請繼續往下閱讀-----

這也不奇怪,因為工業革命為資訊處理提供了思想上的依據、技術上的條件和廣闊的市場。工業革命是人類歷史上最偉大的事件。它不僅第一次讓人類從此進入可持續發展的時代,也改變了人們的思想。人類從相信神,到今天開始變得自信起來,相信這個世界是確定的、有規律的,而自己能夠發現世界上所有的規律。

早在牛頓時代,著名物理學家玻意耳(Robert Boyle)在總結牛頓等人的科學成就之後,就提出了「機械論」,也被稱為「機械思維」。

提出「機械論」的玻意耳(Robert Boyle)。圖/Wikipedia

玻意耳等人(包括牛頓、哈雷等)認為,世間萬物的規律都可以用機械運動的規律來描述,包括蒸汽機和火車在內的工業革命中那些最重要的發明,都受益於機械思維。人們熱衷於用機械的方法解決問題,從精密的航海導航,到能夠奏樂的音樂盒,再到能織出各種圖案的紡織機。

既然能想到的所有規律都可以用運動規律來描述,那麼就很容易想到讓具有特殊結構的齒輪組運動來完成計算,這便是設計機械計算機的思想基礎。

其實,這種想法早在十七世紀就有人嘗試過。法國數學家帕斯卡(Blaise Pascal)發明了一種手搖計算器——雖然有時人們將它稱為最早的機械計算機,但實際上它和我們今天理解的電腦概念沒有太多相似之處,稱之為「計算器」更為恰當。

-----廣告,請繼續往下閱讀-----

帕斯卡計算器從外觀上看有上下兩排旋鈕,每個旋鈕上都刻著○至九這十個數字。在做加減法時,只要將參加運算的兩個數字分別撥到相應的位置,然後轉動手柄,計算器裡的一組組齒輪就會轉動,完成計算。

帕斯卡計算器。圖/Wikipedia

帕斯卡計算器最初只能做加法,後來經過改良, 可以做減法和乘法, 但做不了除法。在帕斯卡之後,萊布尼茨改良了計算器。他發明了一種以他名字命名的轉輪「萊布尼茨輪」,方便實現四則運算中的進位和借位。

到了十九世紀初,經過近兩個世紀的改進,機械計算器已經能夠完成四則運算,但是計算速度很慢,精度也不夠高,而且設備造價昂貴。不過,這種計算器更大的缺陷在於,對於複雜的運算(比如對數運算和三角函數運算)都做不到。

十九世紀機械工業的發展需要進行大量的複雜計算,比如三角函數的計算、指數和對數的計算等。在微積分出現之前,完成這些函數的計算是幾乎不可能的事。

-----廣告,請繼續往下閱讀-----

十八世紀之後,歐洲數學家用微積分找到了很多計算上述函數的近似方法,不過這些方法的計算量極大,需要很長的時間,而且當時除了數學家,一般人是完成不了那些計算的。為了便於工程師在工程中和設計時完成各種計算,數學家設計了數學用表,如此一來工程師就可以從表中直接查出計算的結果。

不過,那個時代的數學用表錯誤百出,為生產和科學研究帶來了很多麻煩。而這個問題很難避免,因為手算很難保證完全不出錯。如果很多數學家分別獨立計算,還可以比對結果發現錯誤。但是巴貝奇發現,那些不同版本的數學用表都是抄來抄去,而犯的錯也都一樣。

因此,巴貝奇想設計一種機械來完成微積分的計算,然後用它來計算各種函數值,得到一份可靠的數學用表。當時他只有二十二歲。

延伸閱讀:兩艘軍艦換不到兩噸重的計算機?巴貝奇與差分機|《電腦簡史》 齒輪時代(十八)

在隨後的十年裡,巴貝奇造出來一台有六位精度(巴貝奇最初的目標是達到八位精度)的小型差分計算機。隨後巴貝奇用它算出了好幾種函數表,用於解決航海、機械和天文方面的計算問題。

-----廣告,請繼續往下閱讀-----

值得指出的是,巴貝奇的這次成功受益於工業革命的成就——當時機械加工的精度比瓦特時代已經高出了很多,這讓巴貝奇能夠加工出各種尺寸獨特的齒輪。

但是,當時並沒有二十世紀的精密加工技術,製造小批量特製齒輪和機械部件的成本高、難度大,這給巴貝奇後來的工作帶來了諸多不便。

巴貝奇小型差分計算機的部分模組。圖/Wikipedia

不過,首次成功還是讓巴貝奇獲得了英國政府的資助,用以打造一台精度高達二十位的計算機。

幾年後,他又獲得了劍橋大學盧卡斯數學教授的職位,讓他有了穩定的收入。在此之前,他一直在花自己繼承的十萬英鎊遺產。勝利女神似乎正向他招手,但接下來的時日,他在計算機研究方面一籌莫展。

-----廣告,請繼續往下閱讀-----

從表面上看,巴貝奇遇到的困難是因為那台差分機太複雜了,裡面有包括上萬個齒輪的二點五萬個零件,當時的加工水準根本無法製造。但更本質的原因是,巴貝奇並不真正理解計算的原理。他不懂得對於複雜的計算來說,不是要把機器做得更複雜,而是要用簡單的計算單元來實現複雜的計算。

當然,在那個年代沒有人瞭解這些。作為現代計算機基礎理論的布林代數要再等十幾年才會被提出來,而且要再過近一個世紀,才會被應用到計算技術中。

後人根據巴貝奇的設計打造而成的差分機。圖/Wikipedia

——本文摘自《資訊大歷史:人類如何消除對未知的不確定》,2022 年 6 月,漫遊者文化,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
azothbooks_96
55 篇文章 ・ 21 位粉絲
漫遊也許有原因,卻沒有目的。 漫遊者的原因就是自由。文學、人文、藝術、商業、學習、生活雜學,以及問題解決的實用學,這些都是「漫遊者」的範疇,「漫遊者」希望在其中找到未來的閱讀形式,尋找新的面貌,為出版文化找尋新風景。