乔治亚理工(超大质量黑洞是如何形成的)
资讯
2023-11-13
139
1. 乔治亚理工,超大质量黑洞是如何形成的?
——天文学家通过建模支持了一种可能理论
早在十几年前,天文学家就发现了处于宇宙黎明时期(the dawn of the universe)的超大质量黑洞的身影。它们的存在一直令人迷惑不已,因为在通常情况下,形成一个超大质量黑洞需要几十亿年的时间,而截止目前,仅通过观测发现的宇宙黎明期的超级巨兽就超过了二十几个,其中有些黑洞出现的时间要追溯到宇宙大爆炸后的8亿年以内。
例如,2015年2月的《自然》杂志,就报道天文学家们发现了一个超大质量黑洞,其质量大约是太阳的120亿倍,出现的时间仅仅是大爆炸后的8.75亿年。黑洞的成长需要时间,对于天文学家们来说,他们本来并不指望在如此早期的宇宙能够发现这般巨大的黑洞,他们甚至认为,从理论上来说,在大爆炸后的10亿年以内,发现超过100亿倍太阳质量的黑洞简直是难以置信的。
研究这种超级巨兽的成因既充满挑战又十分有趣。《Nature Astronomy(自然天文学)》杂志在线发布了一项新的研究成果,来自爱尔兰都柏林城市大学、美国哥伦比亚大学、乔治亚理工大学、赫尔辛基大学的一组研究人员,为这些古老巨大黑洞的成因增加了一个新的证明。在计算机模拟中,研究人员表明,如果位于宿主星系附近的星系能够发出足够的辐射,关闭该宿主星系的恒星形成能力,那么位于宿主星系中心的黑洞就能够迅速成长。
图片:计算机模拟图,左边所示的巨大的黑洞能够随着来自附近星系的强辐射使其宿主星系关闭恒星形成而快速生长。哥伦比亚大学的天文学教授、论文的合著者Zoltan Haiman说:“宿主星系的坍塌,以及一个百万太阳质量黑洞的形成,需要10万年,在宇宙时间里,仅仅是昙花一现的瞬间,”“几亿年之后,这个百万质量的黑洞就已经成长为一个十亿太阳质量的超大质量黑洞,这个速度比我们预期的要快得多。”
在早期宇宙,恒星和星系正在形成,当时的环境会限制黑洞成长为宇宙巨兽。因为分子氢将气体转化为恒星,这样,气体就会拥有足够的距离以逃离黑洞的引力。于是,为了“使”当时的黑洞“克服”这个障碍,天文学家们已经提出了几种方法。
在一项2008年的研究中,Haiman和他的同事们假设,来自一个巨大的临近星系的辐射能够将分子氢分解成原子氢,进而导致新生的黑洞和它的宿主星系坍塌,而非产生新的星团。随后,由哥伦比亚大学博士后研究员Eli Visbal领导的研究,计算出了这个“附近的星系”必须至少拥有超过1亿倍的太阳质量,才能放射出足够的辐射阻止宿主星系的恒星形成。尽管相当少见,但在早期宇宙中,这种大小的星系还是存在足够数量的。
《自然天文学》发布的最新研究,由爱尔兰都柏林大学的博士后研究生John Regan领导,使用哥伦比亚大学的Greg Bryan所开发的计算机软件对该过程进行建模,其中包含了引力、流体动力学、化学和辐射的影响。
研究者们花了若干天时间在超级计算机上处理数字,他们发现,这个“附近的星系”可以比此前预测的更小一些、更近一些。乔治亚理工大学天体物理系副教授、论文的合著者John Wise 说:“附近的星系不能靠得太近,也不能离得太远,就像金发姑娘原则一样。”虽然在成熟宇宙中的大多数星系中心发现了超大质量黑洞,但在宇宙的婴儿期,超大质量黑洞却并不这样常见。
研究人员希望在美国宇航局的詹姆斯·韦伯空间望远镜(哈勃望远镜的继任者)明年上线并带回早期宇宙的图像时测试他们的理论。其他有关早期宇宙巨兽演化的模型包括,数百万个较小黑洞和恒星的合并形成超大质量黑洞等,这个模型也有待测试。Regan 说,“了解超大质量黑洞是如何形成的,可以告诉我们星系是如何形成和演化的,最终告诉我们更多有关宇宙的奥秘。”
2. 我想知道美国最好的艺术大学有哪些?
服装设计挑战性很高,你一定要确认自己真的喜欢和有这个天分。服装毕业以后的竞争是非常激烈的。可以说一边是天堂,另一边就是地狱,看你站在了哪里。在美国文化中,人人都有可能实现自己的梦想。就一条,路一旦是你自己选的,做了就永远不后悔。去留学艺术家在线看看你的前辈们吧,那里有所有国外艺术学院和专业的排名。FIT--纽约时装学院Parsons School of Design帕森设计学院--PSD旧金山艺术大学(Academy of Art University)亚利桑那州立大学设计学院(Arizona State University, School of Design)劳德代尔堡艺术学院(The Art Institute of Fort Lauderdale)奥本大学工业设计系(Auburn University, Department of Industrial Design)加州州立大学长滩分校艺术学院(California State University, Long Beach, College of the Arts)卡内基梅隆大学设计学院(Carnegie Mellon University, School of Design)罗彻斯特理工学院设计学院(Rochester Institute of Technology, School of Design)乔治亚州理工学院工业设计系(GEORGIA INSTITUTE OF TECHNOLOGY, Industrial Design)
3. 世界上前100的大学?
世界上前十位大学和中国排名前100位的高校
一、世界上排名前10位大学
1、麻省理工学院(美国)
2、斯坦福大学(美国)
3、哈佛大学(美国)
4、剑桥大学(英国)5、加州理工学(美国)
6、牛津大学(英国)
7、伦敦大学学院(英国)
8、瑞士联邦理工学院(瑞士)
9、伦敦帝国理工学院(英国)
10、芝加哥大学(美国)二、中国院校进入世界上前100位的排名
第15名:清华大学
第18名:香港大学
第27名:香港科技大学
第30名:北京大学
第34名:复旦大学
第35名:香港中文大学
第46名:香港城市大学
第52名:上海交通大学
第60名:国立台湾大学
4. BIM是哪一年的新技术?
BIM的概念在1975年由美国乔治亚理工大学ChuckEastman博士提出,他认为会出现对建筑物智能模拟的计算机系统是建筑领域的一个新概念也因此ChuckEastman教授也被誉为"BIM之父".而我们所研究的BIM(BuildingInformationModeling)概念则是由RobertAish在1986年提出的.跨入新世纪,由于计算机技术水平的快速发展,为BIM作为一种新型的生产工具研究提供了可能性,因此BIM不再单纯的是学者们研究的理论思想,而是应用于工程项目建设的具有实用性的生产工具.
5. 18年选秀顺位排名?
2018年选秀大会结果汇总:
1 太阳 德安德烈-艾顿 中锋 亚利桑那大学
2 国王 马文-巴格利 前锋 杜克大学
3 老鹰 卢卡-东契奇 后卫 交易至独行侠
4 灰熊 杰伦-杰克逊 中锋/大前锋 密歇根州立大学
5 独行侠特雷-杨 后卫 俄克拉荷马大学 交易至老鹰
6 魔术 默罕默德-班巴 中锋 德克萨斯大学
7 公牛 文德尔-卡特 中锋 杜克大学
8 骑士 科林-塞克斯顿 控卫 阿拉巴马大学
9 尼克斯 凯文-诺克斯 前锋 肯塔基大学
10 76人 米卡尔-布里奇斯 前锋 维拉诺瓦大学 交易至太阳
11 黄蜂 沙伊-吉尔吉斯-亚历山大 后卫 肯塔基大学 交易至快船
12 快船 迈尔斯-布里奇斯 前锋 密歇根州立大学 交易至黄蜂
13 快船 杰罗姆-罗宾逊 后卫 波士顿学院
14 掘金 迈克尔-波特 前锋 密苏里大学
15 奇才 特洛伊-布朗 前锋 俄勒冈大学
16 太阳 扎伊尔-史密斯 小前锋 德克萨斯理工大学 交易至76人
17 雄鹿 丹特-迪文森佐 后卫 维拉诺瓦大学
18 马刺 朗尼-沃克四世 后卫 迈阿密大学
19 老鹰 凯文-许尔特 后卫 马里兰大学
20 森林狼 约什-奥科吉 后卫 乔治亚理工大学
21 爵士 格伦森-阿伦 后卫 杜克大学
22 公牛 钱德勒-哈奇森 锋卫 博伊西州立大学
23 步行者 阿隆-霍勒迪 控卫 UCLA
24 开拓者 安芬尼-西蒙斯 后卫 预科
25 湖人 莫里茨-瓦格纳 前锋/中锋 密歇根大学
26 七六人 兰德里-沙梅特 控卫 威奇托州立大学
27 凯尔特人 罗伯特-威廉姆斯 前锋 德州农工大学
28 勇士 雅克布-埃文斯 后卫 辛辛那提大学
29:篮网 扎南-穆萨 小前锋 克罗地亚
30 老鹰 奥马里-斯贝尔曼 大前锋 维拉诺瓦大学
第二轮
31 太阳 埃利-奥科博 控卫 法国
32 灰熊 杰文-卡特 控卫 西弗吉尼亚大学
33 独行侠 杰伦-布伦森 控卫 维拉诺瓦大学
34 老鹰 德文特-格拉汉姆 控卫 堪萨斯大学 交易至黄蜂
35 魔术 梅尔文-弗雷泽 小前锋 杜兰大学
36 尼克斯 米切尔-罗宾逊 中锋 西肯塔基大学,未打过NCAA
37 国王 加里-特伦特 后卫 杜克大学 交易至开拓者
38 76人 凯里-托马斯 后卫 克雷顿大学 交易至活塞
39 76人 艾萨克-邦加 小前锋 德国
40 篮网 罗季翁斯-库鲁茨 小前锋 巴塞罗那
41 魔术 贾里德-范德比尔特 小前锋 肯塔基大学 交易至掘金
42 活塞 布鲁斯-布朗 分卫 迈阿密大学
43 掘金 贾斯汀-杰克逊 前锋 马里兰大学 交易至魔术
44 奇才 伊苏夫-萨侬 后卫 乌克兰
45 黄蜂 哈米杜-迪亚洛 分卫 肯塔基大学 交易至雷霆
46 火箭 德安东尼-梅尔顿 控卫 南加州大学
47 湖人 斯维亚托斯拉夫-米哈伊柳克 后卫 堪萨斯大学
48 凯塔-贝茨-迪奥普 小前锋 俄亥俄州立大学
49 马刺 奇梅齐耶-梅图 中锋 南加州大学
50 步行者 阿里泽-约翰逊 大前锋 密苏里州立大学
51 鹈鹕 托尼-卡尔 控卫 宾夕法尼亚州立大学
52 爵士 文斯-爱德华兹 小前锋 普渡大学 交易至火箭
53 雷霆 德文-霍尔 控卫 弗吉尼亚大学
54 独行侠 沙克-米尔顿 后卫 南卫理公会大学 交易至76人
55 黄蜂 阿诺尔达斯-库尔博卡 小前锋 立陶宛
56 76人 雷-斯伯丁 大前锋 路易斯维尔大学
57 雷霆 凯文-赫维 小前锋 德克萨斯大学阿灵顿分校
58 掘金 托马斯-威尔什 中锋 UCLA
59 太阳 乔治-金 小前锋 科罗拉多大学
60 独行侠 科斯塔斯-阿德托孔博 小前锋 戴顿大学
6. 衣服上有个H的标志是什么牌子?
Under Armour,是美国体育运动装备品牌。Under Armour(纽约证交所代号UA)的总部在巴尔的摩,马里兰州,该公司主要生产体育装备。 这家非常成功的公司成立于1996年,创办者是前马里兰橄榄球明星Kevin Plank。由于厌倦了那种运动完身上棉制TEE被汗水浸湿的痛苦感觉,Kevin Plank发明研制了一种能让运动员在剧烈运动中保持身体清爽和轻盈的材料原形。 紧接着他马上说服了两支在炎热气候城市的大学足球队购买他的装备:乔治亚理工(在潮湿炎热的亚特兰大)以及亚利桑拿州大(在沙漠附近的凤凰城区)。随后NFL球队亚特兰大猎鹰也穿上了这个牌子的装备。此后,选择UA装备的球队数量不断增加,而这其中包括了大半NCAADivision 1-A的足球队。同时公司也为其他运动设计制造了不少装备。扩展资料 2011年4月才在上海港汇广场开出了中国首家专卖店。但好消息是,UA在中国的电子商务业务已经开通。 2012年,UA在上海和北京再开出3至5家专卖店。和第一家店的选址标准类似,初期UA的门店都会选在重要城市的 商业地标建筑里,以直接接触更多的消费者。在上海和北京成为重要品牌之后,UA计划先到北方的城市,比如哈尔滨,随后覆盖中国主要的二线城市。依据在美国的成功路径,赞助运动员和健身教练会是UA在中国主要的推广手段之一。
7. 机器智能将是人类意识进化的巅峰?
这些未来预测中还有一个更深层次的意味:我们理想中完美的机器智能是这样的(虽然我们没有挂在嘴边):“ta”的形态不是人类般的血肉之躯,而是坚不可摧、数据化和让全人类臣服的智能机器。
一些人对这样的未来充满希望,认为是变革般的进步;而另一部分人则有被征服的畏惧与危机感。无论怎样,大家都认为机器智能将是人类意识进化的巅峰。
表面上看,推测宇宙中有智能机器人的逻辑是很可靠的。从当前科技技术进步的轨迹可以推断,随着计算机技术日臻完善,我们会对人类生物躯体构造和大脑架构逐渐失去兴趣。
时机一到,我们会迫不及待地涌入一个新的容器,以满足我们任何愿望,科技方舟带领我们走向康庄大道,到时我们创造出来的人工智能可能对我们无动于衷,也可能远超越我们,将我们降服甚至直接榨干我们。
埃隆·马斯克(Elon Musk) 和霍金(Stephen Hawking) 都曾公开警示过人工智能可能带来的风险。图源:extremetech 争议还没结束,有人说生物学并不能维持泛恒星文明或未来的人类文明。要探索宇宙,我们面临着巨大的坏境和时空上的挑战。想成为宇宙中的一个物种,所需要的各种实际驱动力可能要来自强大的机器,而不是精细调控但脆弱、寿命有限的蛋白复合物(译者注:暗指人类躯体)。机器能永久存活,自我复制,不受自然进化过程中易出错的遗传可变性束缚。这种自我设计的生命模式还能自适应各种环境,只需要一个世代,智能机器人就能自适应宇宙穹顶之下任意时间与空间(译者注:根据进化论与适者生存,人类或其他任何生物则需要几个世纪的时间才能慢慢进化适应变化的环境)。
将这些想法碎片拼凑整合在一起后,看起来人类只不过是宇宙中昙花一现的蓝图罢了。大家非常严肃对待这些分析,极具影响力人物如埃隆·马斯克(Elon Musk) 和霍金(Stephen Hawking) 都曾公开警示过人工智能可能带来的风险。同时,计算机科学家雷·库滋韦尔(Ray Kurzweil)也在书籍和各大会上也表示,未来人类将进入技术“奇点”,届时人类将与机器合二为一。
那么,生物真的被迫变得越来越聪明和强大吗?生物性的聪慧真的是宇宙进化的死胡同,终将屈服于机器吗?
并不是这样的,故事到这里还没有结束。
关于“机器智能是未来最终王者”的流行学说,实际包含了很多致命的偏见和假设,使其不太可能成为现实。现在的计算机科技是否能带领我们至技术的“奇点”,或是否能指数量级地超越一个种族是尚未明确的。无论怎么样,未来还是很美好的。
《机器人自我复制理论》:该书描述了在一场指数级无可遏止的爆炸中,机器是如何毁灭所有妨碍其复制方式的生命。图源:AbeBooks 那些天马行空的想法可追溯到约翰·冯·诺依曼(John von Neumann)生前发表的一本有关机器自我复制的书籍《机器人自我复制理论》(Theory of Self-Reproducing Automata,1966)。这本书奠定了机器自我复制的概念,描述了在一场指数级无可遏止的爆炸中,机器是如何毁灭所有妨碍其复制方式的生命。诺依曼还描述了这种机器是如何模拟人类神经的功能行为的。
从该书发表以后的数年内,电子信息互联网的确对人类日常生活有重大影响,影响着我们决策、思考新命题或挑战的方式。在互联网信息时代里,我们都会还没试着去自己思考答案,或不耻下问咨询他人,就开始百度或谷歌问题。因为现在人民的智慧结晶已经上传到无所不在的云端数据库中了,单单个人广而浅层知识的重要性已经慢慢削弱,甚至个别行业的垂直专业重要性也会在互联网深化的过程中不断被减弱。
然而,我们未来的发展方向仍是不清楚的。一定要说些什么的话,可以说我们正走向一个蜂巢式状态,有点类似白蚁群落或裸鼠群体。不是进化得越来越聪明,而是我们生物最原始的内在驱动力受到了遏制,反而变得越来越被动了。悲观主义者会说我们人类思想停滞不前,成为群体中互相参照、互相提参考建议的一员,而不是变成指数级进化的天才们。
在传统计算机处理信息架构中,可能存在能量效率的“天花板”。
历史还告诉我们,我们是无法预测颠覆性技术带来的长期影响。举个简单粗暴的例子,17世纪末连续旋转蒸汽机对人类世界有深渊影响,这是没人能预测得到的;也没有人能预测150年以后内燃机和电气机的出现就让这些蒸汽机过时了一样。同样地,也没有人可预测碳氢化合物燃烧可能会通过改变地球大气层的组成危害到人类。
目前也没有证据表明,人类特有的智慧除了是几亿年以来进化的结局以外,还可以是什么,更不用说其是宇宙中最完美的物种了(公平地说,也没有证据说明我们人类是宇宙中的奇葩)。
结果是,通过推断我们自己的意识和智慧程度来预测外星人的智商和行动——或者及其群体,是非常困难的。
说着说着,就倒戈了:我们并没有变聪明,反而我们可能会变得越来越愚蠢,无法预测未来,我们不知道宇宙中存在着怎样的聪明的物种(如果有的话)。但我觉得还是有一线希望,正是因为这种自省精神,我们备受挫败,但仍着迷般地正视自己的文化和当前技术水平等残酷的现实。
其中一个现实是能量问题——诺依曼曾经说过,但这是那些未来学者经常忽视的问题。设计计算机时,有个关键因素:计算能力与能源使用情况,即“每次计算/焦耳”。
人类大脑以约20瓦特的速度耗能,在现有的计算机技术下,如果你想把自己完整无缺地上传至计算机,你所需的能量跟三峡水电站产生的电能差不多。图源:Giphy 随着微处理器变得越来越复杂,硅基架构越来越小(可以到数十纳米),效率仍在提高。 因此,每焦耳计算量的效率每一年都有进步。
而实际上这个比例每一年改善的空间越来越小。有研究者表示,在传统计算机处理架构内,我们可能遇到能量效率的“天花板”,比如基本乘法算法,这个天花板大概在10G/焦耳。
对于需要真正制造人工智能或上传大脑数据的机械来说,这潜藏了很大一个障碍。计算能力要接近人脑大脑(从速度和操作复杂度衡量)的话,估计所需要的能量效率要比这个限值超出10亿倍。
我们可以这么看,人脑以约20瓦特的速度耗能的。在现有的计算机技术下,如果你想把自己完整无缺地上传至计算机,你所需的能量跟三峡水电站产生的电能差不多。如果将全人类73亿多号人,全部上传至计算机上,至少需要14万瓦特的能量流,相当于太阳能达到地球顶部发电量的800倍。显然,想要超越人类肉体上升到机器层面,还有很大一段距离。
有一个可能的解决方案是所谓的神经形态结构,模拟真实生物神经元及其连接性方面的硅基设计。乔治亚理工学院的珍妮弗·哈斯勒(Jennifer Hasler)等研究人员提出,如果设计得好的话,这种硅基的神经元系统(译者注:生物是以碳原子为基础,碳与硅是同一主族元素,化学性质相似)可以将所需能量降低至少4个数量级。不幸的是,即便有这么大的进步,要达到人脑的水平效率还差10万倍的能量。
当然,计算机技术的历史上,人类逐年克服了曾经以为难以逾越的障碍,所以大家对未来仍然比较乐观。但关键是,结局不是给定的。很可能我们为了去捕捉人类大脑的复杂性,大脑灰质密度和超常的效率等等,才发现硅和其他相似的原子根本都不是答案,无论它们如何修饰或堆砌在一起可能都无法达到我们预期的结果。
英国物理学家戴维·多伊奇。图源:The New York Times 乐观的技术宅最喜欢的替代方案就是调用量子计算,利用原子或原子体系之间的量子重叠态以替代传统的计算机晶体管。他们认为,量子叠加态的思维计算能力或可以解决能源和速度问题,从此走上建立最强大脑的康庄大道。
至少从论文上看,一般概念上的量子计算机或图灵量子计算机是可能坐拥无限的有效计算能力。英国物理学家戴维·多伊奇(David Deutsch)在他的论文“量子理论,邱奇-图灵原理和通用量子计算机”(Quantum Theory, the Church-Turing Principle and the Universal Quantum Computer,1985)中,精辟巧妙地提出这一想法,值得注意的是,他留下了完成这一壮举的细节,让读者浮想联翩,想去揭开谜底。
理论上,真正适用的量子计算机是可以模拟任何有限物理系统(包括头脑)或其他量子计算机所期望的任何精度。量子化的进程还可以让这种模拟批量运行,概率测试也可以超速完成。然而,尽管近年来人们已取得了巨大的实验室和理论进步,这理论在实际操作仍是困难重重的。日前,虽然人们提出过量子计算应用(例如语境化搜索)可能与“认知计算”(现在许多人工智能的当前运作的缩影)完全吻合,但离真正的人工智能还很远,关于任何一种拟人AI的争论还有很多。
我们可能生活在过去物种所憧憬的未来宇宙之中。
支持计算的基本单位——可能以冷原子或其他量子物体形式出现的量子比特—— 也许只需要很少的能量。但是,将量子计算机的组件保持在一致性状态(即所有这些量子状态都控制地很好)就需要巨多额外的能量,并且总依赖于大量的支持系统和工程技术,这些支持系统和工程也会消耗能量。目前我们甚至还不清楚,量子计算真实所需要的能量到底是多少。
还有其他因素也同样令人担忧。“n”量子比特的量子计算机可以在一个周期内执行2n个计算,但是设置这些计算是巨大的数据流工程。通过计算,模拟我们整个宇宙中约1089个粒子和光子可能只需要296个量子比特,但是如何进入1089这个初始条件?更难的是,如何从量子模拟中挑选出正确的解决方案?模拟一个人的大脑可能会更容易一些,但仍然需要量化并启动至少1014个神经联结(人脑中大致一个数字)来建立计算。然后呢,我们还希望这个量子化大脑具有非常高的吞吐计算量,有与世界保持高分辨率、高保真感官界面。这又是另一个未知的,很可能无法克服的挑战。
好吧,我可能太过简化了现有可被利用的技术手段。我对未来的看法也许太有限。无论怎样,我认为社会对仿生AI的乐观预测有越来越针对性的反响是有缘由的。我们需要承认,尽管与人类智商相当或超过人类的AI是可能诞生,但它可能无法实现人们经常提出的指数量级计算的增长能力。
换句话说,指数级的完美AI从数学角度上是没有破绽的,但实际面临的障碍或是不可逾越的。
说到这儿,我会(假设性地)从未来主义者口中选一些内容,做出一些疯狂的推论。我想探讨如果我们将机器智能增长缓慢的概念与费米悖论的问题结合起来,会发生什么。这样做很有趣,但所需的信息量也很大。
我们来假设宇宙中某高智商物种已成功地将自身转化为机器形式,或者被比他们进化程度更高更、并不是指数级进化的机器智能所取代。那接下来会发生什么?
由于这些智能机器受到效率限制的影响,他们有可能会温故而知新,想用过去手段变出新法子来向前继续推进。 他们知道的一件事(就像我们已经知道那样)就是生物学的体系,其已经是非常完善的。有研究人员估计,现代人类的大脑处于其计算的极限,但可能只需要一个稍微更聪明一点点的机器重新设计这样一个复杂的器官。换句话说,可能有一个更好的方法,能从机器智能回到生物学上,并有着更非凡的能源效率。
我们也不能保证机器智能必定是或可能是完全合理。为研究复杂宇宙相,数学本身含有不可证明的定理,一点点不可解都可能是成为致命的绊脚石。现在,我们时不时就推测,智能化未来会以硅或量子形式到来——这些我们认为优于肉体的某种其他形式。照着葫芦画瓢,那么那些机器可能也出于能量效率问题,或者由于其他我们无法想象或理解的原因,想再次回归生物学形态。
图源:Imgur 如果生命是恒久不衰的,且最终形成更智能的形式的话,那么我们可能生活在过去生命物种所预测的未来之中。宇宙是138亿岁,而我们星系更是亘古久远;在过去130多亿年,恒星和行星已逐渐形成。有理由相信宇宙在我们太阳系诞生之前的80亿年左右肯定发生了些有趣的事儿。有一天,我们可能又会认为地球上的智能未来需要生物学,而不是机器算法。过去数十亿年前的无数生命可能已经经历了过这个阶段。
那些早期的高智商生命物种可能早就达到了他们决定从机器转移到生物学的阶段。 如果是这样,我们又回到了费米悖论:那些外星人现在在哪里?一个简单的答案是,他们可能受到星际过渡期的极端困难束缚,特别是在物理、生物学上的束缚。 也许这些早期生物物种还在,但回归生物学形态的代价,意味着得重新回归孤立的状态。
有些机器智能可能已经在想回归生物形态,想在巨大的星际空间中恢复到从前的孤岛状态。
KIC 8462852这颗恒星位于天鹅座,距离地球约1,480光年。图源:维基 那些早期的物种可能曾经建造了很多大型建筑,已在恒星上部署过巨大的宇宙工程。也许有些东西还在那里,也许我们正在用不断改进的天文设备来检测其中的一些东西。KIC 8462852是最近一颗令人振奋的恒星,其发光变化模式暂时不能用已知的自然机制来解释,就是说我们现有仪器敏感度还不足以对其作出解释。也许外太空文明已经退变回生物形态,其机械时代的建筑遗迹还残留着,在严酷宇宙辐射环境下,受到长期干燥蒸发与恒星的爆炸等崩塌了。
我们现在的状态可能是处于第一代机器智能与下一代机器智能之间。任何机器智能或其他更进化的物种在星系中的可能只是稍瞬即逝的星际原力之一;可能最后一个已经消失了,下一个可能还没有浮出水面,可能没有时间来我们这参观,也可能已经在想着回归生物形态,在伟大的星际空间大洗牌中回归孤岛的状态。 我们自己的技术未来可能看起来也会像这样——从幻想成为机器又回到更宁静地,更有效率的有机生物存在形式。
我们要承认这些想法的确是过于魔幻,但提出这些想法本身对我们已经有一些特别启示:我们正在研究自己可能的未来。可以想象,宇宙已经告诉我们这些选择是什么了。这种自我反思自我审查的行为已经有别于人类任何其他行为,这一点就值得我们继续去深入关注下去了。
本站涵盖的内容、图片、视频等数据系网络收集,部分未能与原作者取得联系。若涉及版权问题,请联系我们删除!联系邮箱:ynstorm@foxmail.com 谢谢支持!
1. 乔治亚理工,超大质量黑洞是如何形成的?
——天文学家通过建模支持了一种可能理论
早在十几年前,天文学家就发现了处于宇宙黎明时期(the dawn of the universe)的超大质量黑洞的身影。它们的存在一直令人迷惑不已,因为在通常情况下,形成一个超大质量黑洞需要几十亿年的时间,而截止目前,仅通过观测发现的宇宙黎明期的超级巨兽就超过了二十几个,其中有些黑洞出现的时间要追溯到宇宙大爆炸后的8亿年以内。
例如,2015年2月的《自然》杂志,就报道天文学家们发现了一个超大质量黑洞,其质量大约是太阳的120亿倍,出现的时间仅仅是大爆炸后的8.75亿年。黑洞的成长需要时间,对于天文学家们来说,他们本来并不指望在如此早期的宇宙能够发现这般巨大的黑洞,他们甚至认为,从理论上来说,在大爆炸后的10亿年以内,发现超过100亿倍太阳质量的黑洞简直是难以置信的。
研究这种超级巨兽的成因既充满挑战又十分有趣。《Nature Astronomy(自然天文学)》杂志在线发布了一项新的研究成果,来自爱尔兰都柏林城市大学、美国哥伦比亚大学、乔治亚理工大学、赫尔辛基大学的一组研究人员,为这些古老巨大黑洞的成因增加了一个新的证明。在计算机模拟中,研究人员表明,如果位于宿主星系附近的星系能够发出足够的辐射,关闭该宿主星系的恒星形成能力,那么位于宿主星系中心的黑洞就能够迅速成长。
图片:计算机模拟图,左边所示的巨大的黑洞能够随着来自附近星系的强辐射使其宿主星系关闭恒星形成而快速生长。哥伦比亚大学的天文学教授、论文的合著者Zoltan Haiman说:“宿主星系的坍塌,以及一个百万太阳质量黑洞的形成,需要10万年,在宇宙时间里,仅仅是昙花一现的瞬间,”“几亿年之后,这个百万质量的黑洞就已经成长为一个十亿太阳质量的超大质量黑洞,这个速度比我们预期的要快得多。”
在早期宇宙,恒星和星系正在形成,当时的环境会限制黑洞成长为宇宙巨兽。因为分子氢将气体转化为恒星,这样,气体就会拥有足够的距离以逃离黑洞的引力。于是,为了“使”当时的黑洞“克服”这个障碍,天文学家们已经提出了几种方法。
在一项2008年的研究中,Haiman和他的同事们假设,来自一个巨大的临近星系的辐射能够将分子氢分解成原子氢,进而导致新生的黑洞和它的宿主星系坍塌,而非产生新的星团。随后,由哥伦比亚大学博士后研究员Eli Visbal领导的研究,计算出了这个“附近的星系”必须至少拥有超过1亿倍的太阳质量,才能放射出足够的辐射阻止宿主星系的恒星形成。尽管相当少见,但在早期宇宙中,这种大小的星系还是存在足够数量的。
《自然天文学》发布的最新研究,由爱尔兰都柏林大学的博士后研究生John Regan领导,使用哥伦比亚大学的Greg Bryan所开发的计算机软件对该过程进行建模,其中包含了引力、流体动力学、化学和辐射的影响。
研究者们花了若干天时间在超级计算机上处理数字,他们发现,这个“附近的星系”可以比此前预测的更小一些、更近一些。乔治亚理工大学天体物理系副教授、论文的合著者John Wise 说:“附近的星系不能靠得太近,也不能离得太远,就像金发姑娘原则一样。”虽然在成熟宇宙中的大多数星系中心发现了超大质量黑洞,但在宇宙的婴儿期,超大质量黑洞却并不这样常见。
研究人员希望在美国宇航局的詹姆斯·韦伯空间望远镜(哈勃望远镜的继任者)明年上线并带回早期宇宙的图像时测试他们的理论。其他有关早期宇宙巨兽演化的模型包括,数百万个较小黑洞和恒星的合并形成超大质量黑洞等,这个模型也有待测试。Regan 说,“了解超大质量黑洞是如何形成的,可以告诉我们星系是如何形成和演化的,最终告诉我们更多有关宇宙的奥秘。”
2. 我想知道美国最好的艺术大学有哪些?
服装设计挑战性很高,你一定要确认自己真的喜欢和有这个天分。服装毕业以后的竞争是非常激烈的。可以说一边是天堂,另一边就是地狱,看你站在了哪里。在美国文化中,人人都有可能实现自己的梦想。就一条,路一旦是你自己选的,做了就永远不后悔。去留学艺术家在线看看你的前辈们吧,那里有所有国外艺术学院和专业的排名。FIT--纽约时装学院Parsons School of Design帕森设计学院--PSD旧金山艺术大学(Academy of Art University)亚利桑那州立大学设计学院(Arizona State University, School of Design)劳德代尔堡艺术学院(The Art Institute of Fort Lauderdale)奥本大学工业设计系(Auburn University, Department of Industrial Design)加州州立大学长滩分校艺术学院(California State University, Long Beach, College of the Arts)卡内基梅隆大学设计学院(Carnegie Mellon University, School of Design)罗彻斯特理工学院设计学院(Rochester Institute of Technology, School of Design)乔治亚州理工学院工业设计系(GEORGIA INSTITUTE OF TECHNOLOGY, Industrial Design)
3. 世界上前100的大学?
世界上前十位大学和中国排名前100位的高校
一、世界上排名前10位大学
1、麻省理工学院(美国)
2、斯坦福大学(美国)
3、哈佛大学(美国)
4、剑桥大学(英国)5、加州理工学(美国)
6、牛津大学(英国)
7、伦敦大学学院(英国)
8、瑞士联邦理工学院(瑞士)
9、伦敦帝国理工学院(英国)
10、芝加哥大学(美国)二、中国院校进入世界上前100位的排名
第15名:清华大学
第18名:香港大学
第27名:香港科技大学
第30名:北京大学
第34名:复旦大学
第35名:香港中文大学
第46名:香港城市大学
第52名:上海交通大学
第60名:国立台湾大学
4. BIM是哪一年的新技术?
BIM的概念在1975年由美国乔治亚理工大学ChuckEastman博士提出,他认为会出现对建筑物智能模拟的计算机系统是建筑领域的一个新概念也因此ChuckEastman教授也被誉为"BIM之父".而我们所研究的BIM(BuildingInformationModeling)概念则是由RobertAish在1986年提出的.跨入新世纪,由于计算机技术水平的快速发展,为BIM作为一种新型的生产工具研究提供了可能性,因此BIM不再单纯的是学者们研究的理论思想,而是应用于工程项目建设的具有实用性的生产工具.
5. 18年选秀顺位排名?
2018年选秀大会结果汇总:
1 太阳 德安德烈-艾顿 中锋 亚利桑那大学
2 国王 马文-巴格利 前锋 杜克大学
3 老鹰 卢卡-东契奇 后卫 交易至独行侠
4 灰熊 杰伦-杰克逊 中锋/大前锋 密歇根州立大学
5 独行侠特雷-杨 后卫 俄克拉荷马大学 交易至老鹰
6 魔术 默罕默德-班巴 中锋 德克萨斯大学
7 公牛 文德尔-卡特 中锋 杜克大学
8 骑士 科林-塞克斯顿 控卫 阿拉巴马大学
9 尼克斯 凯文-诺克斯 前锋 肯塔基大学
10 76人 米卡尔-布里奇斯 前锋 维拉诺瓦大学 交易至太阳
11 黄蜂 沙伊-吉尔吉斯-亚历山大 后卫 肯塔基大学 交易至快船
12 快船 迈尔斯-布里奇斯 前锋 密歇根州立大学 交易至黄蜂
13 快船 杰罗姆-罗宾逊 后卫 波士顿学院
14 掘金 迈克尔-波特 前锋 密苏里大学
15 奇才 特洛伊-布朗 前锋 俄勒冈大学
16 太阳 扎伊尔-史密斯 小前锋 德克萨斯理工大学 交易至76人
17 雄鹿 丹特-迪文森佐 后卫 维拉诺瓦大学
18 马刺 朗尼-沃克四世 后卫 迈阿密大学
19 老鹰 凯文-许尔特 后卫 马里兰大学
20 森林狼 约什-奥科吉 后卫 乔治亚理工大学
21 爵士 格伦森-阿伦 后卫 杜克大学
22 公牛 钱德勒-哈奇森 锋卫 博伊西州立大学
23 步行者 阿隆-霍勒迪 控卫 UCLA
24 开拓者 安芬尼-西蒙斯 后卫 预科
25 湖人 莫里茨-瓦格纳 前锋/中锋 密歇根大学
26 七六人 兰德里-沙梅特 控卫 威奇托州立大学
27 凯尔特人 罗伯特-威廉姆斯 前锋 德州农工大学
28 勇士 雅克布-埃文斯 后卫 辛辛那提大学
29:篮网 扎南-穆萨 小前锋 克罗地亚
30 老鹰 奥马里-斯贝尔曼 大前锋 维拉诺瓦大学
第二轮
31 太阳 埃利-奥科博 控卫 法国
32 灰熊 杰文-卡特 控卫 西弗吉尼亚大学
33 独行侠 杰伦-布伦森 控卫 维拉诺瓦大学
34 老鹰 德文特-格拉汉姆 控卫 堪萨斯大学 交易至黄蜂
35 魔术 梅尔文-弗雷泽 小前锋 杜兰大学
36 尼克斯 米切尔-罗宾逊 中锋 西肯塔基大学,未打过NCAA
37 国王 加里-特伦特 后卫 杜克大学 交易至开拓者
38 76人 凯里-托马斯 后卫 克雷顿大学 交易至活塞
39 76人 艾萨克-邦加 小前锋 德国
40 篮网 罗季翁斯-库鲁茨 小前锋 巴塞罗那
41 魔术 贾里德-范德比尔特 小前锋 肯塔基大学 交易至掘金
42 活塞 布鲁斯-布朗 分卫 迈阿密大学
43 掘金 贾斯汀-杰克逊 前锋 马里兰大学 交易至魔术
44 奇才 伊苏夫-萨侬 后卫 乌克兰
45 黄蜂 哈米杜-迪亚洛 分卫 肯塔基大学 交易至雷霆
46 火箭 德安东尼-梅尔顿 控卫 南加州大学
47 湖人 斯维亚托斯拉夫-米哈伊柳克 后卫 堪萨斯大学
48 凯塔-贝茨-迪奥普 小前锋 俄亥俄州立大学
49 马刺 奇梅齐耶-梅图 中锋 南加州大学
50 步行者 阿里泽-约翰逊 大前锋 密苏里州立大学
51 鹈鹕 托尼-卡尔 控卫 宾夕法尼亚州立大学
52 爵士 文斯-爱德华兹 小前锋 普渡大学 交易至火箭
53 雷霆 德文-霍尔 控卫 弗吉尼亚大学
54 独行侠 沙克-米尔顿 后卫 南卫理公会大学 交易至76人
55 黄蜂 阿诺尔达斯-库尔博卡 小前锋 立陶宛
56 76人 雷-斯伯丁 大前锋 路易斯维尔大学
57 雷霆 凯文-赫维 小前锋 德克萨斯大学阿灵顿分校
58 掘金 托马斯-威尔什 中锋 UCLA
59 太阳 乔治-金 小前锋 科罗拉多大学
60 独行侠 科斯塔斯-阿德托孔博 小前锋 戴顿大学
6. 衣服上有个H的标志是什么牌子?
Under Armour,是美国体育运动装备品牌。Under Armour(纽约证交所代号UA)的总部在巴尔的摩,马里兰州,该公司主要生产体育装备。 这家非常成功的公司成立于1996年,创办者是前马里兰橄榄球明星Kevin Plank。由于厌倦了那种运动完身上棉制TEE被汗水浸湿的痛苦感觉,Kevin Plank发明研制了一种能让运动员在剧烈运动中保持身体清爽和轻盈的材料原形。 紧接着他马上说服了两支在炎热气候城市的大学足球队购买他的装备:乔治亚理工(在潮湿炎热的亚特兰大)以及亚利桑拿州大(在沙漠附近的凤凰城区)。随后NFL球队亚特兰大猎鹰也穿上了这个牌子的装备。此后,选择UA装备的球队数量不断增加,而这其中包括了大半NCAADivision 1-A的足球队。同时公司也为其他运动设计制造了不少装备。扩展资料 2011年4月才在上海港汇广场开出了中国首家专卖店。但好消息是,UA在中国的电子商务业务已经开通。 2012年,UA在上海和北京再开出3至5家专卖店。和第一家店的选址标准类似,初期UA的门店都会选在重要城市的 商业地标建筑里,以直接接触更多的消费者。在上海和北京成为重要品牌之后,UA计划先到北方的城市,比如哈尔滨,随后覆盖中国主要的二线城市。依据在美国的成功路径,赞助运动员和健身教练会是UA在中国主要的推广手段之一。
7. 机器智能将是人类意识进化的巅峰?
这些未来预测中还有一个更深层次的意味:我们理想中完美的机器智能是这样的(虽然我们没有挂在嘴边):“ta”的形态不是人类般的血肉之躯,而是坚不可摧、数据化和让全人类臣服的智能机器。
一些人对这样的未来充满希望,认为是变革般的进步;而另一部分人则有被征服的畏惧与危机感。无论怎样,大家都认为机器智能将是人类意识进化的巅峰。
表面上看,推测宇宙中有智能机器人的逻辑是很可靠的。从当前科技技术进步的轨迹可以推断,随着计算机技术日臻完善,我们会对人类生物躯体构造和大脑架构逐渐失去兴趣。
时机一到,我们会迫不及待地涌入一个新的容器,以满足我们任何愿望,科技方舟带领我们走向康庄大道,到时我们创造出来的人工智能可能对我们无动于衷,也可能远超越我们,将我们降服甚至直接榨干我们。
埃隆·马斯克(Elon Musk) 和霍金(Stephen Hawking) 都曾公开警示过人工智能可能带来的风险。图源:extremetech争议还没结束,有人说生物学并不能维持泛恒星文明或未来的人类文明。要探索宇宙,我们面临着巨大的坏境和时空上的挑战。想成为宇宙中的一个物种,所需要的各种实际驱动力可能要来自强大的机器,而不是精细调控但脆弱、寿命有限的蛋白复合物(译者注:暗指人类躯体)。机器能永久存活,自我复制,不受自然进化过程中易出错的遗传可变性束缚。这种自我设计的生命模式还能自适应各种环境,只需要一个世代,智能机器人就能自适应宇宙穹顶之下任意时间与空间(译者注:根据进化论与适者生存,人类或其他任何生物则需要几个世纪的时间才能慢慢进化适应变化的环境)。
将这些想法碎片拼凑整合在一起后,看起来人类只不过是宇宙中昙花一现的蓝图罢了。大家非常严肃对待这些分析,极具影响力人物如埃隆·马斯克(Elon Musk) 和霍金(Stephen Hawking) 都曾公开警示过人工智能可能带来的风险。同时,计算机科学家雷·库滋韦尔(Ray Kurzweil)也在书籍和各大会上也表示,未来人类将进入技术“奇点”,届时人类将与机器合二为一。
那么,生物真的被迫变得越来越聪明和强大吗?生物性的聪慧真的是宇宙进化的死胡同,终将屈服于机器吗?
并不是这样的,故事到这里还没有结束。
关于“机器智能是未来最终王者”的流行学说,实际包含了很多致命的偏见和假设,使其不太可能成为现实。现在的计算机科技是否能带领我们至技术的“奇点”,或是否能指数量级地超越一个种族是尚未明确的。无论怎么样,未来还是很美好的。
《机器人自我复制理论》:该书描述了在一场指数级无可遏止的爆炸中,机器是如何毁灭所有妨碍其复制方式的生命。图源:AbeBooks那些天马行空的想法可追溯到约翰·冯·诺依曼(John von Neumann)生前发表的一本有关机器自我复制的书籍《机器人自我复制理论》(Theory of Self-Reproducing Automata,1966)。这本书奠定了机器自我复制的概念,描述了在一场指数级无可遏止的爆炸中,机器是如何毁灭所有妨碍其复制方式的生命。诺依曼还描述了这种机器是如何模拟人类神经的功能行为的。
从该书发表以后的数年内,电子信息互联网的确对人类日常生活有重大影响,影响着我们决策、思考新命题或挑战的方式。在互联网信息时代里,我们都会还没试着去自己思考答案,或不耻下问咨询他人,就开始百度或谷歌问题。因为现在人民的智慧结晶已经上传到无所不在的云端数据库中了,单单个人广而浅层知识的重要性已经慢慢削弱,甚至个别行业的垂直专业重要性也会在互联网深化的过程中不断被减弱。
然而,我们未来的发展方向仍是不清楚的。一定要说些什么的话,可以说我们正走向一个蜂巢式状态,有点类似白蚁群落或裸鼠群体。不是进化得越来越聪明,而是我们生物最原始的内在驱动力受到了遏制,反而变得越来越被动了。悲观主义者会说我们人类思想停滞不前,成为群体中互相参照、互相提参考建议的一员,而不是变成指数级进化的天才们。
在传统计算机处理信息架构中,可能存在能量效率的“天花板”。
历史还告诉我们,我们是无法预测颠覆性技术带来的长期影响。举个简单粗暴的例子,17世纪末连续旋转蒸汽机对人类世界有深渊影响,这是没人能预测得到的;也没有人能预测150年以后内燃机和电气机的出现就让这些蒸汽机过时了一样。同样地,也没有人可预测碳氢化合物燃烧可能会通过改变地球大气层的组成危害到人类。
目前也没有证据表明,人类特有的智慧除了是几亿年以来进化的结局以外,还可以是什么,更不用说其是宇宙中最完美的物种了(公平地说,也没有证据说明我们人类是宇宙中的奇葩)。
结果是,通过推断我们自己的意识和智慧程度来预测外星人的智商和行动——或者及其群体,是非常困难的。
说着说着,就倒戈了:我们并没有变聪明,反而我们可能会变得越来越愚蠢,无法预测未来,我们不知道宇宙中存在着怎样的聪明的物种(如果有的话)。但我觉得还是有一线希望,正是因为这种自省精神,我们备受挫败,但仍着迷般地正视自己的文化和当前技术水平等残酷的现实。
其中一个现实是能量问题——诺依曼曾经说过,但这是那些未来学者经常忽视的问题。设计计算机时,有个关键因素:计算能力与能源使用情况,即“每次计算/焦耳”。
人类大脑以约20瓦特的速度耗能,在现有的计算机技术下,如果你想把自己完整无缺地上传至计算机,你所需的能量跟三峡水电站产生的电能差不多。图源:Giphy随着微处理器变得越来越复杂,硅基架构越来越小(可以到数十纳米),效率仍在提高。 因此,每焦耳计算量的效率每一年都有进步。
而实际上这个比例每一年改善的空间越来越小。有研究者表示,在传统计算机处理架构内,我们可能遇到能量效率的“天花板”,比如基本乘法算法,这个天花板大概在10G/焦耳。
对于需要真正制造人工智能或上传大脑数据的机械来说,这潜藏了很大一个障碍。计算能力要接近人脑大脑(从速度和操作复杂度衡量)的话,估计所需要的能量效率要比这个限值超出10亿倍。
我们可以这么看,人脑以约20瓦特的速度耗能的。在现有的计算机技术下,如果你想把自己完整无缺地上传至计算机,你所需的能量跟三峡水电站产生的电能差不多。如果将全人类73亿多号人,全部上传至计算机上,至少需要14万瓦特的能量流,相当于太阳能达到地球顶部发电量的800倍。显然,想要超越人类肉体上升到机器层面,还有很大一段距离。
有一个可能的解决方案是所谓的神经形态结构,模拟真实生物神经元及其连接性方面的硅基设计。乔治亚理工学院的珍妮弗·哈斯勒(Jennifer Hasler)等研究人员提出,如果设计得好的话,这种硅基的神经元系统(译者注:生物是以碳原子为基础,碳与硅是同一主族元素,化学性质相似)可以将所需能量降低至少4个数量级。不幸的是,即便有这么大的进步,要达到人脑的水平效率还差10万倍的能量。
当然,计算机技术的历史上,人类逐年克服了曾经以为难以逾越的障碍,所以大家对未来仍然比较乐观。但关键是,结局不是给定的。很可能我们为了去捕捉人类大脑的复杂性,大脑灰质密度和超常的效率等等,才发现硅和其他相似的原子根本都不是答案,无论它们如何修饰或堆砌在一起可能都无法达到我们预期的结果。
英国物理学家戴维·多伊奇。图源:The New York Times乐观的技术宅最喜欢的替代方案就是调用量子计算,利用原子或原子体系之间的量子重叠态以替代传统的计算机晶体管。他们认为,量子叠加态的思维计算能力或可以解决能源和速度问题,从此走上建立最强大脑的康庄大道。
至少从论文上看,一般概念上的量子计算机或图灵量子计算机是可能坐拥无限的有效计算能力。英国物理学家戴维·多伊奇(David Deutsch)在他的论文“量子理论,邱奇-图灵原理和通用量子计算机”(Quantum Theory, the Church-Turing Principle and the Universal Quantum Computer,1985)中,精辟巧妙地提出这一想法,值得注意的是,他留下了完成这一壮举的细节,让读者浮想联翩,想去揭开谜底。
理论上,真正适用的量子计算机是可以模拟任何有限物理系统(包括头脑)或其他量子计算机所期望的任何精度。量子化的进程还可以让这种模拟批量运行,概率测试也可以超速完成。然而,尽管近年来人们已取得了巨大的实验室和理论进步,这理论在实际操作仍是困难重重的。日前,虽然人们提出过量子计算应用(例如语境化搜索)可能与“认知计算”(现在许多人工智能的当前运作的缩影)完全吻合,但离真正的人工智能还很远,关于任何一种拟人AI的争论还有很多。
我们可能生活在过去物种所憧憬的未来宇宙之中。
支持计算的基本单位——可能以冷原子或其他量子物体形式出现的量子比特—— 也许只需要很少的能量。但是,将量子计算机的组件保持在一致性状态(即所有这些量子状态都控制地很好)就需要巨多额外的能量,并且总依赖于大量的支持系统和工程技术,这些支持系统和工程也会消耗能量。目前我们甚至还不清楚,量子计算真实所需要的能量到底是多少。
还有其他因素也同样令人担忧。“n”量子比特的量子计算机可以在一个周期内执行2n个计算,但是设置这些计算是巨大的数据流工程。通过计算,模拟我们整个宇宙中约1089个粒子和光子可能只需要296个量子比特,但是如何进入1089这个初始条件?更难的是,如何从量子模拟中挑选出正确的解决方案?模拟一个人的大脑可能会更容易一些,但仍然需要量化并启动至少1014个神经联结(人脑中大致一个数字)来建立计算。然后呢,我们还希望这个量子化大脑具有非常高的吞吐计算量,有与世界保持高分辨率、高保真感官界面。这又是另一个未知的,很可能无法克服的挑战。
好吧,我可能太过简化了现有可被利用的技术手段。我对未来的看法也许太有限。无论怎样,我认为社会对仿生AI的乐观预测有越来越针对性的反响是有缘由的。我们需要承认,尽管与人类智商相当或超过人类的AI是可能诞生,但它可能无法实现人们经常提出的指数量级计算的增长能力。
换句话说,指数级的完美AI从数学角度上是没有破绽的,但实际面临的障碍或是不可逾越的。
说到这儿,我会(假设性地)从未来主义者口中选一些内容,做出一些疯狂的推论。我想探讨如果我们将机器智能增长缓慢的概念与费米悖论的问题结合起来,会发生什么。这样做很有趣,但所需的信息量也很大。
我们来假设宇宙中某高智商物种已成功地将自身转化为机器形式,或者被比他们进化程度更高更、并不是指数级进化的机器智能所取代。那接下来会发生什么?
由于这些智能机器受到效率限制的影响,他们有可能会温故而知新,想用过去手段变出新法子来向前继续推进。 他们知道的一件事(就像我们已经知道那样)就是生物学的体系,其已经是非常完善的。有研究人员估计,现代人类的大脑处于其计算的极限,但可能只需要一个稍微更聪明一点点的机器重新设计这样一个复杂的器官。换句话说,可能有一个更好的方法,能从机器智能回到生物学上,并有着更非凡的能源效率。
我们也不能保证机器智能必定是或可能是完全合理。为研究复杂宇宙相,数学本身含有不可证明的定理,一点点不可解都可能是成为致命的绊脚石。现在,我们时不时就推测,智能化未来会以硅或量子形式到来——这些我们认为优于肉体的某种其他形式。照着葫芦画瓢,那么那些机器可能也出于能量效率问题,或者由于其他我们无法想象或理解的原因,想再次回归生物学形态。
图源:Imgur如果生命是恒久不衰的,且最终形成更智能的形式的话,那么我们可能生活在过去生命物种所预测的未来之中。宇宙是138亿岁,而我们星系更是亘古久远;在过去130多亿年,恒星和行星已逐渐形成。有理由相信宇宙在我们太阳系诞生之前的80亿年左右肯定发生了些有趣的事儿。有一天,我们可能又会认为地球上的智能未来需要生物学,而不是机器算法。过去数十亿年前的无数生命可能已经经历了过这个阶段。
那些早期的高智商生命物种可能早就达到了他们决定从机器转移到生物学的阶段。 如果是这样,我们又回到了费米悖论:那些外星人现在在哪里?一个简单的答案是,他们可能受到星际过渡期的极端困难束缚,特别是在物理、生物学上的束缚。 也许这些早期生物物种还在,但回归生物学形态的代价,意味着得重新回归孤立的状态。
有些机器智能可能已经在想回归生物形态,想在巨大的星际空间中恢复到从前的孤岛状态。
KIC 8462852这颗恒星位于天鹅座,距离地球约1,480光年。图源:维基那些早期的物种可能曾经建造了很多大型建筑,已在恒星上部署过巨大的宇宙工程。也许有些东西还在那里,也许我们正在用不断改进的天文设备来检测其中的一些东西。KIC 8462852是最近一颗令人振奋的恒星,其发光变化模式暂时不能用已知的自然机制来解释,就是说我们现有仪器敏感度还不足以对其作出解释。也许外太空文明已经退变回生物形态,其机械时代的建筑遗迹还残留着,在严酷宇宙辐射环境下,受到长期干燥蒸发与恒星的爆炸等崩塌了。
我们现在的状态可能是处于第一代机器智能与下一代机器智能之间。任何机器智能或其他更进化的物种在星系中的可能只是稍瞬即逝的星际原力之一;可能最后一个已经消失了,下一个可能还没有浮出水面,可能没有时间来我们这参观,也可能已经在想着回归生物形态,在伟大的星际空间大洗牌中回归孤岛的状态。 我们自己的技术未来可能看起来也会像这样——从幻想成为机器又回到更宁静地,更有效率的有机生物存在形式。
我们要承认这些想法的确是过于魔幻,但提出这些想法本身对我们已经有一些特别启示:我们正在研究自己可能的未来。可以想象,宇宙已经告诉我们这些选择是什么了。这种自我反思自我审查的行为已经有别于人类任何其他行为,这一点就值得我们继续去深入关注下去了。
本站涵盖的内容、图片、视频等数据系网络收集,部分未能与原作者取得联系。若涉及版权问题,请联系我们删除!联系邮箱:ynstorm@foxmail.com 谢谢支持!