Slo-Tech - V najnovejši številki revije Nature raziskovalci z Univerze Fudan na Kitajskem poročajo o odkritju novega koncepta shranjevanje podatkov v polprevodniškem pomnilniku, ki omogoča hitrejši bistveno zapis podatkov. Pokazali so, da je z uporabo dvorazsežnega Diracovega grafena možno med stanji preklapljati v 400 pikosekundah, kar je več tisočkrat hitreje od konvencionalnih SSD-jev.
Netrajni pomnilnik, torej DRAM ali SRAM, je bistveno hitrejši od trajnih pomnilnikov (flash). Prvi lahko podatke v celice zapisujejo v nekaj nanosekundah, medtem ko flash potrebuje več sto mikrosekud do milisekund. To predstavlja ozko grlo pri uporabi, kjer potrebujemo velikanske prenose podatkov, denimo pri obdelavi podatkov z umetno inteligenco. Že praktično od pojava modernih računalnikov ostaja sveti gral pomnilnik, ki bi združil hitrost dinamičnega pomnilnika in trajnost zapisa na diske, saj bi lahko popolnoma predrugačil arhitekturo računalnikov.
Do tja je še zelo daleč in tudi najnovejše kitajsko odkritje je le droben korak v smer hitrejših skladišč podatkov. A vendarle, namesto silicijevih kanalov uporablja grafenske, ki imajo nekatere posebne lastnosti, denimo strukturo elektronskih pasov stožčaste oblike. Preizkusi obrabe so pokazali, da lahko novi tip shranjevanja podatkov izvede 5,5 milijona ciklov brez degradacije. Praktična izvedba je trenutno na nivoju laboratorijskih poizkusov (TRL3-4), za kakršnokoli praktično uporabo pa bodo morali najprej zmanjšati velikost kanalov.
Kitajcev je toliko, da jih "boli kita" kaj si mislijo drugi na tem planetu(recimo yenkiji).
Netrajni pomnilnik, torej DRAM ali SRAM, je bistveno hitrejši od trajnih pomnilnikov (flash). Prvi lahko podatke v celice zapisujejo v nekaj nanosekundah, medtem ko flash potrebuje več sto mikrosekud do milisekund. To predstavlja ozko grlo pri uporabi, kjer potrebujemo velikanske prenose podatkov, denimo pri obdelavi podatkov z umetno inteligenco.
Ne potrebujemo tako hitrih pomnilnikov, ker ne potrebujemo umetne inteligence"!
Tu se pa hudo motiš. V časih, ko naravna inteligenca strmo pada, je logično, da potrebujemo umetno inteligenco. Primerov padca pa ne bi navajal, jih imaš kolikor hočeš. Planet nazaduje kot še nikoli prej.
Tu se pa hudo motiš. V časih, ko naravna inteligenca strmo pada, je logično, da potrebujemo umetno inteligenco. Primerov padca pa ne bi navajal, jih imaš kolikor hočeš. Planet nazaduje kot še nikoli prej.
Nas so že v šoli učili, da je vsaka generacija slabša. Ampak tako zabitih, kot smo mi, pa še ni bilo. Očitno je res nekaj na tem.
Tu se pa hudo motiš. V časih, ko naravna inteligenca strmo pada, je logično, da potrebujemo umetno inteligenco. Primerov padca pa ne bi navajal, jih imaš kolikor hočeš. Planet nazaduje kot še nikoli prej.
Tu se pa hudo motiš. V časih, ko naravna inteligenca strmo pada, je logično, da potrebujemo umetno inteligenco. Primerov padca pa ne bi navajal, jih imaš kolikor hočeš. Planet nazaduje kot še nikoli prej.
Nas so že v šoli učili, da je vsaka generacija slabša. Ampak tako zabitih, kot smo mi, pa še ni bilo. Očitno je res nekaj na tem.
Narobe si se naučil, hoteli so tr naučit nekaj drugega, pa si žal sedel na ušesih. Vsaka generacija je boljša, evolucija to potrjuje.
V naravi inteligenca ni zagotovilo za obstanek, številčnost je - lahko se generacije izboljšujejo zaenkrat; počasi se že nakazuje, kje je meja - in kateri sloji bodo deležni ugodnosti.
DeepMind je z AlphaZero dokazal, da se nauči bolje, če ignorira človeški input. Tako da pričakuj bodoče AI modele, ki jim ne bo več treba prežvečiti celega interneta za izpljunit par neumnosti.
DeepMind je z AlphaZero dokazal, da se nauči bolje, če ignorira človeški input. Tako da pričakuj bodoče AI modele, ki jim ne bo več treba prežvečiti celega interneta za izpljunit par neumnosti.
Če se bo učil na neumnostih, bo pač ven metal neumnosti...
AlphaGo, ki je premagal Sedola, je še imel precejšnjo osnovo iz človeških iger. AlphaZero je dobil samo pravila in prazen board in gonil self play in self-reinforcement learning, da je pogruntal strategije in taktike, boljše od 4000+ let človeškega igranja. DeepMind sedaj podoben pristop napoveduje svetu preko enostavnih iger, recimo AlphaProof že piše matematične dokaze na zelo visokem nivoju, AlphaFold pa ugotavlja strukture proteinov na nivoju, ki že povzroča revolucijo v biologiji.
Se vedno potrebuje cloveski input. Ce se bo hotel pogovarjati z ljudmi, bo potreboval se dodatni cloveski input. Ce "zivi" v svojem svetu, je kot da ga ni.
AlphaGo, ki je premagal Sedola, je še imel precejšnjo osnovo iz človeških iger. AlphaZero je dobil samo pravila in prazen board in gonil self play in self-reinforcement learning, da je pogruntal strategije in taktike, boljše od 4000+ let človeškega igranja. DeepMind sedaj podoben pristop napoveduje svetu preko enostavnih iger, recimo AlphaProof že piše matematične dokaze na zelo visokem nivoju, AlphaFold pa ugotavlja strukture proteinov na nivoju, ki že povzroča revolucijo v biologiji.
Ja, strukture proteinov so bile med prvimi, ki so prišle na misel. Sam dvomim, da je alphafold dobil zgolj zaporedje aminokislin in 3d strukturo in rešil problem, se posebaj ne za proteine brez visoke homologije, je rabil se konkreten kup zadev, ki so jih odkrili ljudje.
Koliko krat počasnejši je bil stari SSD v primerjavi z dinamičnim pomnilnikom pa koliko bo zdej z tem novim kitajskim? Ta kitajski SSD bo ene 100krat počasnejši od dinamičnega al kak ? kar je v bistvu noro mal razlike glede na vrsto pomnilnika.
Piko sekunde so tisočinka nano sekunde. Torej naj bi bil hitrejši od klasičnega rama. Ampak to ni niti prototip ampak eksperiment kaj lahko dosežeš na nekem substratu. Kaj šele proizvodnja.
AlphaGo, ki je premagal Sedola, je še imel precejšnjo osnovo iz človeških iger. AlphaZero je dobil samo pravila in prazen board in gonil self play in self-reinforcement learning, da je pogruntal strategije in taktike, boljše od 4000+ let človeškega igranja. DeepMind sedaj podoben pristop napoveduje svetu preko enostavnih iger, recimo AlphaProof že piše matematične dokaze na zelo visokem nivoju, AlphaFold pa ugotavlja strukture proteinov na nivoju, ki že povzroča revolucijo v biologiji.
Ja, strukture proteinov so bile med prvimi, ki so prišle na misel. Sam dvomim, da je alphafold dobil zgolj zaporedje aminokislin in 3d strukturo in rešil problem, se posebaj ne za proteine brez visoke homologije, je rabil se konkreten kup zadev, ki so jih odkrili ljudje.
Dvomim , da si se ti sposoben naučiti šaha v treh urah. Tudi če te priklopimo na megavatno linijo. Za prečesavanje diskretnih prostorov se je reinforcement learning z relativno enostavnim algoritmom dokaj dobro obnesel.
Piko sekunde so tisočinka nano sekunde. Torej naj bi bil hitrejši od klasičnega rama. Ampak to ni niti prototip ampak eksperiment kaj lahko dosežeš na nekem substratu. Kaj šele proizvodnja.
Zanimivo, hvala! Ja sej verjetno je to tko k so obljubljal nevem kakšne super baterije pol pa je še vsak alternativni dizajn imel vedno kakšno šibko točko zarad katere ni potem bilo nič. Baterije se izboljšujejo ampak na tradicionalnem dizajnu.
Poračunajte, kakšno pot naredi svetloba v teh pikosekundah. In potem dodajte dejstvo, da signal v bakru potuje kvečjemu počasneje. Zato so mi te pikosekunde skrajno sumljive ... V najboljšem primeru se je nekaj nekje zgubilo pri prevodih, a gre bolj verjetno za zavajanje naivnežev.
AlphaGo, ki je premagal Sedola, je še imel precejšnjo osnovo iz človeških iger. AlphaZero je dobil samo pravila in prazen board in gonil self play in self-reinforcement learning, da je pogruntal strategije in taktike, boljše od 4000+ let človeškega igranja. DeepMind sedaj podoben pristop napoveduje svetu preko enostavnih iger, recimo AlphaProof že piše matematične dokaze na zelo visokem nivoju, AlphaFold pa ugotavlja strukture proteinov na nivoju, ki že povzroča revolucijo v biologiji.
Ja, strukture proteinov so bile med prvimi, ki so prišle na misel. Sam dvomim, da je alphafold dobil zgolj zaporedje aminokislin in 3d strukturo in rešil problem, se posebaj ne za proteine brez visoke homologije, je rabil se konkreten kup zadev, ki so jih odkrili ljudje.
Dvomim , da si se ti sposoben naučiti šaha v treh urah. Tudi če te priklopimo na megavatno linijo. Za prečesavanje diskretnih prostorov se je reinforcement learning z relativno enostavnim algoritmom dokaj dobro obnesel.
PoraĨunajte, kakĹĄno pot naredi svetloba v teh pikosekundah. In potem dodajte dejstvo, da signal v bakru potuje kveĨjemu poĨasneje. Zato so mi te pikosekunde skrajno sumljive ... V najboljšm primeru se je nekaj nekje zgubilo pri prevodih, a gre bolj verjetno za zavajanje naivneĹžev.
Bom jest. V 1ps signal v bakru z najbolj neugodno hitrostjo propagacije elektomagnetnega valovanja (50% c) prepotuje 15cm. Oziroma 60m v 400ps. Ampak prvo, tle ni govora o bakru, drugo, niti ni govora o propagaciji, pač pa o hitrosti preklapljanja. V tvojem primeru gre zgolj za nepoznavanje.
PoraĨunajte, kakĹĄno pot naredi svetloba v teh pikosekundah. In potem dodajte dejstvo, da signal v bakru potuje kveĨjemu poĨasneje. Zato so mi te pikosekunde skrajno sumljive ... V najboljšm primeru se je nekaj nekje zgubilo pri prevodih, a gre bolj verjetno za zavajanje naivneĹžev.
Bom jest. V 1ps signal v bakru z najbolj neugodno hitrostjo propagacije elektomagnetnega valovanja (50% c) prepotuje 0.15mm. Oziroma 6cm v 400ps. Ampak prvo, tle ni govora o bakru, drugo, niti ni govora o propagaciji, pač pa o hitrosti preklapljanja. V tvojem primeru gre zgolj za nepoznavanje. (Edit: falil calc za 10^3)
