If you're wondering what it takes to develop a self-driving car, know that Tesla is using a 1.8-exaFLOP AI supercomputer packed with 5,760 GPUs that train neural networks it hopes one day will power autonomous vehicles.
https://www.theregister.com/2021/06/27/in_brief_ai/
Tesla käyttää varsin tehokasta tietokonetta neuroverkkojen kehittämiseen.
Jufo Peltomaa puhuu Singulariteetistä.
Powering smarter robots. Simulating human neural networks. Trouncing physicians at medical diagnoses and crushing humanity’s best gamers at Go and Atari. While far from achieving the flexible, quick thinking that comes naturally to humans, this powerful machine learning idea seems unstoppable as a harbinger of better thinking machines.
Except there’s a massive roadblock: they take forever to run. Because the concept behind these algorithms is based on trial and error, a reinforcement learning AI “agent” only learns after being rewarded for its correct decisions. For complex problems, the time it takes an AI agent to try and fail to learn a solution can quickly become untenable.
Kvanttiprosessoinnilla voidaan parantaa oppimista monimutkaisissa tilanteissa.
A paper self-published by Alexey Turchin, a transhumanist who studies the possibility of extending human life, and scientist and transhumanist Maxim Chernyakov, looks at ways of using technology to bring the dead – or at least their consciousness — back to life. The transhumanism philosophy is often compared to science fiction for its focus on enhancing the human condition through technology, but it has many supporters in the current fields of nanotechnology, biotechnology, information technology and cognitive science, as well is in the future-looking areas of simulated reality, artificial intelligence, superintelligence, mind uploading, chemical brain preservation and cryonics. Hence the interest in these two transhumanists in immortality through technology. But why a Dyson sphere?
https://mysteriousuniverse.org/2021/03/a-dyson-sphere-could-bring-humans-back-from-the-dead/
https://philpapers.org/rec/TURCOA-3
https://philpapers.org/archive/TURCOA-3.pdf
Ylläoleva tuskin on toteutettavissa käytännössä. Prosessoriteho on tähän asti ollut rajallista eli ääretöntä tehoa olevat asiat ovat käytännössä mahdottomia.
VTT:n johtamassa monitieteellisessä tutkimusprojektissa selvitetään, miten dataa voidaan siirtää mataliin lämpötiloihin ja takaisin huoneenlämpöön. Kylmiin, suprajohtaviin oloihin dataa pitää siirtää tulevissa kvanttitietokoneissa.
Kvanttitietokoneen tietojenkäsittely perustuu suprajohtaviin kubitteihin, joita käytetään äärimmäisen matalissa lämpötiloissa. Kubitteja hallitaan tyypillisesti perinteisellä elektroniikalla, joka sijaitsee huoneenlämmössä. Tämän hetken kvanttikoneissa kubitteja siirrellään sähkökaapeleilla, mutta kun niiden määrä nousee satoihin tuhansiin, vastaava hallintakaapelien määrä aiheuttaa sietämätöntä lämpökuormitusta. Tällöin kvanttisuorittimen edellyttämää kylmyyttä ei voida pitää yllä.
Yksi ratkaisu on hallita kvanttisuoritinta perinteisellä suorittimella, joka sijoitetaan kvanttisuorittimen läheisyyteen. Yhden vuokvantin logiikkapiirit (SFQ) ovat lupaavin keino tähän. Ne vastaavat kyvykkyyksiltään perinteisten tietokoneiden logiikkaa, mutta käyttävät puolijohteiden välillä suprajohtavaa teknologiaa. Koska SFQ-teknologia tarjoaa matalalle lämpötilalle, sitä käytetään perinteisissä tietokoneissa vain harvoin. Suprajohtaviin kvanttitietokoneisiin yhdistettynä tämä haittapuoli kääntyy kuitenkin eduksi.
Suprajohtavat kvanttipitit toimivat vain kylmässä. Suomessa on Neuvostoliiton perintönä osaamista kylmä alan fysiikasta.
VTT kehittää parhaillaan suomalaista kvanttitietokonetta yhteistyössä suomalaisen start up -yritys IQM:n kanssa. Vaikka lyhyen tähtäimen tavoite onkin vain 50 kubittia, VTT luo aCryComm-projektissa perustaa pitkäaikaiselle kehitykselle kohti paljon tehokkaampia kvanttitietokoneita.
Hienoa, että Superälyn komponentit kehittyvät kaiken aikaa. Riittävästi kun saadaan innovaatioita aikaiseksi niin todellinen Superäly suntyy kuin itsestään.
https://havaitsija.blogspot.com/2010/12/suprajohteen-paradoksi.html
https://havaitsija.blogspot.com/2010/12/suprajohtava-sahkonsiirto.html
http://terotheikkila.blogspot.com/2008/06/muoti-ilmit-i-korkean-lmptilan.html
Robottiautoissa käytetään eri anturitekniikoita, jotta ajoneuvo tunnistaa kaiken ympärillään ja voi liikkua turvallisesti. Anturin tekniikka kehittyy nyt nopeaa vauhtia. On Semiconductor on esitellyt uuden valotutkan eli LiDARin, jolla auton järjestelmä näkee 250 metrin päähän.
Robottiautossa ja ADAS-järjestelmissä LiDAR käytännössä täydentää tutkaa ja kameranäköä. LiDARin kantama on tutkaa parempi, se näkee ympäristöään laajalla kulmalla ja erottaa objektit myös suorassa 100 luksin auringonvalossa. Yksi tärkeimpiä on LiDARin tuottama syvyys- tai etäisyystieto.
https://etn.fi/index.php/13-news/11825-lidar-nakee-pian-kauemmaksi
Superälyn näkökyky kehittyy. Ilman kunnollisia aisteja on vaikea navigoida.
http://image-sensors-world.blogspot.com/2021/03/on-semi-launches-worlds-first.html
Superäly on unelma mutta voidaanko todellinen Suppe toteuttaa. Itse uskon, että voidaan sillä se tulkinta, että sitä ei voitaisi perustuu olettamukseen, että ihmisaivoissa on joku piirre mitä ei pystytä toteuttamaan. Tälläistä piirrettä ei kuitenkaan ole löytynyt.
Toinen asia sitten on, että kykeneekö ihminen suunnittelemaan Superälyn. Tässä täytyy huomata, että ihmisen ei tarvitse itse suunnitella Superälyä vaan hän voi pyytää apua alkeellisemmalta Superälyn kehitysversiolta. Tämä kehitysversio sitten avustaa varsinaisen Superälyn suunnittelemisessa. Tällöin Superäly voi kehittää pienillä askelilla, jotka voidaan sitten hallita ihmisälyn avulla. Tämän takia kaikki innovaatiot, jotka auttavat Superäly kehittämisessä ovat erityisen tärkeitä. Matka Superälyyn on pitkä mutta se on mahdollinen.
http://christian-transhumanism.blogspot.com/2020/09/qanon-rokos-basilisk.html
