第10章计算机前沿研究及发展趋势

计算机导论主编：丁跃潮2第10章计算机前沿研究及发展趋势10.1新型计算机系统10.2计算理论发展计算机科学与技术是科技领域最活跃、发展最快的科学，也是现代生产力中最活跃的部分。从电子产品的换代到软件和相关书刊的更新，从计算机的在日常事务中的作用到计算机在尖端科技的上的应用，无不体现出日新月异的景象。这些给世界带来了灿烂的文明—信息时代和网络经济，而计算机在经济和社会各领域的应用促进了计算机科学的发展，计算机的研究永无止境。310.1新型计算机系统现代计算机理论的奠基人是图灵，他提出了通用机的概念，描述了计算步骤的数学模型。美国数学家冯·诺伊曼提出计算机可以使用二进制，计算机的指令和数据都可以存储在机内，这奠定了计算机软件的理论基础。在冯·诺伊曼的主持下，1949年诞生了第一台存储程序的计算机，又称第一代机，这台计算机为后来的计算机发展奠定了基础。半个多世纪以来，虽然计算机的系统结构发生了翻天覆地的变化，电子学及其相关科学的发展，使计算机的总线、CPU、存储器、外部设备都改进到了接近巅峰的状态，但仍然是在原来的系统结构框架之下，现有芯片制造方法将在未来10多年内即2020年左右达到极限。如果人们想要极大地扩展电子元件的能力，使之克服摩尔定律的限制，那么很可能需要在目前的计算设计上做根本改变，采用全新计算机系统结构。为此，世界各国研究人员正在加紧开发新型计算机。随着生物学、物理学和化学的发展，多种新型计算机系统结构已见雏形。哪种结构类型将主导第六代计算机，尚待今后的研究成果确定。410.1.1生物计算机以生物界处理问题的方式为模型的计算机都属于生物计算机，而狭义的生物计算机主要是指利用生物化学反应算法或具有生物分子、超分子芯片的计算机。广义的生物计算机还包括自动机模型、仿生算法等类型。生物计算机目前主要有以下几类：(1)生物分子或超分子芯片生物分子或超分子芯片立足于传统计算机模式，从寻找高效、体微的电子信息载体及信息传递体入手，目前已对生物体内的小分子、大分子、超分子生物芯片的结构与功能做了大量的研究与开发。生物分子计算机中的生物分子，在电流的作用下同样可以产生“开”和“关”的两种状态,并能贮存、输出“0”和“1”这样的二进制信息。因此,可以像电子计算机一样进行运算和信息处理。组成生物计算机的蛋白质分子,直径只有头发丝的五千分之一，体积仅手指头粗细的一只生物计算机,其贮存信息的容量可以比现在的普通电子计算机大1千万倍。而且由于生物分子非常微小、彼此之间的距离又非常近,所以传递信息和计算速度非常快。510.1.1生物计算机(续1)(2)自动机模型和仿生算法以自动理论为基础，致力与寻找新的计算机模式，特别是特殊用途的非数值计算机模式。目前研究的热点集中在基本生物现象的类比，如神经网络、免疫网络、细胞自动机等。不同自动机的区别主要是网络内部连接的差异，其基本特征是集体计算，又称集体主义，在非数值计算、模拟、识别方面有极大的潜力。以生物智能为基础，用仿生的观念致力于寻找新的算法模式，虽然类似于自动机思想，但立足点在算法上，不追求硬件上的变化。人工智能的“结构模拟”学派(或称为“联结主义”学派)对计算神经网络的研究取得了突出的成果，主张从结构方面模拟、延伸、扩展人的智能，用“电脑”模拟“人脑”神经系统的联结机制。神经网络就是由许多神经元互连在一起所组成的神经结构。把神经元之间相互作用的关系进行数学模型化就可以得到神经网络模型。目前应用较多的代表性模型有：M-P神经细胞模型、BP神经网络模型、Hopfield神经网络模型。610.1.1生物计算机(续2)(3)生物化学反应算法立足于可控的生物化学反应或反应系统，利用小容积内同类分子高拷贝数的优势，追求运算的高度并行化，从而提供运算的效率。DNA计算机属于此类，将在下文介绍分子计算机时予以介绍。上海交通大学2004年在试管中完成了DNA计算机的雏形研制工作。由于生物具有自我修复功能，生物芯片一旦出现故障，不需要人工修理也可以进行自我修复。所以，生物计算机具有“半永久性”和很高的可靠性。再者，生物计算机的元件是由有机分子组成的生物化学元件，它们是利用化学反应工作的，所以，只需要很少的能量就可以工作了。因此，不会像电子计算机那样，工作一段时间后，机体会发热，而且它的电路间也没有信号干扰。除了DNA计算外，生物计算还有另一个发展方向，即在半导体芯片上加入生物分子芯片，将硅基与碳基结合起来的混合技术。例如，硅片上长出排列特殊的神经元的“生物芯片”已被生产出来。尽管这些生物计算实验离实用还很遥远。710.1.2光计算机光计算机是用光束代替电子进行运算和存储，它以不同波长的光代表不同的数据，以大量的透镜、棱镜和反射镜将数据从一个芯片传送到另一个芯片。这种传送方式称为自由空间光学技术。自由空间光学技术的原理非常简单。首先，将硅片内的电子脉冲转换为极细的闪烁光束，“接通”表示“1”，“断开”表示“0”。然后，将数据流通过反射镜和棱镜网络投射到需要数据的地方。在接收端，透镜将每根光束聚焦到微型光电池上，由光电池将闪光重新转换成一系列电子脉冲。光计算机有三大优势。一是光子的传播速度无与伦比，电子在导线中的运行速度与其相比就像蜗牛爬行那样，而采用硅－光混合技术后，其传送速度就可达到每秒万亿字节。二是光子不像带电的电子那样相互作用，因此经过同样窄小的空间通道可以传送更多数据。三是光无须物理连接。如能将普通的透镜和激光器做得很小，足以装在微芯片的背面，那么明天的计算机就可以通过稀薄的空气传送信号了。810.1.3量子计算机量子计算机是利用原子所具有的量子特性进行高速数学和逻辑运算、存储及处理的一种物理装置。量子计算机是一种全新概念的计算机，基于量子的相干性，因而它具有高度的并行计算能力。与经典计算机相比，量子计算机在存储容量、运算速度上都会有指数数量级的提高。因此，量子计算机的研究在国际上引起高度关注。如对一个129位数的因子分解，用1600台超级计算机与互连网进行运算要花8个多月才能破译，而用一台量子计算机几秒钟就轻易解决了。据介绍，具有5000个量子位的量子计算机，可以在３０秒内解决传统超级计算机要１００亿年才能解决的大数因子分解问题。量子计算机的输入用一个具有有限能级的量子系统来描述，最小的信息单元是一个量子比特(quantumbit)。量子比特不只是开、关两种状态，而是以多种状态同时出现。处于量子状态的粒子能够进入“超态”，即同时沿上、下两个方向自旋。这一状态可代表1、0以及中间的所有可能数值。910.1.4分子计算机分子计算机用单个分子或单个电子代替硅晶体管，起到类似逻辑门和电子开关的作用，从而进行运算。近年来，分子级电子元件领域中取得了进展，该领域的出现有一个前提，即有可能制造出单个的分子，其功能与三极管、二极管及今天的微电路的其他重要部件完全相同或相似。化学家、物理学家和工程师已经在一系列出色的示范试验中显示：单个的分子能传导和转换电流，并存储信息。DNA计算机将是分子计算机发展的方向之一。20世纪70年代，人们发现脱氧核糖核酸（DNA）分子是一条双螺“长链”，链上布满了“珍珠”即核苷酸，DNA分子计算机就是用这些“珍珠”的排列来表示各种信息。DNA处于不同状态时可以代表信息的有或无。DNA分子中的遗传密码相当于存储的数据，DNA分子间通过生化反应，从一种基因代码转变为另一种基因代码。反应前的基因代码相当于输入数据，反应后的基因代码相当于输出数据。如果能控制这一反应过程，那么就可以制作成功DNA计算机。当计算机计算时，几种生物酶则充当加、减、乘、除。DNA计算机通过生物化学反应得出计算的结果。1010.2计算理论的发展10.2.1人工智能智能是个体有目的的行为，合理的思维，以及有效的、适应环境的综合能力。智能是个体认识客观事物和运用知识解决问题的能力。人工智能（ArtificialIntelligence）简称AI。它是研究、开发用于模拟、延伸和扩展人的智能（HumanIntelligence）的理论、方法、技术及应用系统的一门新的技术科学。人工智能是由多学科渗透产生的综合性边缘学科。人工智能的研究目标就是探讨智能的基本机理，研究如何利用各种自动机来模拟人的某些思维过程和智能行为，用机器来代替人的部分脑力劳动，包括用计算机进行复杂推理、自动求解某些复杂问题。1110.2.1人工智能(续)人工智能在以下方面取得了成就，并且研究正在深入：1)专家咨询系统：主要由知识库、数据库和推理机制组成。如：数学专家系统，化学专家系统、中医专家系统等。2)模式识别：用特征识别和关系识别，先对文字、声音、图形、图象、物体等信息加以分析，然后与模式对比识别。有效的应用已有文字识别、语言识别和理解、人的面孔和指纹识别、医疗诊断等。3)机器人：模拟人的部分功能的自动机器。分工业机器人和智能机器人，人工智能主要研究智能机器人。智能机器人具有各种传感器（感觉器）和学习能力。4)数学定理的证明：大大减轻人的脑力劳动。四色问题又称四色猜想，即：如果相邻两国用不同颜色涂上，地图只需要四种颜色就够了。5)博奕：由计算机与人下棋、打牌等。IBM的“深蓝”系统战胜了国际象棋大师卡斯帕诺夫，就是计算机的机器智能水平的一次荣誉记录，也是聪明的人工智能软件的一个成功范例。6)人工智能计算机：对正在研制中的新型电子计算机，有人称为第五代计算机，是一种更接近人的人工智能计算机。1210.2.2数据挖掘数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程，这些模型和关系可以用来作出预测。数据挖掘和数据仓库大部分情况下，数据挖掘都要先把数据从数据仓库中拿到数据挖掘库或数据集市中（见图10-1）。从数据仓库中直接得到进行数据挖掘的数据有许多好处。数据仓库的数据清理和数据挖掘的数据清理差不多，如果数据在导入数据仓库时已经清理过，那很可能在做数据挖掘时就没必要再清理一次了，而且所有的数据不一致的问题都已经被解决了。1310.2.2数据挖掘(续1)数据挖掘库可能是数据仓库的一个逻辑上的子集，而不一定非得是物理上单独的数据库。但如果数据仓库的计算资源已经很紧张，那最好还是建立一个单独的数据挖掘库。数据挖掘和数据仓库(续)1410.2.2数据挖掘(续2)数据挖掘和在线分析处理（OLAP）OLAP是决策支持领域的一部分。传统的查询和报表工具是告诉你数据库中都有什么（Whathappened），OLAP则更进一步告诉你下一步会怎么样（Whatnext）、如果我采取这样的措施又会怎么样（Whatif）。用户首先建立一个假设，然后用OLAP检索数据库来验证这个假设是否正确。数据挖掘与OLAP不同的地方是，数据挖掘不是用于验证某个假定的模式（模型）的正确性，而是在数据库中自己寻找模型，在本质上是一个归纳的过程。数据挖掘和OLAP具有一定的互补性。在利用数据挖掘出来的结论采取行动之前，你也许要验证一下如果采取这样的行动会给公司带来什么样的影响，那么OLAP工具能回答你的这些问题。1510.2.2数据挖掘(续3)数据挖掘、机器学习和统计数据挖掘利用了人工智能（AI）和统计分析的进步所带来的好处。这两门学科都致力于模式发现和预测。数据挖掘不是为了替代传统的统计分析技术。相反，它是统计分析方法学的延伸和扩展。大多数的统计分析技术都基于完善的数学理论和高超的技巧，预测的准确度还是令人满意的，但对使用者的要求很高。而随着计算机计算能力的不断增强，我们有可能利用计算机强大的计算能力只通过相对简单和固定的方法完成同样的功能。一些新兴的技术同样在知识发现领域取得了很好的效果，如神经元网络和决策树，在足够多的数据和计算能力下，它们几乎不用人的关照自动就能完成许多有价值的功能。数据挖掘就是利用了统计和人工智能技术的应用程序，它把这些高深复杂的技术封装起来，使人们不用自己掌握这些技术也能完成同样的功能，并且更专注于自己所要解决的问题。1610.2.2数据挖掘(续4)数据挖掘应用由于数据挖掘带来的显著的经济效益，使数据挖掘越来越普及