译文：计算的未来是模拟

原文 ：https://medium.com/s/story/the-future-of-computing-is-analog-e758471fbfe1
翻译 ：starichat
特别感谢 「sea瑞」 提供翻译的一些支持。
（由于某种不可抗力原因，原文可能访问不了，可以回复[计算的未来是模拟]来获取原文英文文章。同时，微信不支持外链，可以点击文末的阅读原文查看外链。）

源起

计算的历史可以被分为旧约和新约：在电子数字计算机及其衍生代码出现的前后，他们就在全球迅速扩散了。提供基本逻辑的旧约先知包括「Thomas Hobbes」和「Gottfried Wilhelm Leibniz」。新约的先知包括「阿兰·图灵」，「约翰·冯·诺伊曼」，「克劳德·香农」和「诺伯特·维纳」。他们实现了机器。

艾伦·图灵想知道机器变得智能化需要什么。John von Neumann 想知道机器自我复制需要什么。克劳德·香农想知道无论有多少噪音干扰，机器需要什么来进行可靠地通信。Norbert Wiener 想知道机器需要多长时间才能获取控制权。

维纳关于超出人类控制的控制系统的警告出现在 1949 年，正如第一代存储程序电子数字计算机的引入一样。这些系统需要人类程序员的直接监督，从而消除他的担忧。||只要程序员控制机器，问题是什么？从那以后，关于自动控制风险的争论仍然与关于数字编码机器的权力和局限性的争论有关。尽管它们具有惊人的力量，但几乎没有观察到真正的自治。这是一个危险的假设。如果数字计算被其他东西取代怎么办？

转变

在过去的一百年里，电子产品经历了两次基本的转变：从模拟到数字，从真空管到固态。这些转变一起发生并不意味着它们是密不可分的。正如使用真空管组件实现数字计算一样，模拟计算可以在固态下实现。即使真空管已经商业灭绝，模拟计算仍然存在并且存在得很好。

数字计算和模拟计算

模拟和数字计算之间没有明确的区别。一般而言，数字计算处理整数，二进制序列，确定性逻辑和理想化为离散增量的时间，而模拟计算处理实数，非确定性逻辑和连续函数，包括时间，因为它作为真实的连续体存在世界。

想象一下，你需要找到一条路的中间位置。您可以使用任何可用的增量测量其宽度，然后以数字方式计算中间到最接近的增量。或者你可以使用一段字符串作为模拟计算机，将道路的宽度映射到字符串的长度并找到中间，而不限于增量，通过将字符串加倍自身。

许多系统在模拟和数字方式下运行。一棵树将各种输入集成为连续函数，但是如果你砍掉那棵树，你会发现它一直以数字方式计算年份。

在模拟计算中，复杂性存在于网络拓扑中，而不是代码中。信息被处理为值的连续函数，例如电压和相对脉冲频率，而不是通过对离散的比特串的逻辑运算。数字计算，不容忍错误或模糊，取决于整个过程中每一步的纠错。模拟计算可以容忍错误，让您可以和错误并存.

完全有可能在不理解它的情况下构建一些东西。

Nature 使用数字编码来存储，复制和重组核苷酸序列，但依赖于模拟计算，在神经系统上运行，用于智能和控制。每个活细胞中的遗传系统是存储程序计算机。但是大脑不是。

数字计算机执行两种比特之间的变换：表示空间差异的比特和表示时间差异的比特。这两种形式的信息，序列和结构之间的转换受计算机编程的控制，只要计算机需要人类程序员，我们就会保留控制权。

模拟计算机还调解两种信息形式之间的转换：空间结构和时间行为。没有代码也没有编程。不知怎的 - 我们并不完全理解 - 自然是如何进化出称为神经系统的模拟计算机，它体现了从世界吸收的信息。他们学习了。他们学到的一件事就是控制。他们学会控制自己的行为，并且学会尽可能地控制自己的环境。

神经网络模拟

计算机科学有着悠久的历史-要回之前甚至有是计算机科学-实现神经网络，但在大多数情况下，这些已经通过数字计算机，通过大自然本身在野外进化不是神经网络得到的神经网络模拟。这种情况开始发生变化：自下而上，随着无人机战争，自动驾驶汽车和手机的三重驱动，推动了神经形态微处理器的发展，这些微处理器实现了实际的神经网络，而不是神经网络的模拟，直接在硅（以及其他潜力）从上到下，随着我们最大和最成功的企业越来越多地转向模拟计算渗透和控制世界。

模拟计算的兴起

当我们争论数字计算机的智能时，模拟计算正在悄然取代数字计算机，就像第二次世界大战之后用真空管这样的模拟组件重新用于构建数字计算机一样。运行有限代码的单独确定性有限状态处理器正在形成在现实世界中狂野运行的大规模，非确定性，非有限状态的后生生物。由此产生的混合模拟/数字系统共同处理比特流，就像在真空管中处理电子流的方式一样，而不是单独处理，因为比特是由产生流的离散状态装置处理的。比特是新电子，模拟装置又回归原处，取得控制权是其本质特征。

从货物流动到交通流动到思想流动，这些系统在统计上运行，因为脉冲频率编码信息在神经元或大脑中处理。智力的出现引起了智人的注意，但我们应该担心的是控制的出现。

想象一下现在是1958年，而你正力图保卫美国大陆免受空袭。为了区分敌方飞机，除了计算机网络和预警雷达站点之外，您需要的其中一项是实时更新所有商业空中交通的地图。美国建立了这样一个系统并命名为 SAGE（半自动地面环境）。SAGE 反过来催生了 Sabre，这是第一个实时预订航空旅行的综合预订系统。Sabre和它的后代很快就不仅仅是一张座位图，而且是一个系统，它开始通过分散化的智能来控制飞机的飞行地点和时间。

但是在某个地方是不是有控制室，有人控制？也许不吧。比如说，您可以构建一个系统来实时映射高速公路交通，只需让汽车访问地图，以换取当时报告自己的速度和位置。结果是完全分散的控制系统。除系统本身外，没有任何系统的控制模型。

想象一下，这是21世纪的第一个十年，您希望实时跟踪人际关系的复杂性。对于小型大学的社交生活，您可以构建一个中央数据库并使其保持最新状态，但如果采用更大规模的话，其维护将变得势不可挡。更好地传递一个简单的半自治代码的免费副本，在本地托管，并让社交网络自我更新。该代码由数字计算机执行，但整个系统执行的模拟计算远远超过底层代码的复杂性。由此产生的社交图的脉冲频率编码模型成为社交图。它在校园和世界各地蔓延。

计算机的下一次革命将通过模拟系统的兴起来发出信号，数字编程不再受其控制。

如果你想建造一台机器来捕捉人类所知道的一切意味着什么呢？根据摩尔定律，您可以将世界上所有信息数字化并不需要太长时间。您扫描每本打印过的书籍，收集每封写过的电子邮件，每24小时收集49年的视频，同时实时跟踪人们所处的位置和工作内容。但是你如何捕捉到意义呢？

即使在所有数字化的时代，这也不能用任何严格的逻辑意义来界定，因为在人类中，意义并不是从根本上合乎逻辑的。一旦你收集了所有可能的答案，你所能做的最好的事情就是邀请定义明确的问题，并编制脉冲频率加权图，说明一切如何连接。在您了解它之前，您的系统不仅会观察和映射事物的含义，它还将开始构建意义。及时，它将控制意义，就像交通地图开始控制交通流一样，即使似乎没有人控制。

人工智能三部法律

这里有人工智能的三部法律。第一个，被称为阿什比定律，在网络设计师 W. Ross Ashby，“ 大脑设计”一书的作者之后，指出任何有效的控制系统必须与它控制的系统一样复杂。

John von Neumann 阐述的第二定律指出，复杂系统的定义特征是它构成了自己最简单的行为描述。最简单的有机体完整模型是有机体本身。试图将系统的行为减少到任何形式的描述会使事情变得更复杂，而不是更少。

第三定律规定，一切简单易懂的系统都不会复杂到表现得智能，因为任何复杂到能表现出智能的系统都非常复杂而难以理解。

有人认为，直到我们理解了智能，我们才不用担心机器中衍生出的超人智能，第三定律就为这些人提供了慰藉。但是第三定律存在漏洞。完全有可能在不理解它的情况下构建一些东西。你不需要完全理解大脑如何工作以构建一个有效的大脑。这是一个漏洞，程序员及其道德顾问对算法的任何监督都无法完成。值得注意的是“好”AI是一个神话。我们与真正人工智能的关系始终是信仰的问题，而不是证据。

我们过度关注机器智能，而不关心自我复制，通信和控制。计算机的下一次革命将通过模拟系统的兴起来发出信号，数字编程不再受其控制。大自然对那些认为可以制造机器来控制一切的人的回应将是允许他们建造一台控制它们的机器。

『译者注』关于人工智能，我们一直在担忧他会不会取代人类或者消灭某些行业，或者发生什么不可控制的事件。当今世界的人工智能也大部分还处于弱人工智能阶段。科技是一直向前发展的，我们现在正享受的科技时代可能也是上一个时代所担忧的。模拟计算的兴起为 AI 的发展铺开了新的道路。