Hvor meget betyder hardware for udviklingen af AI?
Udviklingen af AI software går stadig hurtigere, fordi selvlæringshastigheden i algoritmerne stiger.
Derfor begrænses udviklingen hen imod AGI efterhånden mere og mere af, at hardware regnekraften ”kun” følger Moore’s “lov” om fordobling hver 18. måned. Denne nærmer sig samtidig en fysisk grænse. De mest avancerede ASML chips opererer i dag på 3 nanometer og forventes at nå ned på 2 nanometer i 2025. Det svarer til transistorer på 10-15 atomers bredde. Den fysiske grænse er 1 nanometer, bl.a. fordi elektronens placering derunder bliver for usikker til silicium.
- Moore’s lov kan muligvis forlænges ved f.eks. at anvende grafén i stedet for silicium. Det vil udvikle langt mindre varme og, dermed gøre det muligt at skifte fra GHz til THz.
- Men elefanten i udviklingsrummet bliver stadig større; kvantemekanikkens verden.
I foråret sendte det OpenAI’s Sam Altman på rundrejse til flere sovereign wealth funds (SWF). Han udsendte seed round følinger for udvikling af kvantecomputere. At han besøgte netop SWF’ere skyldes, at investeringsbehovet er så stort.
Men hvad er det, der mangler at blive udviklet, for at skabe kvantecomputere?
Den stående vittighed om grafén og især om kvantecomputere er, at alt kan lade sig gøre, bare kun i laboratoriet. Virkelighedens fysiske forhold som temperatur, elektromagnetisk stråling fra f.eks. mobiltelefoner samt jordens små vibrationer har hidtil blokeret for at udvikle kommercielle løsninger. Kvantecomputeres data (dvs. tilstand) eksisterer desuden kun flygtigt (Heisenbergs ubestemthedsrelation). Derfor er det et fundamentalt og logisk problem at sikre, at alle data når at blive overført og lagret, inden de forsvinder igen. Det stiller derfor store krav til både hardware og software, at kunne håndtere kvantebits samt at udføre kvantegates.
Vil det bringe os tættere på at løse de store problemer?
Løsningen af problemerne ovenfor kan desuden bringe os tættere på at forstå ét af fysikkens store mysterier, finstrukturkonstanten. Det er en dimensionsløs matematisk konstant, der kan udtrykke koblingsstyrken af ladede partikler (protoner og elektroner) til det elektromagnetiske felt. Den forbinder dog også de fundamentale naturkræfter. Den udtrykker nemlig også elektromagnetismens forhold til tyngdekraften og til den stærke og den svage kernekraft. Desuden er den relateret til fundamentale konstanter såsom lysets hastighed, Plancks konstant og elementar-ladningen. Endelig binder den kvantemekanikken sammen med partikelfysikken, for den er et mål for kvantefluktuationer og –interaktioner. Derfor indgår den i formlerne for energiniveauer, spredningstværsnit og henfaldshastigheder i kvantesystemer.
Finstrukturkonstanten kan beregnes til et tal, der omtrent svarer til brøken 1/137. 137 er et primtal og endda et såkaldt Stern-primtal, der opfylder en række matematiske kriterier. En brøkdel af et ”fint” primtal er dermed det matematiske forhold, som pt. kan give nogle af de største udfordringer for udviklingen af kvantecomputere. Men vi forstår ikke konstanten som andet end et matematisk forhold. Derfor er den en af fysikkens helt store gåder.
Hvis vi dog forstår den, kommer vi tættere på en samlet forståelse af fysikkens verden, en TOE (Theory Of Everything). Måske vi ligefrem vil kunne forlige Bohrs og Einsteins enighed om at være uenige, inden 100 års jubilæet for Solvay konferencen i 1927.
Næppe alene derfor
Dét vil dog næppe føre til endelig enighed om, om verden er grundlæggende deterministisk eller ej. Determinisme betyder bl.a., at den computer der beregner fremtiden, beregner den samme fremtid hver gang. Vores identitetsopfattelse som mennesker skal re-defineres, hvis fri vilje således blot er en illusion.
Da Alan Turing i 1950 definerede sin AI test, indledte han med ordene: “I propose to consider the question: Can machines think?”. Det spørgsmål dannede senere baggrund for Dartmouth konferencen i 1956, hvor begrebet kunstig intelligens blev anvendt første gang.