यह तब भी सच नहीं था। खैर, शायद इसीलिए डॉकिंस एक जीवविज्ञानी हैं, इंजीनियर नहीं। :-)
आज के प्रोसेसर क्षेत्र में कुछ वर्ग सेमी और एक मिमी से कम ऊंचाई पर अरबों ट्रांजिस्टर पैक करते हैं। एक खोपड़ी में उनमें से सैकड़ों फिट होंगे, शायद ट्रांजिस्टर।
यहां तक कि अगर आप असतत ट्रांजिस्टर को देखते हैं तो सिर्फ कुछ सौ से अधिक फिट होंगे। मुझे लगता है कि एसओटी -23 पहले से ही 1989 में मौजूद था, और फिर आपको खोपड़ी में उनमें से 10 5 - 10 6 मिलेंगे । 1012
105106
संपादित करें (2011-06-13)
मेरे पास द सेल्फिश जीन की एक प्रति है , और उत्सुक था कि डॉकिन्स के मन में क्या था, इसलिए मैंने इसे देखा। उसके उस पैराग्राफ से अधिक:
जैविक कंप्यूटर की मूल इकाई, तंत्रिका कोशिका या न्यूरोन, वास्तव में अपने आंतरिक कामकाज में एक ट्रांजिस्टर की तरह कुछ भी नहीं है। निश्चित रूप से वह कोड जिसमें न्यूरॉन्स एक-दूसरे से संवाद करते हैं, डिजिटल कंप्यूटर के पल्स कोड की तरह थोड़ा सा लगता है, लेकिन व्यक्तिगत न्यूरॉन ट्रांजिस्टर की तुलना में अधिक परिष्कृत डेटा-प्रोसेसिंग इकाई है। अन्य घटकों (एसआईसी) के साथ सिर्फ तीन कनेक्शनों के बजाय, एक एकल न्यूरॉन में हजारों की संख्या हो सकती है। ट्रांजिस्टर की तुलना में न्यूरोन धीमा है, लेकिन यह लघुकरण की दिशा में बहुत आगे बढ़ गया है, जो एक प्रवृत्ति है जो पिछले दो दशकों में इलेक्ट्रॉनिक्स उद्योग पर हावी है। (द सेल्फिश जीन, पी .४ ९)
किसी ने डॉकिंस को बताया होगा कि एक ट्रांजिस्टर में 3 पिन्स :-) हैं।
वैसे भी, वह न केवल न्यूरॉन्स (या न्यूरॉन्स, बीई?) की संख्या की तुलना ट्रांजिस्टर से करता है, बल्कि यह भी बताता है कि न्यूरॉन बहुत अधिक जटिल है, आंशिक रूप से इसके हजारों कनेक्शनों के कारण। मेरा अनुमान है कि आपको एक ऐसे न्यूरॉन (शायद डिजिटल कंप्यूटर के बजाय एक एनालॉग के रूप में?) का अनुकरण करने के लिए से १० ६ ट्रांजिस्टर की आवश्यकता होगी । जिसका मतलब है कि GPU के साथ भरा एक खोपड़ी अभी भी एक मस्तिष्क की प्रसंस्करण शक्ति के करीब नहीं आएगा।105106
और फिर इन सभी कनेक्शनों की समस्या है। वे वास्तविक शक्ति हैं, न कि केवल बड़ी संख्या में न्यूरॉन्स। हमारे पास ऐसी जटिल प्रणाली बनाने की तकनीक नहीं है, और IMO लंबे समय तक नहीं रहेगा। और फिर मैं इन कनेक्शनों की गतिशील प्रकृति के बारे में भी बात नहीं कर रहा हूं : वे खुद को पुनर्व्यवस्थित कर सकते हैं, नए कनेक्शन बना सकते हैं और दूसरों को तोड़ सकते हैं।
इन सभी एआई चूसने वालों को परिप्रेक्ष्य में रखने के लिए, हमारी दृष्टि प्रणाली पर एक नज़र डालें। एक दूसरे में हम पिक्सेल की एक स्टीरियोस्कोपिक छवि को संसाधित कर सकते हैं , दृश्य का एक आभासी 3 डी मॉडल बना सकते हैं और वस्तुओं को विस्तार से पहचान सकते हैं। आधा मीटर दाईं ओर ले जाएं और आप बहुत सारे नए डेटा जोड़ते हैं। अभी भी एक लंबा रास्ता तय करना है ...108