摩爾定律終結？AI奇點幾時到？

✨🎱 Instagram留言 →

AI即回覆下期六合彩預測

🧠 AI 根據統計數據即時生成分析

💬 只要留言，AI就會即刻覆你心水組合

🎁 完！全！免！費！快啲嚟玩！

下期頭獎號碼

📲 去 Instagram 即刻留言

摩爾定律與科技奇點：當晶片微縮遇上物理極限

曾幾何時，世界似乎由較大型的基本單元組成。雨水從看似不透明、蓬鬆的雲塊中落下，這些雲塊甚至遮擋了太陽。人類身體看似封閉且堅固，沒有證據能證明其內部結構。早期煉金術士熔煉礦石時，認為水銀必與銀有關，因為它們外觀相似。

如今，我們知道宇宙趨向混亂，但對宇宙的認識卻越來越細微。從更高解析度的望遠鏡、電子顯微鏡、粒子加速器到核能，科技的發展離不開電腦晶片，而晶片本身也在「升級解像度」。

基本上，電腦透過電路連接不同的導電或半導體元件來進行大量運算。早期的打孔卡片（晶片的前身）透過孔洞連接電路，猶如用特定手指彈奏鋼琴鍵或連接電話線。隨著電子技術精細化，我們對晶片內部結構的理解變得難以想像。

1960年代，半導體熱潮中，英特爾共同創辦人戈登·摩爾發現，晶體管的尺寸以穩定速率縮小。1958年發明的集成電路，使裝置能一次安裝大量晶體管，而非逐個裝配。摩爾提出的「摩爾定律」預測，集成電路上元件數量每兩年翻倍，起初預計只持續十年，卻延續了數十年，成為全球電腦科學教育的基石，儘管它從未是硬性規則。

然而，近年來業界開始討論摩爾定律的終結。晶體管的微縮已接近物理極限，晶體管必須保持與其他電路的有效通訊、可大規模生產及成本效益，這些限制使晶體管無法無限縮小。

摩爾悖論？

麻省理工學院（MIT）電腦科學與人工智能實驗室指出，摩爾定律自2016年起已經失效。以英特爾為例，從2014年的14奈米技術到2019年的10奈米技術，花了五年時間，遠超過摩爾定律預測的兩年週期。

這與2025年企業大力推廣的技術願景形成矛盾。像OpenAI等公司承諾生成式人工智能（AI）將改變生活、節省時間，甚至取代大量人類勞動。風險投資者也憑此吸引資金，微軟更強制員工使用生成式AI。

解決晶體管尺寸限制的辦法之一，是製造越來越大的電腦。廠商和AI企業已經在這條路上努力，同時優化機器各部分效率。但這不是長遠之計。就像羅馬帝國晚期的領導者一樣，我們的計算元件不能「鋪得太薄」。

富裕人士若不接受計算極限，便會轉向未來學、長期主義或AI樂觀主義。他們主張加速AI發展，以建立防範AI失控的安全機制。儘管現時我們尚無法控制AI不產生種族歧視、對兒童產生不當行為或引發精神病症狀。

這些AI支持者追求的目標是人工通用智能（AGI），即一種擁有類人思考能力且計算力大幅增強的AI。當AGI超越人類智慧時，就達到所謂的「科技奇點」。AI樂觀派希望推動奇點早日來臨，開啟「神級」智能時代。

可預測性

電腦邏輯的核心是，只要足夠放慢運算速度、細緻觀察，就能預測程式所有行為。電腦內的算法（非黑盒AI）指導所有運算，資訊一位位地透過中央處理器傳遞，再組合成遊戲、影片或文檔。網絡則將資料拆分成無數小包，透過電訊線路傳送。

人腦在某種程度上也是電氣機械。美國國家標準技術研究院（NIST）估算，人腦運算能力達到每秒一艾克拉（10^18）次數學運算，耗能僅20瓦特，相當於一個家庭插座可同時供電數十個腦袋。相比之下，世界頂尖超級電腦Oak Ridge Frontier耗能是人腦的百萬倍。

若能完全理解腦部結構與影響，人腦或可被預測。但大腦與抽象且數學化的電腦設計截然不同。早期電腦是機械裝置，部件可見且互動，但細胞並非機械零件（即使粒線體被稱為「細胞動力室」）。

加州理工學院（Caltech）解釋大腦運作：神經網絡整合感官、情緒、記憶和習慣，形成決策。比如看到朋友，腦部會快速辨識、產生情緒反應，並根據記憶背景選擇回應。個人成長過程中，感官經歷和反思塑造獨特神經路徑。

大腦受無數未知因素影響，許多抗憂鬱藥物的作用機制仍不明，且我們無法預知某些光線或語句會喚起哪些回憶。距離完全理解大腦仍相當遙遠。

計算能力的挑戰

由於這種理解差距，無法保證與人腦等效的計算能力（甚至百萬人腦總和）能產生意識或自我覺察。這對希望打造「AI守護者」的工程師來說尤其困難，因為他們期望AI掌握人類歷史的所有資訊。

假設我們能製造百萬艾克拉級電腦來運行先進AI，摩爾定律終結會如何影響追求科技奇點的科學家？關鍵是尺寸限制，包括耗能、存儲、處理和散熱等問題。解決方案有多種，但沒有一個簡單。

AI支持者寄望核融合解決能源問題，但核融合仍未達成能量產出大於消耗的突破，可能還需多年甚至數十年。太空方案如卡爾達肖夫等級和戴森球，理論上可利用整個行星或恆星能量，但目前僅屬科幻。

量子計算被視為邁向奇點的技術，但仍處於初期階段，需極端冷卻，無消費者版本，且只能由專家用原子級工具手工組裝。

這意味著我們的替代方案至少還有十年，甚至百年或千年之遙。現時風險投資者賣的是未來願景，但現在沒有核融合能量、實用量子電腦或戴森球。

AI的（艾克拉）運算時代

在人工智能領域，目標多樣，包括新藥研發或遠距星系觀測。AGI是其中一種理想，但公眾對「人工智能」的定義混淆不清。

筆者認為AGI仍遙遠，儘管谷歌DeepMind和倫敦帝國學院的電腦科學家Murray Shanahan認為較接近（其著作是奇點入門佳作）。OpenAI的Sam Altman則對技術細節缺乏清晰認識，常以模糊言論回避質疑。

Altman甚至提出建造包圍太陽系的戴森球，以應對AI能源需求上升。但2019年全球仍有超過7.5億人無電可用、4億多人無法使用當地電力，且疫情後能源接取可能惡化。戴森球仍是科幻構想，建造成本與資源需求極其龐大。

案例研究：YInMn藍色

很多「人工智能」其實是高度發展的算法，結合電腦能同時測試數十億組合的能力。這是AI的強項，因為人腦不擅長處理如此龐雜的組合。

2024年，化學家Mas Subramanian（YInMn藍色的創造者）指出，AI算法難以創造新分子，因為許多因素公眾難以理解。YInMn藍色的晶體結構異常，是雙錐形而非常見的四面體或八面體。晶體結構對物質性質影響巨大，例如石墨和鑽石都是碳的不同晶體形態。

算法只能基於現有資料提出建議，但真正的突破來自未知。機器學習可能會建議用鑽石做鉛筆、用石墨做戒指，這明顯不實用。人類專家仍需篩選和驗證AI的建議。

回歸摩爾定律

摩爾定律作為工程指標的終結，對現代同樣有指導意義。基於數據的觀察幫助全球製造商調整產品、研發和行銷策略。隨著晶體管接近物理極限，我們面臨一個技術瓶頸：目前沒有新範式能取代或超越現有電腦架構。

如今像Sam Altman這類人物，聲稱他們正打造奇點的基石。但正如印第安納州蓋瑞市居民在音樂劇《音樂人》中發現，賣你第一把長號的人不該承諾你紐約愛樂樂團首席。專家級AI研究的標誌不應是銷售口號，而是像Shanahan那樣的嚴謹澄清，提醒我們LLM系統與人類根本不同，應謹慎避免擬人化語言。

Altman公開談戴森球的想法與此形成鮮明對比。問題是，我們連如何建造足以需要戴森球的超級電腦都還無從知曉。

—

編輯評論與啟發

這篇文章深入剖析了摩爾定律的歷史、現狀與未來挑戰，並將其與人工智能奇點的夢想做了理性對比。它告訴我們，一個長期被視為理所當然的科技增長規律，正逐漸觸及物理極限，這迫使科技界重新思考未來的發展路徑。

令人反思的是，當前AI熱潮中充斥著誇大其詞的宣傳，許多技術領袖如Sam Altman提出的遠大願景，實際上仍是科幻。這種現象在科技產業中並不罕見，投資者和媒體往往追逐「下個大事物」的光環，忽略了技術成熟與現實限制。

更重要的是，文章提醒我們，人工智能的核心仍是基於算法和數據的計算，距離真正理解人類大腦、達到類人智能還有很長一段路。對於香港讀者而言，這是一個警示：在期待科技帶來革命的同時，應保持理性，避免盲目追風。

此外，能源問題與環境限制也是科技突破不可忽視的瓶頸。戴森球、核融合、量子計算等「未來科技」雖具想像空間，但短期內難以解決當前需求。香港作為國際金融及科技樞紐，應該鼓勵更多基礎科學研究和可持續技術創新，而非僅僅追逐話題熱潮。

最後，透過YInMn藍色案例，我們看到人類創新依然倚賴對自然和科學本質的深刻理解，單靠AI算法無法輕易取代。這提醒我們，人工智能是輔助工具，而非萬能鑰匙。未來的科技發展，必須結合人類智慧與謹慎態度，才能真正推動社會進步。

以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。