Tương lai của tính toán 2020
Ngô Quang Hưng | 23 tháng 03, 2006 | 
Bản để in
Tờ Nature vừa có số đặc biệt về computing 2020. Các bài báo đều miễn phí:
- Philip Ball viết về tương lai của tính toán lượng tử
Despite some remaining hurdles, the mind-bending and frankly weird world of quantum computers is surprisingly close. Philip Ball finds out how these unusual machines will earn their keep.
- Declan Butler viết về các mạng cảm biến (sensor networks)
These new computers would take the form of networks of sensors with data-processing and transmission facilities built in. Millions or billions of tiny computers — called ‘motes’, ‘nodes’ or ‘pods’ — would be embedded into the fabric of the real world. They would act in concert, sharing the data that each of them gathers so as to process them into meaningful digital representations of the world. Researchers could tap into these ’sensor webs’ to ask new questions or test hypotheses. Even when the scientists were busy elsewhere, the webs would go on analysing events autonomously, modifying their behaviour to suit their changing experience of the world.
- Stephen H. Muggleton viết về machine learning, scientific data processing:
Meanwhile, machine-learning techniques from computer science (including neural nets and genetic algorithms) are being used to automate the generation of scientific hypotheses from data.
- Vernor Vinge viết về vai trò của Internet như một “máy sáng tạo”
We humans have built a creativity machine. It’s the sum of three things: a few hundred million computers, a communication system connecting those computers, and some millions of human beings using those computers and communications. This creativity machine is the Internet.
Bài này là bài viết chán nhất trong đám bài của Nature.
- Alexander Szalay và Jim Gray viết về các cơ sở dữ liệu cho scientific computing
For how long will this exponential growth in scientific data continue? Desktop computers today are as powerful as the super-computers of 10 years ago. Similar progress is happening with scientific instruments — they quickly become obsolete and are replaced by better and often cheaper ones. Likely computer-performance improvements by 2011 include tenfold more processing, storage and network bandwidth per dollar. So we can expect ten times more data.
- Roger Brent và Jehoshua Bruck viết về computation và sinh học
Today, by contrast with descriptions of the physical world, the understanding of biological systems is most often represented by natural-language stories codified in natural-language papers and textbooks. This level of understanding is adequate for many purposes (including medicine and agriculture) and is being extended by contemporary biologists with great panache. But insofar as biologists wish to attain deeper understanding (for example, to predict the quantitative behaviour of biological systems), they will need to produce biological knowledge and operate on it in ways that natural language does not allow.
- Ian Foster viết về quan hệ giữa khoa học và computing
A more sophisticated narrative says that science is increasingly about information: its collection, organization and transformation. And if we view computer science as “the systematic study of algorithmic processes that describe and transform information”, then computing underpins science in a far more fundamental way. One can argue, as has George Djorgovski, that “applied computer science is now playing the role which mathematics did from the seventeenth through the twentieth centuries: providing an orderly, formal framework and exploratory apparatus for other sciences.”
> Stephen H. Muggleton viết về machine learning, scientific data processing:
> Meanwhile, machine-learning techniques from computer science (including neural nets > and genetic algorithms) are being used to automate the generation of scientific > > > hypotheses from data.
Thanks bác Hưng. Bình loạn thêm vài câu, nhân hắn nói về machine learning.
Rõ ràng là tay này không biết mình nói gì. Neural nets, for example, are fine. Nhưng nói thế này là misleading, nghe như thể đây là một dụng cụ vĩ đại cho nhiều thứ ở TK 21. Kỳ thực đó chỉ là một dụng cụ nhỏ, rất nhỏ, có ứng dụng tốt trong nhiều việc và không tốt trong nhiều việc khác, và ngoài ra còn rất nhiều dụng cụ khác. Và hơn cả một bag of tricks, có cả một nền kiến thức khổng lồ từ xác suất thống kê mà từ đó machine learning techniques nên được dựa vào và phát triển thêm ra. Data processing theo nghĩa một ngành khoa học đã có từ đầu TK 20, không phải đợi đến khi các machine learning researcher nghiên cứu.
Nói chung, computer scientists thường ignorant và không có respect với past work. Cái tính chất đó vốn là lý do KHMT phát triển nhanh trong quá khứ khi KHMT còn sơ khai, nhưng nó cũng dần dần trở thành cản trở đáng kể, khi KHMT muốn phát triển bền vững hơn, và chữ “khoa học” trong KHMT trở nên có ý nghĩa hơn. Tất nhiên lý tưởng nhất là phải có một sự cân bằng giữa hai thái độ.
Về ý nghĩa quảng cáo cho KHMT của báo Nature thì những bài như trên okay. Tất nhiên tôi không nên phàn nàn làm gì khi chuyên ngành của mình được hype up. Nhưng với nhưng người làm nghiên cứu, và những học trò của KHMT, thì nên có cái nhìn e dè một cách lành mạnh về những bài dự báo về tương lai thế này.