普及计算可能需要的六件事

毫无疑问，在未来几十年，数字技术将变得比现在更加普遍。指数集团(Exponential Group)等组织认为，数字化应该是实现可持续发展的第一步，他们估计，通过帮助微调建筑、工厂和其他环境，到2030年，硬件和软件可以帮助减少15%的排放。

随着电动汽车、更好的ADAS系统和自动驾驶的发展，已经配备了处理器的汽车将成为车轮上的数据中心。通过新型可穿戴设备或医疗设备实现的医疗保健和远程医疗通常被认为是电子技术的最大机遇。

尽管如此，为普适计算系统创建一个有效而经济的生态系统将需要大量的试验和错误。作为Arm研发部门的一名未来学家，我的工作就是展望未来，找出潜在的问题。以一些未来主义的情景为指导，以下是我认为我们必须克服的一些有趣的障碍。(当然，我也很感谢你在评论部分的反馈和建议。)

1.聪明的纹身．Neuralink等公司已经发起了一项雄心勃勃的努力，利用大脑和神经脉冲使人类与计算机连接起来。这一愿景是引人注目的——想象一下世界将如何改变那些患有肢体丧失或衰弱性疾病的人——但也充满了严重的担忧。

将处理器直接植入大脑或突触会给医疗和病人带来巨大的风险。想象一下某些升级的复杂性。在频谱的另一端，分析眼球运动或音色的计算机视觉系统本质上是有限的:它们只能利用有限的外部数据集。

智能纹身将能够将数据传输到云端进行分析或直接执行人工智能。它们也可以作为数据进入大脑的通道。

数据完整性和系统安全性将是安全的关键。预防DDoS攻击的技术将需要一个自动暂停按钮，以检查传入和传出的数据或防范非理性冲动。人工智能算法和确定真实意图的人机界面也必须设计出来:人们可以想象三次快速眨眼或另一个简单的身体动作，通常不会被误认为是新的鼠标点击。

此外，它应该很容易拆卸。Arm最近发布了一种原型柔性处理器以及一个打印的灵活的神经网络。虽然它仍处于实验阶段，但技术组件、制造工具集和软件的生态系统可能会在未来几年开始形成。

2.数字监管链．正如加州大学伯克利分校(UC Berkeley)的哈尼·法里德(Hany Farid)所展示的那样，视频、图像甚至某人声音的深度造假正变得越来越难以检测、越来越普遍、越来越阴险。未来选举的输赢可能取决于几个精心挑选的假人制造的怀疑。

现在想象一下元宇宙中潜在的危害。人工智能增强的视频通话可以转化为完全捏造的、完全令人信服的对话，并用于修改你的正常行为或决策过程。在现实世界中，工业设备可能会发送信息，导致员工错误地关闭生产，或者更糟糕的是，无法对灾难性故障采取行动。

对于自主系统(智能工厂或汽车)，在发生事故时，基于人工智能的决策过程的各个层面的每个元素都应该能够告诉你发生了什么以及为什么做出了决定(例如，红灯发送了错误的信号，激光雷达没有检测到一些东西，等等)。文森特·斯图尔特中将称之为计算造假第五代战争这是通过剥夺某人做出理性决定的能力来实现的。

无论是在现实世界还是在数字世界，我们都需要能够以一种不变的方式将信息追踪到一个单一的真理点。数据认证服务和类似区块链的能力，可以轻松地将信息追溯到原始位，这是必要的。虽然这样的系统可能无法证明某些事情是真的，但它可以识别中间篡改并确保数据完整性。

3.溶解ICs．2020年人类庆祝了另一个可疑的里程碑:第一次，人造材料的质量可能超过了自然生物量的数量美国的人口每20年翻一番。从摇篮到摇篮的制造，即制造商可以重复使用旧材料或部件，可以帮助减少垃圾填埋。

但是如何以可持续且可扩展的方式开发、部署和回收智能传感器/系统呢?分解集成电路将为生产商提供一种可行的方法来回收组件。可编程可溶解物甚至可以让他们适应产品功能和美学，从而以可扩展且可持续的方式实现大规模定制。

4.天上的数据中心．尽管在过去十年中，数据中心和网络的功耗明显保持相对平稳，但仍需要创新来保持这一记录。数字数据继续每两年翻一番，人工智能和5G将扩大工作量。

幸运的是，许多普及应用程序不需要超延迟。冷的(不冷的)数据存储和适度的计算负载可以被转移到纳米卫星上。虽然需要对总能耗进行复杂的计算，但轨道数据中心将比地球上的数据中心有一个系统优势:冷却是免费的。当然，这是一个巨大的工程问题，但它也是一个很多基本知识已经存在的问题。

5.AI生成HW。随着所有行业都在走向数字化，电子行业也必须跟上。物联网系统的设计已经受益于应用支持平台，允许更快更容易地设计物联网设备和相关应用。这些平台中大约有10-20个在7年内达到了合理的成熟水平。类似的实现技术和工具可以用于电子行业的几乎每一个需要与软件和应用程序共同设计硬件的部分。

对于半导体来说，通过某种半导体设计实现平台来简化和自动化复杂智能系统的设计可能比我们想象的要早，并简化开发人员的生活。一旦大量的设计数据数据库在云中可用，分层的AI能够生成硬件和软件，比人类更好更快，是一步之遥。

神经架构搜索ML工具可以自动创建针对给定ML任务优化的硬件感知训练神经网络。类似地，如果我们能够以给定流程的成本函数的形式表示硬件组件及其关系，那么我们就应该能够自动优化和合成任务的硬件。

6.相变记忆的东西．1970年，戈登·摩尔在《电子杂志》上预言相变存储器十年内就能上市。但这并没有发生。传统的存储器和存储器被证明比他们最坚定的拥护者所认为的更灵活和更可增强，而当时更新的概念-闪存-很适合传统的半导体宇宙论。与此同时，相变装置也被证明很难从原型机投入生产。(摩尔不应该感到太糟糕:另一位作者在同一期上写了一篇题为《家用录像机的大赌博》的文章。)

然而，无处不在的物联网改变了这种平衡。由于混合电子系统的出现，桌子、窗户、门，以及许多耐用品或非耐用品将很快开始被赋予新的功能，并成为普遍的人机界面或传感器。但是它们不会持续地连接或插入。它们也不会包含传统的计算机接口和电池。相反，它们将被覆盖在智能的第二层皮肤上，可以对射频波、热量或其他刺激做出反应。对低功耗、非易失性存储的需求无疑是存在的。相变能否提供所需的容量、非易失性和功耗概况?

未来学家的目标不是预测未来，而是创造一种关于未来的可能性的观点，以及这些可能性如何从现在出现。我在这里分享一个观点。什么是你的吗?