人腦記憶體延伸文章資訊，搜尋引擎最佳文章推薦
1. 人類大腦的儲存量，相當於多少G記憶體？看完才發現自己一直 ...
科學家發現，在小白鼠的大腦中存在著13個神經元結構，而科學家研究後得知，這13個神經元相當於1TB 的記憶體容量。
如果將小白鼠的腦容量大小當作一個基礎 ...首頁>美食>人類大腦的儲存量，相當於多少G記憶體？看完才發現自己一直被低估人類大腦的儲存量，相當於多少G記憶體？看完才發現自己一直被低估由 若愚媽媽廚房 發表于 美食2021-05-24小編自從現在接觸電腦之類的配件越來越多了之後，經常會在腦海裡產生一個疑問，那就是人類的腦容量如果換算為數字的話，能夠有多大呢？其實如果換算為數字之後，這個腦容量真的會大到你的想象！首先對於人的身體來說，大腦的重量只有人體體重的百分之二，但是人每次呼吸時吸入的氧氣卻有四分之一被提供給了我們的大腦，而相對於身體中其他的器官組織，大腦從我們降臨人世開始就從未停止執行過，如果說大腦有停止的那一天，那就是人生命中的最後一天。
我們經常會把人類的大腦和電腦做比較，而和人體大腦的腦容量相同的是電腦的儲存能力，如果想要看電腦儲存能力就需要知道電腦記憶體的G數，那麼就經常有人想知道如果按照電腦記憶體比較大小的方式，人類的大腦容量應該是多少G？當然這兩者之間的換算並沒有那麼容易，因為人的大腦屬於器官，而電腦只是人所製造的一種硬體，如果想要將兩者進行換算的話，還需要一些特殊的方式來進行。
在2014年的時候，有科學家對動物的大腦進行了研究，比如小白鼠。
科學家發現，在小白鼠的大腦中存在著13個神經元結構，而科學家研究後得知，這13個神經元相當於1TB的記憶體容量。
如果將小白鼠的腦容量大小當作一個基礎單位的話，那麼一個成年人的大腦中存在著一千億的神經元，所以可以推算出大腦的儲存為77億TB，而1TB約等於1024G。
也就是說人的大腦容量如果換算成G數的話數字根本難以計算。
要知道天文數字的大小也不過如此，尤其是對於電腦來說，現在很多普通的膝上型電腦的記憶體容量大小也不過512G而已，所以1TB都顯得有些多，更別提77億TB這個恐怖的數字了。
要知道僅僅一個50GB的記憶體卡能夠存下的文字數，如果一個人能夠在每分鐘內打200個字的話，50GB能夠存下的文字數量足夠這個人打字200年左右才可以。
當然大家肯定會發出一個讓人沉默的問題：既然我們的腦容量這麼大，那為何經常會忘東忘西？相信不少人都有過這種煩惱，大腦到了需要發揮作用的時候經常記不住事情。
這其實很簡單，電腦的記憶體只是作為一個存放的工具而已，但是人的大腦是一個器官，所承擔的功能並非那麼簡單只是作為一個儲存與讀取的儲存工具。
而且和電腦記憶體不一樣的是，我們的大腦同時還要處理周圍發生的一些，透過接受這些資訊進行分析、進行處理，也就是說人的大腦屬於一個比電腦更加強力的處理器。
而對於大部分人認為大腦容量大卻經常忘記事情，這是因為人腦的記憶部分其實是有所區分的，有一部分屬於長期的記憶，比如我們經常會記得常年不見好友的長相，或者學生時代的一些事情經常會深深地印刻在我們的腦海中。
而人還有一部分的記憶屬於短期記憶，也就是在過了一段時間後大腦就會自動清理掉的記憶，所以我們經常會發現明明是幾個小時前發生的事情，但是過了看一段時間後我們就忘記了，就是因為系統自動將其清理掉了。
這也就是為什麼我們小時候背書的時候經常會聽到老師說“用心背”，其實用心背就是讓我們的大腦形成長期的記憶。
而有關於人類經常遺忘掉一些事情到底是生物的缺陷還是人類演化導致，目前科學界還沒有一種確切的說法。
-TheEnd-作者|小喵編輯|眼見觀宇宙獨立自媒體人|驚奇就是科學的種子TAG:大腦經常容量電腦換算上一篇：<<全身缺乏肌肉，彷彿一灘“行走的爛泥”：這顏值還能當吉祥物？下一篇：看到網友分享的手機逐漸消失的“5大功能”>>相關文章家用冰箱到底多大合適？可憐的大叔，抱著電腦去幾家店都沒人願意修，最後我免費修好了為什麼一掰手指，會有咔咔的響聲？免費提升電腦效能，簡單到我不信你學不會搜索推薦文章伊能靜作死？謝娜翻車？包貝爾死磕柳巖？倪妮翻車？何潔近況歐珀萊時光鎖膠原水乳怎麼樣，歐珀萊深層淨潤卸妝油好用嗎！股骨頭壞死治療不及時危害很大，後遺症非常嚴重！數名院長聯合呼籲：停止食用“1醬油”，或比3斤尼古丁都致癌，儘早扔冠脈多處狹窄低於50%，病情嚴重嗎？聽聽醫生怎麼說顶部
如果將小白鼠的腦容量大小當作一個基礎 ...首頁>美食>人類大腦的儲存量，相當於多少G記憶體？看完才發現自己一直被低估人類大腦的儲存量，相當於多少G記憶體？看完才發現自己一直被低估由 若愚媽媽廚房 發表于 美食2021-05-24小編自從現在接觸電腦之類的配件越來越多了之後，經常會在腦海裡產生一個疑問，那就是人類的腦容量如果換算為數字的話，能夠有多大呢？其實如果換算為數字之後，這個腦容量真的會大到你的想象！首先對於人的身體來說，大腦的重量只有人體體重的百分之二，但是人每次呼吸時吸入的氧氣卻有四分之一被提供給了我們的大腦，而相對於身體中其他的器官組織，大腦從我們降臨人世開始就從未停止執行過，如果說大腦有停止的那一天，那就是人生命中的最後一天。
我們經常會把人類的大腦和電腦做比較，而和人體大腦的腦容量相同的是電腦的儲存能力，如果想要看電腦儲存能力就需要知道電腦記憶體的G數，那麼就經常有人想知道如果按照電腦記憶體比較大小的方式，人類的大腦容量應該是多少G？當然這兩者之間的換算並沒有那麼容易，因為人的大腦屬於器官，而電腦只是人所製造的一種硬體，如果想要將兩者進行換算的話，還需要一些特殊的方式來進行。
在2014年的時候，有科學家對動物的大腦進行了研究，比如小白鼠。
科學家發現，在小白鼠的大腦中存在著13個神經元結構，而科學家研究後得知，這13個神經元相當於1TB的記憶體容量。
如果將小白鼠的腦容量大小當作一個基礎單位的話，那麼一個成年人的大腦中存在著一千億的神經元，所以可以推算出大腦的儲存為77億TB，而1TB約等於1024G。
也就是說人的大腦容量如果換算成G數的話數字根本難以計算。
要知道天文數字的大小也不過如此，尤其是對於電腦來說，現在很多普通的膝上型電腦的記憶體容量大小也不過512G而已，所以1TB都顯得有些多，更別提77億TB這個恐怖的數字了。
要知道僅僅一個50GB的記憶體卡能夠存下的文字數，如果一個人能夠在每分鐘內打200個字的話，50GB能夠存下的文字數量足夠這個人打字200年左右才可以。
當然大家肯定會發出一個讓人沉默的問題：既然我們的腦容量這麼大，那為何經常會忘東忘西？相信不少人都有過這種煩惱，大腦到了需要發揮作用的時候經常記不住事情。
這其實很簡單，電腦的記憶體只是作為一個存放的工具而已，但是人的大腦是一個器官，所承擔的功能並非那麼簡單只是作為一個儲存與讀取的儲存工具。
而且和電腦記憶體不一樣的是，我們的大腦同時還要處理周圍發生的一些，透過接受這些資訊進行分析、進行處理，也就是說人的大腦屬於一個比電腦更加強力的處理器。
而對於大部分人認為大腦容量大卻經常忘記事情，這是因為人腦的記憶部分其實是有所區分的，有一部分屬於長期的記憶，比如我們經常會記得常年不見好友的長相，或者學生時代的一些事情經常會深深地印刻在我們的腦海中。
而人還有一部分的記憶屬於短期記憶，也就是在過了一段時間後大腦就會自動清理掉的記憶，所以我們經常會發現明明是幾個小時前發生的事情，但是過了看一段時間後我們就忘記了，就是因為系統自動將其清理掉了。
這也就是為什麼我們小時候背書的時候經常會聽到老師說“用心背”，其實用心背就是讓我們的大腦形成長期的記憶。
而有關於人類經常遺忘掉一些事情到底是生物的缺陷還是人類演化導致，目前科學界還沒有一種確切的說法。
-TheEnd-作者|小喵編輯|眼見觀宇宙獨立自媒體人|驚奇就是科學的種子TAG:大腦經常容量電腦換算上一篇：<<全身缺乏肌肉，彷彿一灘“行走的爛泥”：這顏值還能當吉祥物？下一篇：看到網友分享的手機逐漸消失的“5大功能”>>相關文章家用冰箱到底多大合適？可憐的大叔，抱著電腦去幾家店都沒人願意修，最後我免費修好了為什麼一掰手指，會有咔咔的響聲？免費提升電腦效能，簡單到我不信你學不會搜索推薦文章伊能靜作死？謝娜翻車？包貝爾死磕柳巖？倪妮翻車？何潔近況歐珀萊時光鎖膠原水乳怎麼樣，歐珀萊深層淨潤卸妝油好用嗎！股骨頭壞死治療不及時危害很大，後遺症非常嚴重！數名院長聯合呼籲：停止食用“1醬油”，或比3斤尼古丁都致癌，儘早扔冠脈多處狹窄低於50%，病情嚴重嗎？聽聽醫生怎麼說顶部
2. 利用記憶體解決方案使神經網路智慧進化
如果想要加快大腦速度，必須加強記憶喚回—有無數的應用程式、數獨練習本及其他工具供想要提高反應速度的人選擇。
同樣地，神經網路能力也會隨著處理效能而改變。
Micron 突破 ...洞見部落格洞見啟發全新消費體驗激發科學和醫學的下一代發現進一步推動人工智慧加速了解資料意涵的速度科學與醫學利用記憶體解決方案使神經網路智慧進化對此故事按讚RatingUnavailable目前按讚數我們的大腦每天都會進行數千次極度複雜的運作。
無論是提醒我們遠離熱爐還是識別文件中的數字和字母，我們的自主神經系統都能比任何現有的電腦系統更有效率地管理複雜的功能。
電腦系統可能永遠無法達到人腦水準的功能，但神經網路的出現正使差距縮小。
透過模仿神經元的連線，神經網路可以達到新的人工智慧水準。
神經網路模仿人類神經元群若要讓神經網路像人腦一樣運作，必須快速分析環境並辨識脈絡線索以便採取行動。
試想要讓機器人做人類消防員所做的事有多麼困難—在緊急情況下撲滅火災或清除瓦礫堆，同時與第一線應變人員互動。
此外，想像一下機器人開門、關閉氣閥和使用滅火器的樣子。
要像人類一樣輕鬆執行這些任務似乎幾乎是不可能的事，或者至少非常複雜，但神經網路技術能讓不可能變成可能。
若要讓機器執行這些類型的操作，它們必須經過訓練和編程以接收資料，並以從一個決策演算法進入下一個演算法的方式來處理資料，直到得出結論。
這些決策演算法串列稱為輸入層。
輸入層的集合構成神經網路，恰好以構成人腦的神經元命名。
神經網路受大腦中常見的群聚神經元結構驅使，這些結構以連串層的形式運作，解讀環境刺激。
為了讓機器人流程更接近人腦表現，研究人員正在深入研究大腦，測繪神經元並設法改善電腦化神經網路以完成複雜的任務。
在大腦中，啟動的電訊號會通過多個特徵偵測層，每次整理訊息以啟動正確的神經元做出反應。
這讓我們能夠辨識實體世界的形狀、模式和特徵，並做出對應的反應。
此過程只需要幾毫秒的時間—辨識幾乎是瞬間發生的。
將其與電腦化神經網路的運作方式比較。
神經網路從攝影機、雷達、光達、陀螺儀、加速計等電接收器接收感知資料，並透過自身的輸入層（一連串的編碼演算法，用於模仿人類神經功能）加以過濾。
蒐集的資料會被分類和調整，並在通過各個神經層時透過一連串的決策演算法傳送結果。
到達輸出層後，就會做出模仿人類反應和行動方案的最終決定。
微小決定和感知資料整理在電腦化神經網路中發生的速度接近人腦執行特定任務的速度。
較複雜的決定需要脈絡線索和細膩度，神經網路仍難以處理；人類必然勝出。
資料在神經網路中移動的速度越快，決策層就變得越複雜；神經網路在未來離達到人腦功能的效率也越接近。
記憶讓神經網路自行做出決定速度的提升有賴於資料儲存以及透過超高頻寬存取資料的能力，以便讓AI演算法加以分類。
此過程需要高速記憶體（例如Micron的GDDR6技術），以協助電腦化神經網路盡快做出決定。
Micron的雲端區隔客戶專案經理GreggWolf專門研究記憶體如何讓快速神經網路成為可能，他認為神經網路具有長久影響，所以看好其未來。
Wolff神經網路領域。
「…AI神經網路革命就好比是電力問世時的世紀交接。
如同電力，AI將徹底改變某些產業處理和使用資訊的方式。
」神經網路的決策演算法需要密集的數學程序和資料分析，兩者都使對於更快的記憶體和記憶體儲存空間的需求提高。
這在超大規模資料中心的雲端格外重要，MicronGDDR裝置在以GPU為基礎的巨量資料處理中扮演關鍵角色；而Micron的DRAM和SSD產品組合可加快整個資料流的速度。
Wolff表示：「大量的資料在資料中心中流動，人類很難定義所有功能及所有程式碼並來回傳遞所有資料。
」「許多資訊可透過神經網路和具有高效能硬體的可擴充神經網路流動，讓人們盡可能以接近即時的方式從資訊中擷取價值。
」神經網路可以從攝影機讀取大量的資料點並準確記錄機器人必須執行清理工作的位置，就像大腦讀取身體發出的許多訊號一樣，例如識別手所發出，表示烤箱很燙的訊號。
GDDR5和GDDR6將神經網路帶入新的境界如果想要加快大腦速度，必須加強記憶喚回—有無數的應用程式、數獨練習本及其他工具供想要提高反應速度的人選
同樣地，神經網路能力也會隨著處理效能而改變。
Micron 突破 ...洞見部落格洞見啟發全新消費體驗激發科學和醫學的下一代發現進一步推動人工智慧加速了解資料意涵的速度科學與醫學利用記憶體解決方案使神經網路智慧進化對此故事按讚RatingUnavailable目前按讚數我們的大腦每天都會進行數千次極度複雜的運作。
無論是提醒我們遠離熱爐還是識別文件中的數字和字母，我們的自主神經系統都能比任何現有的電腦系統更有效率地管理複雜的功能。
電腦系統可能永遠無法達到人腦水準的功能，但神經網路的出現正使差距縮小。
透過模仿神經元的連線，神經網路可以達到新的人工智慧水準。
神經網路模仿人類神經元群若要讓神經網路像人腦一樣運作，必須快速分析環境並辨識脈絡線索以便採取行動。
試想要讓機器人做人類消防員所做的事有多麼困難—在緊急情況下撲滅火災或清除瓦礫堆，同時與第一線應變人員互動。
此外，想像一下機器人開門、關閉氣閥和使用滅火器的樣子。
要像人類一樣輕鬆執行這些任務似乎幾乎是不可能的事，或者至少非常複雜，但神經網路技術能讓不可能變成可能。
若要讓機器執行這些類型的操作，它們必須經過訓練和編程以接收資料，並以從一個決策演算法進入下一個演算法的方式來處理資料，直到得出結論。
這些決策演算法串列稱為輸入層。
輸入層的集合構成神經網路，恰好以構成人腦的神經元命名。
神經網路受大腦中常見的群聚神經元結構驅使，這些結構以連串層的形式運作，解讀環境刺激。
為了讓機器人流程更接近人腦表現，研究人員正在深入研究大腦，測繪神經元並設法改善電腦化神經網路以完成複雜的任務。
在大腦中，啟動的電訊號會通過多個特徵偵測層，每次整理訊息以啟動正確的神經元做出反應。
這讓我們能夠辨識實體世界的形狀、模式和特徵，並做出對應的反應。
此過程只需要幾毫秒的時間—辨識幾乎是瞬間發生的。
將其與電腦化神經網路的運作方式比較。
神經網路從攝影機、雷達、光達、陀螺儀、加速計等電接收器接收感知資料，並透過自身的輸入層（一連串的編碼演算法，用於模仿人類神經功能）加以過濾。
蒐集的資料會被分類和調整，並在通過各個神經層時透過一連串的決策演算法傳送結果。
到達輸出層後，就會做出模仿人類反應和行動方案的最終決定。
微小決定和感知資料整理在電腦化神經網路中發生的速度接近人腦執行特定任務的速度。
較複雜的決定需要脈絡線索和細膩度，神經網路仍難以處理；人類必然勝出。
資料在神經網路中移動的速度越快，決策層就變得越複雜；神經網路在未來離達到人腦功能的效率也越接近。
記憶讓神經網路自行做出決定速度的提升有賴於資料儲存以及透過超高頻寬存取資料的能力，以便讓AI演算法加以分類。
此過程需要高速記憶體（例如Micron的GDDR6技術），以協助電腦化神經網路盡快做出決定。
Micron的雲端區隔客戶專案經理GreggWolf專門研究記憶體如何讓快速神經網路成為可能，他認為神經網路具有長久影響，所以看好其未來。
Wolff神經網路領域。
「…AI神經網路革命就好比是電力問世時的世紀交接。
如同電力，AI將徹底改變某些產業處理和使用資訊的方式。
」神經網路的決策演算法需要密集的數學程序和資料分析，兩者都使對於更快的記憶體和記憶體儲存空間的需求提高。
這在超大規模資料中心的雲端格外重要，MicronGDDR裝置在以GPU為基礎的巨量資料處理中扮演關鍵角色；而Micron的DRAM和SSD產品組合可加快整個資料流的速度。
Wolff表示：「大量的資料在資料中心中流動，人類很難定義所有功能及所有程式碼並來回傳遞所有資料。
」「許多資訊可透過神經網路和具有高效能硬體的可擴充神經網路流動，讓人們盡可能以接近即時的方式從資訊中擷取價值。
」神經網路可以從攝影機讀取大量的資料點並準確記錄機器人必須執行清理工作的位置，就像大腦讀取身體發出的許多訊號一樣，例如識別手所發出，表示烤箱很燙的訊號。
GDDR5和GDDR6將神經網路帶入新的境界如果想要加快大腦速度，必須加強記憶喚回—有無數的應用程式、數獨練習本及其他工具供想要提高反應速度的人選
3. 記憶運算學人腦思考(1/2)
由於目前電腦的記憶體無法運算資料，CPU也不能儲存資料，導致程序如此繁複。
即使是全世界運算速度最快、使用多個CPU執行所謂「平行處理」的超級電腦，同樣 ...Friday19thNovember202119-Nov-2021人工智慧化學物理數學生命科學生命科學文章植物圖鑑地球科學環境能源科學繪圖高瞻專區第一期高瞻計畫第二期高瞻計畫第三期高瞻計畫綠色奇蹟－中等學校探究課程發展計畫關於我們網站主選單記憶運算學人腦思考(1/2)撰文／MassimilianoDiVentra& YuriyV.Pershin｜譯者／甘錫安轉載自《科學人》2015年4月第158期新型電子元件不像電晶體，反而更像神經元，將帶來效率極高、運算速度更快的「記憶電腦」。
我們撰寫這篇文章時，用的是目前最先進的電腦，但這類電腦相當浪費能源，而且執行複雜科學運算時速度緩慢。
現在市面上的各種電腦，不論是你手上的智慧型手機還是全世界最先進機構中價值數百萬美元的超級電腦，都有同樣的問題。
我們和許多讀者一樣，使用Word這套軟體撰稿。
要打出「我們撰寫這篇文章時」這句話，電腦必須從記憶體取出一連串的0和1（Word文件的代碼），經由線路搬移到另一個實體位置，也就是中央處理器（CPU）。
CPU把代碼轉換成我們在螢幕上看到的文字，但關閉電源時這些字句會立刻消失，因此必須透過線路把代表字句的資料儲存到硬碟等比較穩定的記憶體。
由於目前電腦的記憶體無法運算資料，CPU也不能儲存資料，導致程序如此繁複。
即使是全世界運算速度最快、使用多個CPU執行所謂「平行處理」的超級電腦，同樣採行這種標準分工方式，但問題是這類CPU的效能仍然因為這個限制而受到影響。
科學家一直在研發新技術，試圖把兩種難以並存的過程結合，也就是創造能執行運算並儲存資料的電路。
要達成這個目標，必須以憶阻器（memristor）、憶容器（memcapacitor）和憶感器（meminductor）等電子元件取代目前電腦的電晶體、電容器和電感器，這類元件現今仍在實驗階段，但很快就能構成新的「記憶電腦」（memcomputer）。
記憶電腦具備雙重能力，每個元件都能以效率更高的新型平行運算方式來計算問題的答案，可望達到前所未有的高速運算。
由於此電腦的記憶體運算了困難的問題，而且直接儲存在其中，所以可省下目前電腦中來回搬移資料而消耗的電能。
這種嶄新的運算架構將改變各種電腦的運作方式，從智慧型手機的微型晶片到龐大的超級電腦。
事實上，這種設計相當接近人類大腦的運作方式，在同一個神經元內儲存記憶並處理資訊。
記憶電腦的運算速度應該會快上許多，只需數秒鐘就能算出目前電腦花費數十年才能完成的計算，而且體積更小、用電量也更少。
完整的記憶電腦目前尚未問世，但我們以這類元件進行的實驗結果顯示，這種電腦將對電腦設計、全球永續發展、電力消耗和人類解答重大科學問題的能力，產生極大影響。
靈感來自神經元在電腦中搬移Word文句這類資料，只需不到一秒鐘和少許電能。
但如果把來回搬移這些資料的電能乘以全世界的電腦數量，就會發現消耗的電能十分可觀。
2011~2012年之間，全球的電腦資料中心其電力需求大幅增長58%。
其實不只超級電腦，現在連烤箱、筆記型電腦到電視機，每個家庭的各種電子產品都具備運算能力。
現今資訊與通訊領域佔全球用電量的15%，到2030年，全球消費性電子產品的用電量將等於目前美國和日本的住宅用電量總和，每年電費高達2000億美元；這麼大的用電量相當不環保。
我們無法不斷縮小電晶體來解決這個問題。
國際半導體技術藍圖（InternationalTechnologyRoadmapforSemiconductors）預測，電晶體產業在2016年將會遭遇技術瓶頸，原因是現有的元件材料無法繼續縮小體積並維持運算能力。
某些迫切問題的科學研究工作也遭遇瓶頸。
有些重要問題必須借助大量運算才能解決，因此用電量也越來越大，例如全球天氣型態預報，或透過研究大型基因組資料庫評估不同族群的疾病發生率。
記憶電腦不需要在CPU和記憶體之間不斷搬移資料，少了這個成本高昂、耗電又費時的過程，應該可省下大量電能。
當然，這種電腦不是第一款能執行運算並儲存資料的資訊處理裝置，人類大腦就是如此，記憶電腦的構想靈感正是來自這個運算速度極快、效率又高的器官。
不少科學
即使是全世界運算速度最快、使用多個CPU執行所謂「平行處理」的超級電腦，同樣 ...Friday19thNovember202119-Nov-2021人工智慧化學物理數學生命科學生命科學文章植物圖鑑地球科學環境能源科學繪圖高瞻專區第一期高瞻計畫第二期高瞻計畫第三期高瞻計畫綠色奇蹟－中等學校探究課程發展計畫關於我們網站主選單記憶運算學人腦思考(1/2)撰文／MassimilianoDiVentra& YuriyV.Pershin｜譯者／甘錫安轉載自《科學人》2015年4月第158期新型電子元件不像電晶體，反而更像神經元，將帶來效率極高、運算速度更快的「記憶電腦」。
我們撰寫這篇文章時，用的是目前最先進的電腦，但這類電腦相當浪費能源，而且執行複雜科學運算時速度緩慢。
現在市面上的各種電腦，不論是你手上的智慧型手機還是全世界最先進機構中價值數百萬美元的超級電腦，都有同樣的問題。
我們和許多讀者一樣，使用Word這套軟體撰稿。
要打出「我們撰寫這篇文章時」這句話，電腦必須從記憶體取出一連串的0和1（Word文件的代碼），經由線路搬移到另一個實體位置，也就是中央處理器（CPU）。
CPU把代碼轉換成我們在螢幕上看到的文字，但關閉電源時這些字句會立刻消失，因此必須透過線路把代表字句的資料儲存到硬碟等比較穩定的記憶體。
由於目前電腦的記憶體無法運算資料，CPU也不能儲存資料，導致程序如此繁複。
即使是全世界運算速度最快、使用多個CPU執行所謂「平行處理」的超級電腦，同樣採行這種標準分工方式，但問題是這類CPU的效能仍然因為這個限制而受到影響。
科學家一直在研發新技術，試圖把兩種難以並存的過程結合，也就是創造能執行運算並儲存資料的電路。
要達成這個目標，必須以憶阻器（memristor）、憶容器（memcapacitor）和憶感器（meminductor）等電子元件取代目前電腦的電晶體、電容器和電感器，這類元件現今仍在實驗階段，但很快就能構成新的「記憶電腦」（memcomputer）。
記憶電腦具備雙重能力，每個元件都能以效率更高的新型平行運算方式來計算問題的答案，可望達到前所未有的高速運算。
由於此電腦的記憶體運算了困難的問題，而且直接儲存在其中，所以可省下目前電腦中來回搬移資料而消耗的電能。
這種嶄新的運算架構將改變各種電腦的運作方式，從智慧型手機的微型晶片到龐大的超級電腦。
事實上，這種設計相當接近人類大腦的運作方式，在同一個神經元內儲存記憶並處理資訊。
記憶電腦的運算速度應該會快上許多，只需數秒鐘就能算出目前電腦花費數十年才能完成的計算，而且體積更小、用電量也更少。
完整的記憶電腦目前尚未問世，但我們以這類元件進行的實驗結果顯示，這種電腦將對電腦設計、全球永續發展、電力消耗和人類解答重大科學問題的能力，產生極大影響。
靈感來自神經元在電腦中搬移Word文句這類資料，只需不到一秒鐘和少許電能。
但如果把來回搬移這些資料的電能乘以全世界的電腦數量，就會發現消耗的電能十分可觀。
2011~2012年之間，全球的電腦資料中心其電力需求大幅增長58%。
其實不只超級電腦，現在連烤箱、筆記型電腦到電視機，每個家庭的各種電子產品都具備運算能力。
現今資訊與通訊領域佔全球用電量的15%，到2030年，全球消費性電子產品的用電量將等於目前美國和日本的住宅用電量總和，每年電費高達2000億美元；這麼大的用電量相當不環保。
我們無法不斷縮小電晶體來解決這個問題。
國際半導體技術藍圖（InternationalTechnologyRoadmapforSemiconductors）預測，電晶體產業在2016年將會遭遇技術瓶頸，原因是現有的元件材料無法繼續縮小體積並維持運算能力。
某些迫切問題的科學研究工作也遭遇瓶頸。
有些重要問題必須借助大量運算才能解決，因此用電量也越來越大，例如全球天氣型態預報，或透過研究大型基因組資料庫評估不同族群的疾病發生率。
記憶電腦不需要在CPU和記憶體之間不斷搬移資料，少了這個成本高昂、耗電又費時的過程，應該可省下大量電能。
當然，這種電腦不是第一款能執行運算並儲存資料的資訊處理裝置，人類大腦就是如此，記憶電腦的構想靈感正是來自這個運算速度極快、效率又高的器官。
不少科學
4. 人的大腦大約相當於多大記憶體？
一個擁有13個神經元的白鼠，它所擁有的記憶容量大約是1TB；而人腦擁有的數量則在1000億，直觀來看，人腦的記憶容量在7。
6億TB左右。
人的大腦大約相當於 ...首頁»數碼»正文1大腦的總重量只佔人體體重的2%，但它消耗人體約25%的氧氣。
如果把人看作一個完整的身體，心臟可以看作是為大腦供氧的主要動力系統，而大腦無疑是人體最重要的器官。
每個有過背書經歷的人都擔心自己的大腦記憶。
他們認為大腦的記憶太小，無法儲存幾本電子書，更不用說準確地記錄大部分資訊了。
首先，讓我們看看關於人腦的一些事實。
據估計，人腦由大約1000億個神經元組成。
如果每個神經元只能幫助儲存一個記憶體，那麼空間不足將是一個問題。
您可能只有幾GB的儲存空間，類似於硬碟空間。
2人的大腦記憶體相當於1TB的電腦記憶體容量，如果按照運算能力，這是迄今為止人類最先進的電腦所無法比擬的。
但是人的大腦的儲存和記憶能力為什麼遠不如電腦呢，比如說背誦圓周率，電腦輕而易舉就能完成的事為什麼人腦卻相當的遲鈍，能背到小數點後幾十位就實屬不易，更別提完全記錄一本書，學習一門語言等等。
這其中的原因在於人腦和電腦記憶的方式不同。
差異1：大腦是模擬的；電腦是數字的。
可以理解為大腦是模糊的，電腦是死記硬背的。
大腦感性，電腦理性。
人腦感知事物不完全像電腦那樣先去記憶，然後再運算判斷。
它會有選擇的記憶，比如感興趣的，痛苦的，興奮時刻的記憶會比較深刻，同時人腦還會有選擇的忽略和忘記。
比如人的瞥一眼，就包含著我已經知道了，不需要再去記憶其他細節了，再比如說，人學會騎腳踏車，可以一輩子都不會忘記。
而有些剛發生過的小事也許成為“我沒注意”，就從大腦給刪除了，這樣的好處是可以為大腦帶來更靈活更豐富的記憶儲存，也使得大腦的儲存空間無限大。
差異2：大腦是智慧的，不需要軟體，電腦是軟體加電子運算。
這個也很好理解，大腦呼叫資訊和記憶是可以隨時隨地的，而電腦更傾向於是模組化和軟體驅動的程式化思維。
當我們學會開車後，各種型號的小汽車都可以開，當我們在泳池學會游泳，在江河湖海里都可以遊，這種舉一反三的能力是電腦沒有的，也可稱之為智慧。
原因為大腦的執行原理與計算機完全不同，大腦的記憶是透過大量神經元的聯接，聯合作用完成的，並不是單個神經元單打獨鬥獨立儲存資料的。
可以想象一下，我們使用手機時設定的手勢密碼，雖然只有9個位置，但是卻可以組合出貌似無數多的密碼圖案。
這跟大腦的神經元組合原理是一樣的，而大腦神經元卻擁有1000億個，能想象可以組合出多少組合嗎。
雖然這樣的設計原理，可以讓我們在有限個腦細胞的限制下，記憶容量依然非常巨大。
但同樣也就因為如此，我們的每個腦細胞需要參與多個記憶的組成，所以我們的記憶會出現模糊，忘記甚至錯誤的情況。
差異3：大腦是一個自組織系統大腦藉助身體各部分，組織起感知系統，讓大腦具有豐富的感知能力，“眼耳鼻舌身意”，這種感知遠遠大於電腦的單調的資訊來源，人類的成長先是要理解現實中存在的事物。
例如嬰兒時期最先學到的各類物品、動物等。
大象、斑馬、汽車、房子等等。
人類對所有事物的理解都是建立在語言的基礎上的。
沒有了語言，除了現實中存在的事物，所有的概念和抽象物都將無法表達，也無法被理解差異4：大腦具有抽象事物的理解能力那麼對於世界上不存在的抽象事物，例如物理、哲學、美麗、邪惡等等如何進行記憶的呢？世界上所有可以被人理解的抽象事物，其實最終都是可以被非抽象事物解釋的。
例如“堅硬”，大部分金屬就是堅硬的，非常容易理解。
而有的東西抽象層級高，先需要使用抽象層級相對低的抽象事物解釋，然後再一層一層的往下使用抽象層級更低的事物解釋，但無論怎樣，到最下層時必定是可以被現實可見的具體事物解釋的。
差異5：大腦可以使用身體和電腦不同，大腦具有一套自適應的自我學習的能力。
大腦是人體的中樞，他可以發出指令讓身體的各器官各部位運動起來，形成資訊的交匯和融合，他還可以接受錯誤資訊，並自適應的加以改正，然後儲存記憶。
嬰兒開始學習走路時，會不停的摔倒，然後慢慢的學習嘗試，最後就能熟練的行走，要知道走路絕非兩條腿的事，涉及身體各部分綜合協同的結果，人類模擬會走路
6億TB左右。
人的大腦大約相當於 ...首頁»數碼»正文1大腦的總重量只佔人體體重的2%，但它消耗人體約25%的氧氣。
如果把人看作一個完整的身體，心臟可以看作是為大腦供氧的主要動力系統，而大腦無疑是人體最重要的器官。
每個有過背書經歷的人都擔心自己的大腦記憶。
他們認為大腦的記憶太小，無法儲存幾本電子書，更不用說準確地記錄大部分資訊了。
首先，讓我們看看關於人腦的一些事實。
據估計，人腦由大約1000億個神經元組成。
如果每個神經元只能幫助儲存一個記憶體，那麼空間不足將是一個問題。
您可能只有幾GB的儲存空間，類似於硬碟空間。
2人的大腦記憶體相當於1TB的電腦記憶體容量，如果按照運算能力，這是迄今為止人類最先進的電腦所無法比擬的。
但是人的大腦的儲存和記憶能力為什麼遠不如電腦呢，比如說背誦圓周率，電腦輕而易舉就能完成的事為什麼人腦卻相當的遲鈍，能背到小數點後幾十位就實屬不易，更別提完全記錄一本書，學習一門語言等等。
這其中的原因在於人腦和電腦記憶的方式不同。
差異1：大腦是模擬的；電腦是數字的。
可以理解為大腦是模糊的，電腦是死記硬背的。
大腦感性，電腦理性。
人腦感知事物不完全像電腦那樣先去記憶，然後再運算判斷。
它會有選擇的記憶，比如感興趣的，痛苦的，興奮時刻的記憶會比較深刻，同時人腦還會有選擇的忽略和忘記。
比如人的瞥一眼，就包含著我已經知道了，不需要再去記憶其他細節了，再比如說，人學會騎腳踏車，可以一輩子都不會忘記。
而有些剛發生過的小事也許成為“我沒注意”，就從大腦給刪除了，這樣的好處是可以為大腦帶來更靈活更豐富的記憶儲存，也使得大腦的儲存空間無限大。
差異2：大腦是智慧的，不需要軟體，電腦是軟體加電子運算。
這個也很好理解，大腦呼叫資訊和記憶是可以隨時隨地的，而電腦更傾向於是模組化和軟體驅動的程式化思維。
當我們學會開車後，各種型號的小汽車都可以開，當我們在泳池學會游泳，在江河湖海里都可以遊，這種舉一反三的能力是電腦沒有的，也可稱之為智慧。
原因為大腦的執行原理與計算機完全不同，大腦的記憶是透過大量神經元的聯接，聯合作用完成的，並不是單個神經元單打獨鬥獨立儲存資料的。
可以想象一下，我們使用手機時設定的手勢密碼，雖然只有9個位置，但是卻可以組合出貌似無數多的密碼圖案。
這跟大腦的神經元組合原理是一樣的，而大腦神經元卻擁有1000億個，能想象可以組合出多少組合嗎。
雖然這樣的設計原理，可以讓我們在有限個腦細胞的限制下，記憶容量依然非常巨大。
但同樣也就因為如此，我們的每個腦細胞需要參與多個記憶的組成，所以我們的記憶會出現模糊，忘記甚至錯誤的情況。
差異3：大腦是一個自組織系統大腦藉助身體各部分，組織起感知系統，讓大腦具有豐富的感知能力，“眼耳鼻舌身意”，這種感知遠遠大於電腦的單調的資訊來源，人類的成長先是要理解現實中存在的事物。
例如嬰兒時期最先學到的各類物品、動物等。
大象、斑馬、汽車、房子等等。
人類對所有事物的理解都是建立在語言的基礎上的。
沒有了語言，除了現實中存在的事物，所有的概念和抽象物都將無法表達，也無法被理解差異4：大腦具有抽象事物的理解能力那麼對於世界上不存在的抽象事物，例如物理、哲學、美麗、邪惡等等如何進行記憶的呢？世界上所有可以被人理解的抽象事物，其實最終都是可以被非抽象事物解釋的。
例如“堅硬”，大部分金屬就是堅硬的，非常容易理解。
而有的東西抽象層級高，先需要使用抽象層級相對低的抽象事物解釋，然後再一層一層的往下使用抽象層級更低的事物解釋，但無論怎樣，到最下層時必定是可以被現實可見的具體事物解釋的。
差異5：大腦可以使用身體和電腦不同，大腦具有一套自適應的自我學習的能力。
大腦是人體的中樞，他可以發出指令讓身體的各器官各部位運動起來，形成資訊的交匯和融合，他還可以接受錯誤資訊，並自適應的加以改正，然後儲存記憶。
嬰兒開始學習走路時，會不停的摔倒，然後慢慢的學習嘗試，最後就能熟練的行走，要知道走路絕非兩條腿的事，涉及身體各部分綜合協同的結果，人類模擬會走路
5. 從電腦看人腦能效如此之高
智慧應用影音DIGITIMES首頁未來車產業鏈蘋果供應鏈產業九宮格每日椽真AIoT5G伺服器CarTech智慧製造智慧城市展會影音新創專區科技網首頁未來車產業鏈蘋果供應鏈產業九宮格每日椽真產業區域議題觀點電子時報報導總覽科技商情IT應用ResearchAsiaInsight亞洲科技戰情智慧醫療智慧製造智慧家庭物聯網寬頻與無線5GFocusCloudAIFocus電腦運算伺服器行動裝置與應用智慧穿戴CarTechIC製造IC設計顯示科技與應用全球產業數據智慧應用首頁報導專題新創專區大肚山產創報解決方案電子報訂閱椽經閣首頁Colley&Friends名家專欄作者群關於專欄電子報訂閱活動+首頁所有活動DForum研討會TECHASIAINNOVATIONSRESEARCHOPINIONSBIZFOCUSDBook從電腦看人腦 能效如此之高詹益仁2021-06-02 詹益仁／椽經閣人的腦袋約有將近1兆個神經元，也就是相當於1兆個電晶體。
而目前在市面上使用7奈米製程的GPU，也有約500億個電晶體。
但是人腦在工作時，所消耗的功率約為20瓦，相當於2~3隻LED燈泡所需的功耗；而此GPU卻需要500~1,000瓦的功率。
因此以能效來論，人腦是電腦的500倍以上。
人腦的運作是很神奇的，事實上人腦的運作並不是我們先前所想像，只在其中的一小部分運作。
我們的日常經由視覺、聽覺等外在或內在感知系統，所得到海量訊息，都會進入到人腦，只是絕大多數的資訊都不會有效地儲存在神經元內，要產生大腦內有效的記憶是需要經過一個所謂的編碼的程序，才能做有效的存取。
我們都知道電腦的運作有邏輯運算單元、記憶單元以及控制單元，並且在統一的時序脈衝下一起工作。
人腦的運作主要來自於記憶，並沒有所謂的運算單元，我們的運算來自於記憶中的加減及九九乘法表，印度人甚至背到十九乘十九。
而人腦的記憶卻是個很複雜的運作，包括了短期記憶、工作記憶以及長期記憶。
事實上電腦也有類似的這三類記憶體，短期記憶就像是CPU內的移位暫存器，在下一個時序周期就消失了。
工作記憶就如同CPU內的快取記憶體(Cache/SRAM)以及DRAM，而長期的記憶就得依賴硬碟或固態硬碟(SSD)了。
人腦的短期記憶，長度由7到10個位元組成，僅能維持30秒。
例如在結帳時我們告知服務員統編號碼，他們可以很快地記住，但是下一位客人結帳時，就立刻忘記了這組號碼。
人腦如果想要將記憶深化為長期或工作記憶，就需要依賴編碼的程序，而編碼的強弱決定了記憶的持久性。
電腦內不同強度及功能的記憶體，決定於半導體元件的基本原理，而本質上就是電荷的儲存以及運動，因此是一個純物理的運作機制。
而人腦的記憶的強度，卻取決於所謂的編碼，透過大腦內海馬回或杏仁核，編碼越強的其在神經元周遭的影響範圍就會擴大，也就能記得越牢靠，這本質是依靠化學反應所釋放出的不同訊息所完成。
當注意力的集中、或經由不斷練習、或重大情緒上的影響，都會深化編碼的強度。
位於腦部前額葉的工作記憶，其運作更是奇妙。
工作記憶容量越大者，其智商的表現越高。
一但有外界訊息的輸入，工作記憶體有能力將短期記憶(外在訊息)及長期記憶的資料結合在一起，來執行思考及判斷並達成結論。
工作記憶體的功能可以將資訊，做整頁或整筆的輸出及輸入，如2D或3D的影像，做整體性的比較，並在多次元的考量因數中做快速的收斂及歸納，而獲致結論。
不像電腦須依循著指令，做逐字逐句地比對。
而人腦工作記憶體的每一次比對或思考，都會修正原先的資料庫，做到了有智慧的學習。
人腦的這項功能，實有賴於前額葉神經元以及為數更多的神經元間的突觸，所構成的複雜神經網路，以及彼此間所傳遞訊息的電化學反應。
所以一個有智慧的腦袋，必須要有一個能有效編碼的海馬迴，讓長期記憶能歷久彌新，並且手到擒來快速存取；另外就是要有足夠的空間，容納工作記憶體的前額葉了。
就如同電腦運算功能的強大與否，維繫在工作記憶體的容量及速度，以及CPU的運算速度。
全球各科研機構很早就開始，以人腦為雛型研究新一代的電腦架構。
這其中類神經網路即為一例，其主要的訴求在使用很小的功耗條件下，完成相當的運算功能。
但是再怎麼努力，類神經網路還是很難達到人腦神經網路的複雜度。
最近很受矚目的人工智慧，是個比較成功的例子。
人工智慧使
而目前在市面上使用7奈米製程的GPU，也有約500億個電晶體。
但是人腦在工作時，所消耗的功率約為20瓦，相當於2~3隻LED燈泡所需的功耗；而此GPU卻需要500~1,000瓦的功率。
因此以能效來論，人腦是電腦的500倍以上。
人腦的運作是很神奇的，事實上人腦的運作並不是我們先前所想像，只在其中的一小部分運作。
我們的日常經由視覺、聽覺等外在或內在感知系統，所得到海量訊息，都會進入到人腦，只是絕大多數的資訊都不會有效地儲存在神經元內，要產生大腦內有效的記憶是需要經過一個所謂的編碼的程序，才能做有效的存取。
我們都知道電腦的運作有邏輯運算單元、記憶單元以及控制單元，並且在統一的時序脈衝下一起工作。
人腦的運作主要來自於記憶，並沒有所謂的運算單元，我們的運算來自於記憶中的加減及九九乘法表，印度人甚至背到十九乘十九。
而人腦的記憶卻是個很複雜的運作，包括了短期記憶、工作記憶以及長期記憶。
事實上電腦也有類似的這三類記憶體，短期記憶就像是CPU內的移位暫存器，在下一個時序周期就消失了。
工作記憶就如同CPU內的快取記憶體(Cache/SRAM)以及DRAM，而長期的記憶就得依賴硬碟或固態硬碟(SSD)了。
人腦的短期記憶，長度由7到10個位元組成，僅能維持30秒。
例如在結帳時我們告知服務員統編號碼，他們可以很快地記住，但是下一位客人結帳時，就立刻忘記了這組號碼。
人腦如果想要將記憶深化為長期或工作記憶，就需要依賴編碼的程序，而編碼的強弱決定了記憶的持久性。
電腦內不同強度及功能的記憶體，決定於半導體元件的基本原理，而本質上就是電荷的儲存以及運動，因此是一個純物理的運作機制。
而人腦的記憶的強度，卻取決於所謂的編碼，透過大腦內海馬回或杏仁核，編碼越強的其在神經元周遭的影響範圍就會擴大，也就能記得越牢靠，這本質是依靠化學反應所釋放出的不同訊息所完成。
當注意力的集中、或經由不斷練習、或重大情緒上的影響，都會深化編碼的強度。
位於腦部前額葉的工作記憶，其運作更是奇妙。
工作記憶容量越大者，其智商的表現越高。
一但有外界訊息的輸入，工作記憶體有能力將短期記憶(外在訊息)及長期記憶的資料結合在一起，來執行思考及判斷並達成結論。
工作記憶體的功能可以將資訊，做整頁或整筆的輸出及輸入，如2D或3D的影像，做整體性的比較，並在多次元的考量因數中做快速的收斂及歸納，而獲致結論。
不像電腦須依循著指令，做逐字逐句地比對。
而人腦工作記憶體的每一次比對或思考，都會修正原先的資料庫，做到了有智慧的學習。
人腦的這項功能，實有賴於前額葉神經元以及為數更多的神經元間的突觸，所構成的複雜神經網路，以及彼此間所傳遞訊息的電化學反應。
所以一個有智慧的腦袋，必須要有一個能有效編碼的海馬迴，讓長期記憶能歷久彌新，並且手到擒來快速存取；另外就是要有足夠的空間，容納工作記憶體的前額葉了。
就如同電腦運算功能的強大與否，維繫在工作記憶體的容量及速度，以及CPU的運算速度。
全球各科研機構很早就開始，以人腦為雛型研究新一代的電腦架構。
這其中類神經網路即為一例，其主要的訴求在使用很小的功耗條件下，完成相當的運算功能。
但是再怎麼努力，類神經網路還是很難達到人腦神經網路的複雜度。
最近很受矚目的人工智慧，是個比較成功的例子。
人工智慧使