Память человека и память компьютера
Ни одно вычислительное устройство не может работать без установленной памяти. Даже обычный карманный калькулятор хранит в своих ячейках памяти введенные цифры и результаты расчетов, тем более, если речь идет о полноценном компьютере. К сожалению, современные пользователи не всегда хотят знать устройство своего электронного помощника. Такова тенденция развития: человек всегда стремится эффективно решать поставленные задачи, а не вникать в специфику работы оборудования. Для того чтобы информация стала достоянием многих людей и могла передаваться последующим поколения, она должна быть сохранена. Память-первый инструмент хранения информации.
С давних времен люди стремились облегчить свой труд. С этой целью создавались различные машины и механизмы, усиливающие физические возможности человека. Компьютер был изобретен в середине XX века для усиления возможностей умственной работы человека, т. е. работы с информацией.
Из истории науки и техники известно, что идеи многих своих изобретений человек «подглядел» в природе.
Например, еще в XV веке великий итальянский ученый и художник Леонардо да Винчи изучал строение тел птиц и использовал эти знания для конструирования летательных аппаратов.
Русский ученый Н. Е. Жуковский, основоположник аэродинамики, также исследовал механизм полета птиц. Результаты этих исследований используются при расчетах конструкций самолетов.
Можно сказать, что Леонардо да Винчи и Жуковский «списывали» свои летающие машины с птиц.
А есть ли в природе прототип у компьютера? Да! Таким прототипом является сам человек. Только изобретатели стремились передать компьютеру не физические, а интеллектуальные возможности человека.
Источник
Возможности человеческого мозга в сравнении с возможностями современного компьютера.
Забудьте все, что знали о человеческой памяти: новое исследование показало, что объем памяти нашего мозга в 10 раз больше, чем считалось ранее. «Это настоящая бомба в области неврологии, — говорит ученый Института биологических исследований Солка Терри Сейновски. — Наши новые измерения емкости памяти мозга увеличили консервативные оценки в 10 раз до петабайта минимум, в такой объем оценивается весь Интернет». Это 1000 терабайт, если что.
Ученые изучали ткань гиппокампа крысы и реконструировали ее в 3D для изучения центра памяти мозга. После этого они имели возможность впервые наблюдать странное явление. Судя по всему, синапсы мозга могут изменять размеры, что влияет на объем памяти.
Сначала они обнаружили, что в 10% случаев синапсы были продублированы. В попытке выяснить, почему это произошло, ученые использовали передовую микроскопию и вычислительные алгоритмы, чтобы реконструировать соединения, формы, объемы и площадь поверхности ткани головного мозга.
В результате выяснилось, что разница в размерах пар синапсов была очень небольшой, порядка 8%. «Никто не ожидал, что будет такая малая разница. Это прям подколка от природы», — говорит ученый Том Бартол. Ученые пришли к выводам, что существует минимум 26 категорий синапсов, а не несколько, как считалось ранее.
«Это на порядок превышает все, что мы представляли, с точки зрения точности, — говорит Сейновски. — Последствия обнаруженного будут очень далеко идущими. Под кажущимся хаосом и беспорядком мозга прячется невероятная точность размеров и форм синапсов, которая от нас скрывалась».
Дальнейшие исследования показали, что синапсы могут менять свои размеры в зависимости от нейронных трансмиссий, и происходит это практически мгновенно.
Каким бы интересным это открытие ни было, оно не поможет вам вспомнить, где вы оставили ключи от машины. Но ученые могут использовать конкретно это исследование для дальнейшей работы в области компьютеров, создавая продвинутые методы глубокого обучения и нейронных сетей.
Мозг взрослого производит около 20 ватт постоянной мощности, примерно как тусклая лампочка, но способен на такие вещи, о которых любой современный компьютер может только мечтать.
И просто ради интереса давайте посмотрим на цифровую мощь. На самые дорогие и мощные суперкомпьютеры на сегодняшний день
Первый суперкомпьютер Atlas появился в начале 60-х годов и был установлен в университете Манчестера. Он был в разы менее мощным, чем современные домашние компьютеры. В нашем обзоре собрана десятка самых мощных в истории суперкомпьютеров. Правда, всвязи с быстро развивающимися в этой сфере технологиями устаревают эти мощные машины в среднем за 5 лет.
Производительность современных суперкомпьютеров измеряется в петафлопсах — единице измерения, показывающей, сколько операций с плавающей запятой в секунду выполняет компьютер. Сегодня речь пойдет о десяти самых дорогих современных суперкомпьютерах.
IBM Roadrunner (США) — 130 млн долларов
Roadrunner был построен IBM в 2008 году для Национальной лаборатории в Лос-Аламосе (Нью-Мексико, США). Он стал первым в мире компьютером, средняя рабочая производительность которого превысила 1 петафлопс. При этом он был рассчитан на максимальную производительность в 1,7 петафлопса. Согласно списку Supermicro Green500, в 2008 году Roadrunner был четвертым по энергоэффективности суперкомпьютером в мире. Списан Roadrunner был 31 марта 2013 года, после чего его заменили меньшим по размерам и более энергоэффективным суперкомпьютером под названием Cielo.
Vulcan BlueGene/Q (США) — 100 млн долларов
Vulcan — суперкомпьютер, который состоит из 24 отдельных блоков-стоек, — был создан IBM для Министерства энергетики и установлен в Ливерморской национальной лаборатории им. Э. Лоуренса, штат Калифорния. Он имеет пиковую производительность в 5 петафлопсов и в настоящее время является девятым по скорости суперкомпьютером в мире. Vulcan вступил в строй в 2013 году и сейчас используется Ливерморской национальной лабораторией для исследований в области биологии, физики плазмы, климатических изменений, молекулярных систем и т.д.
SuperMUC (Германия) — 111 млн долларов
SuperMUC в настоящее время является 14-м по скорости суперкомпьютером в мире. В 2013 году он был 10-м, но развитие технологий не стоит на месте. Тем не менее он в данный момент является вторым по скорости суперкомпьютером в Германии. SuperMUC находится в ведении Лейбницкого суперкомпьютерного центра при Баварской академии наук рядом с Мюнхеном.
Система была создана IBM, работает на оболочке Linux, содержит более 19 000 процессоров Intel и Westmere-EX, а также имеет пиковую производительность чуть более 3 петафлопсов. SuperMUC используется европейскими исследователями в области медицины, астрофизики, квантовой хромодинамики, вычислительной гидродинамики, вычислительной химии, анализа генома и моделирования землетрясений.
Trinity (США) — 174 млн долларов
Можно было бы ожидать, что подобный суперкомпьютер (учитывая то, для чего он строится) должен быть безумно дорогим, но благодаря развитию технологий стало возможным удешевление цены Trinity. Правительство США собирается использовать Trinity для того, чтобы поддерживать эффективность и безопасность ядерного арсенала Америки.
Trinity, который строится в настоящее время, станет совместным проектом Сандийской национальной лаборатории и Лос-Аламосской национальной лаборатории в рамках программы Прогнозного моделирования и вычислительной обработки данных Национальной администрации по ядерной безопасности.
Sequoia BlueGene/Q (США) — 250 млн долларов
Суперкомпьютер Sequoia класса BlueGene/Q был разработан IBM для Национальной администрации по ядерной безопасности в рамках программы Прогнозного моделирования и вычислительной обработки данных. Он был запущен в эксплуатацию в июне 2012 года в Ливерморской национальной лаборатории и стал на тот момент самым быстрым суперкомпьютером в мире. Сейчас он занимает третье место в мире по скорости (теоретический пик производительности Sequoia — 20 петафлопсов, или 20 триллионов вычислений в секунду).
Стабильно компьютер работает при 10 петафлопсах. Используется Sequoia для поддержки различных научных приложений, изучения астрономии, энергетики, человеческого генома, изменения климата и разработки ядерного оружия.
ASC Purple и BlueGene/L (США) — 290 млн долларов
Эти два суперкомпьютера работали вместе. Они были построены IBM и установлены в 2005 году в Ливерморской национальной лаборатории. Из эксплуатации они были выведены в 2010 году. На момент создания ASC Purple занимал 66-е место по скорости в списке топ-500 суперкомпьютеров, а BlueGene/L был предыдущим поколением модели BlueGene/Q.
ASC Purple был построен для пятого этапа программы Прогнозного моделирования и вычислительной обработки данных Министерства энергетики США, а также Национальной администрации по ядерной безопасности. Его целью являлась симуляция и замена реальных испытаний оружия массового уничтожения. BlueGene/L использовали для прогнозирования глобального изменения климата.
Sierra и Summit (США) — 325 млн долларов
Nvidia и IBM скоро помогут Америке вернуть лидирующие позиции в области сверхскоростных суперкомпьютерных технологий, научных исследований, а также экономической и национальной безопасности. Оба компьютера будут закончены в 2017 году.
В настоящее время самым быстрым суперкомпьютером в мире является китайский Tianhe-2, который способен достигнуть мощности в 55 петафлопсов, что в два раза больше, чем устройство, находящееся на втором месте в списке. Sierra будет выдавать более чем 100 петафлопсов, в то время как Summit сможет развить 300 петафлопсов.
Sierra, которая будет установлена в Ливерморской национальной лаборатории, будет обеспечивать безопасность и эффективность ядерной программы страны. Summit заменит устаревший суперкомпьютер Titan в национальной лаборатории Oak Ridge и будет предназначаться для тестирования и поддержки научных приложений по всему миру.
Tianhe-2 (Китай) — 390 млн долларов
Китайский Tianhe-2 (что переводится как «Млечный Путь — 2») является самым быстрым суперкомпьютером в мире. Компьютер, разработанный командой из 1300 ученых и инженеров, находится в Национальном суперкомпьютерном центре в Гуанчжоу. Он был построен китайским Оборонным научно-техническим университетом Народно-освободительной армии Китая. Tianhe-2 способен выполнять 33 860 триллионов вычислений в секунду. К примеру, один час расчетов суперкомпьютера эквивалентен 1000 годам работы 1,3 миллиарда человек. Используется машина для моделирования и анализа правительственных систем безопасности.
Earth Simulator (Япония) — 500 млн долларов
«Симулятор Земли» был разработан японским правительством еще в 1997 году. Стоимость проекта составляет 60 млрд иен, или примерно 500 млн долларов. Earth Simulator был завершен в 2002 году для агентства аэрокосмических исследований Японии, Японского научно-исследовательского института по атомной энергии и Японского центра морских и наземных исследований и технологий.
ES был самым быстрым суперкомпьютером в мире с 2002 по 2004 год, а служит он и поныне для работы с глобальными климатическими моделями, для оценки последствий глобального потепления и оценки проблем геофизики коры Земли.
Fujitsu K (Япония) — 1,2 млрд долларов
Самый дорогой в мире суперкомпьютер всего лишь четвертый по скорости в мире (11 петафлопсов). В 2011 году он был самым быстрым суперкомпьютером в мире. Fujitsu K, расположенный в Институте передовых вычислительных технологий RIKEN, примерно в 60 раз быстрее, чем Earth Simulator. На его обслуживание уходит порядка 10 млн долларов в год, а использует суперкомпьютер 9,89 МВт энергии (сколько используют 10 000 загородных домов или один миллион персональных компьютеров).
Понравилась статья? Подпишитесь на канал, чтобы быть в курсе самых интересных материалов
Источник
Отличия памяти человека от компьютера
Ведущий эксперт искусственному интеллекту Педро Домингос написал любопытную книгу о том, как машинное обучение может изменить и уже меняет наш мир. Нейронные сети опутывают нас все плотнее, алгоритмы управляют нашей жизнью: они находят книги, фильмы, работу и партнеров для нас, управляют инвестициями и разрабатывают лекарства, самостоятельно обучаясь. Алгоритмы как маленькие любознательные дети: смотрят на нас, повторяют за нами и экспериментируют.
А самое удивительное, что ученые уже работают над Верховным алгоритмом, который будет способен решать любые задачи еще до того, как мы их сформулируем (не напоминает Дугласа Адамса?), и извлекать знания обо всем на свете из данных. Любопытно, правда?
Как устроен наш мозг и как он учится?
Канадский психолог Дональд Хебб в 1949 году сформулировал правило обучения, которое сейчас лежит в основе множества искусственных нейронных сетей: «нейроны, которые срабатывают вместе, связываются друг с другом». В правиле Хебба слились идеи психологии, нейробиологии и, что интересно, немалая доля домыслов. Примерно в то же время испанский нейробиолог Сантьяго Рамон-и-Кахаль провел первые подробные исследования мозга, окрашивая нейроны. Он каталогизировал свои наблюдения, как ботаники классифицируют новые виды деревьев.
Ко времени Хебба нейробиологи в общих чертах понимали, как работают нейроны, однако именно он первым предложил механизм, согласно которому нейроны могут кодировать ассоциации. Каждое понятие представлено множеством нейронов. И эти нейроны, которые возбуждают друг друга, образуют, в терминологии Хебба, «ансамбли клеток».
С помощью таких собраний в головном мозге представлены понятия и воспоминания. В каждый ансамбль могут входить нейроны из разных областей мозга, ансамбли могут пересекаться. Так, клеточный ансамбль для понятия «нога» включает ансамбль для понятия «ступня», в который, в свою очередь, входят ансамбли для изображения ступни и звучания слова «ступня».
Тем не менее для имитации работы мозга одного правила Хебба мало: сначала надо разобраться с устройством головного мозга. Каждый нейрон напоминает крохотное деревце с огромной корневой системой из дендритов и тонким волнистым стволом — аксоном. Мозг в целом похож на лес из миллиардов таких деревьев, однако лес этот необычный: ветви деревьев соединены в нем с корнями тысяч других деревьев (такие соединения называются синапсами), образуя колоссальное, невиданное хитросплетение.
Если расположить аксоны мозга друг за другом, они займут расстояние от Земли до Луны.
Эти джунгли потрескивают от электрических разрядов. Искры бегут по стволам и порождают в соседних деревьях еще больший сонм искр. Время от времени лес неистово вспыхивает, потом снова успокаивается. Работа мозга похожа на симфонию таких электрических разрядов. Если бы можно было посмотреть изнутри на то, что происходит в тот момент, когда вы читаете эту страницу, сцена затмила бы самые оживленные мегаполисы из фантастических романов. Этот невероятно сложный узор нейронных искр в итоге порождает человеческое сознание. Следующий шаг — превратить работу синапсов в алгоритм.
Нейросети. Начало
Первая формальная модель нейрона была предложена в 1943 году Уорреном Маккаллоком и Уолтером Питтсом. Она была во многом похожа на логические вентили, из которых состоят компьютеры с И, ИЛИ и НЕ. Нейронные сети могут совершать все операции, которые умеет делать компьютер. Поначалу компьютер часто называли электронным мозгом, и это была не просто аналогия.
Однако нейрон Маккаллока–Питтса не умеет учиться. Это стало шагом к изобретению перцептронов. Харизматичный оратор и очень живой человек, психолог Фрэнк Розенблатт сделал для зарождения машинного обучения больше, чем кто бы то ни было. Своим названием перцептроны обязаны его интересу к применению своих моделей в проблемах восприятия (перцепции), например распознавания речи и символов.
А вот это штука уже посовременнее: тактильный интерфейс, меняющий форму, разработанный в Массачусетском технологическом институте, – источник.
Перцептрон похож на крохотный парламент, в котором побеждает большинство (хотя, наверное, не такой уж и крохотный, учитывая, что в нем могут быть тысячи членов). Но при этом парламент не совсем демократический, поскольку в целом не все имеют равное право голоса. Нейронная сеть в этом отношении больше похожа на Facebook, потому что несколько близких друзей стоят тысячи френдов, — именно им вы больше всего доверяете, и они больше всего на вас влияют. Если друг порекомендует вам фильм, вы посмотрите его и вам понравится, в следующий раз вы, вероятно, снова последуете его совету. С другой стороны, если подруга постоянно восторгается фильмами, которые не доставляют вам никакого удовольствия, вы начнете игнорировать ее мнение (и не исключено, что дружба поостынет).
Перцептрон вызвал восторг в научном сообществе. Он был простым, но при этом умел узнавать печатные буквы и звуки речи: для этого требовалось только обучение на примерах.
Но затем перцептрон уперся в стену. Инженеров знаний раздражали заявления Розенблатта: они завидовали вниманию и финансированию, которое привлекали нейронные сети в целом и перцептроны в частности. Одним из таких критиков был Марвин Минский, который опубликовал книгу с критикой перцептронов: он описал простые вещи, которым алгоритм не в состоянии научиться. (Хотя надо сказать, что спустя 20 лет это оказалось не так.)
Мозг и компьютер: принципиальное различие
В случае обратной дедукции мы шаг за шагом разбираемся, какое правило необходимо ввести, чтобы от посылок прийти к желаемым выводам. Однако согласно правилу Хебба, все нейроны учатся одновременно. В этом нашли отражение различия между компьютерами и мозгом.
- Компьютеры даже совершенно обычные операции — например, сложение двух чисел или переключение выключателя — делают маленькими шажочками, поэтому им нужно много этапов. При этом шаги могут быть очень быстрыми, потому что транзисторы способны включаться и выключаться миллиарды раз в секунду.
- Мозг же умеет выполнять большое количество вычислений параллельно благодаря одновременной работе миллиардов нейронов. При этом нейроны могут стимулироваться в лучшем случае тысячу раз в секунду, и каждое из этих вычислений медленное.
Количество транзисторов в компьютере приближается к количеству нейронов в головном мозге человека, однако мозг безусловно выигрывает в количестве соединений.
Типичный транзистор в микропроцессоре непосредственно связан лишь с немногими другими, и применяемая технология планарных полупроводников жестко ограничивает потенциал совершенствования работы компьютера. А у нейрона — тысячи синапсов. Если вы идете по улице и увидели знакомую, вам понадобится лишь десятая доля секунды, чтобы ее узнать.
Это не значит, что с помощью компьютера нельзя симулировать работу мозга: в конце концов, именно это делают коннекционистские алгоритмы. Поскольку компьютер — универсальная машина Тьюринга, он может выполнять вычисления, происходящие в мозге, как и любые другие, при условии, что у него есть достаточно памяти и времени. В частности, недостаток связности можно компенсировать скоростью: использовать одно и то же соединение тысячу раз, чтобы имитировать тысячу соединений.
На самом деле сегодня главный недостаток компьютеров заключается в том, что в отличие от мозга они потребляют энергию: ваш мозг использует примерно столько мощности, сколько маленькая лампочка, а для некоторых сложных машин нужно столько электричества, что им можно осветить целый бизнес-центр.
Что умеют нейронные сети
Ученые Терри Сейновски и Чарльз Розенберг обучали многослойный перцептрон читать вслух. Их система NETtalk сканировала текст, подбирала фонемы согласно контексту и передавала их в синтезатор речи. NETtalk не только делал правильные обобщения для новых слов, чего не умели системы, основанные на знаниях, но и научился говорить очень похоже на человека. Сейновски любил очаровывать публику на научных мероприятиях, пуская запись обучения NETtalk: сначала лепет, затем что-то более внятное и наконец вполне гладкая речь с отдельными ошибками. (Поищите примеры на YouTube по запросу sejnowski nettalk.)
Первым большим успехом нейронных сетей стало прогнозирование на фондовой бирже. Поскольку сети умеют выявлять маленькие нелинейности в очень зашумленных данных, они приобрели популярность. Типичный инвестиционный фонд тренирует сети для каждой из многочисленных ценных бумаг, затем позволяет выбрать самые многообещающие, после чего люди-аналитики решают, в какую из них инвестировать.
Беспилотные автомобили — тоже пример того, как хорошо нейронные сети обучаются. А совсем недавно Google рассказали о том, что научили нейросети «писать» картины, опираясь на загруженные в них изображения.
Ребята из Медузы собрали целую галерею таких машинных картин.
Сегодня мы обучаем более глубокие сети, чем когда бы то ни было, и они задают новые стандарты в зрении, распознавании речи, разработке лекарственных средств и других сферах. И, конечно, меняют мир. По мере того как мы будем лучше понимать мозг, ситуация может измениться. Вдохновленная проектом «Геном человека», новая дисциплина — коннектомика — стремится составить карту всех мозговых синапсов. Возможно, это то самое окно в будущее.
Источник
Отличия памяти человека от компьютера
В массовом сознании память до сих пор воспринимается как аналог жесткого диска, только менее точный и надежный. Эта аналогия в корне неверная. Почти по всем параметрам человеческая память принципиально отличается от машинной.
Давайте осуществим их сравнение по нескольким показателям: энергонезависимость, объем памяти, пропускная способность интерфейсов, способ хранения данных, механизмы запоминания и воспроизведения информации, файловая система, необходимость в перерывах на обслуживание, надежность.
Энергонезависимость
Компьютерная память бывает как энергозависимой, так и энергонезависимой. Человеческая память бывает только энергозависимой. Остановка сердца вызывает смерть мозга и потерю данных уже через 6 минут.
Объем памяти
Точно измерить объем долговременной памяти человека крайне трудно, хотя попытки предпринимаются (некоторые расчеты показывают, что она измеряется сотнями терабайт). Скорее всего, наша память соизмерима с возможностями современной вычислительной техники.
Кратковременную (оперативную) память измерить проще. Не гигабайтами, конечно, а по количеству объектов, которые человек способен удержать в памяти без повторения: всего семь, плюс-минус два. Компьютеры в этом плане ушли гораздо дальше.
Что же касается количества одновременно запущенных процессов, то здесь дела еще хуже. В полной мере мы можем сосредоточиться только на одной задаче. Параллельные процессы могут выполняться лишь когда сознательные мыслительные усилия не требуются или требуются по минимуму (курить, слушать музыку, чесать ногу).
Стандарт обмена данными
Внутри компьютера обмен данными происходит в виде электрических сигналов.
В мозге отдельные нейроны тоже оперируют электрическими сигналами, но для передачи данных по синапсам преобразуют их в менее эффективные химические соединения, что ведет к потере тепла и информации.
Пропускная способность интерфейсов
Пропускная способность компьютерных интерфейсов достигает десятков гигабайт в секунду.
Человеческие нейроинтерфейсы измерить сложнее, но по существующим оценкам их возможности скромнее. Органы чувств способны принять до 11 Мбит/с, а вот осознанно человек усваивает не более 40 бит/с. Более того, большую часть времени наш осознанный информационный поток составляет всего 16 бит/с.
Способ хранения данных
Вычислительные устройства хранят информацию на жестком диске или его аналогах. У человека воспоминания предельно атомизированы и фрагментированы по всему мозгу. Память о неприятных эмоциях хранится в миндалевидном теле, графика — в визуальной коре, звук — в слуховой коре и так далее.
Запоминание и воспроизведение информации
Первое: компьютеры воспроизводят информацию в точности так, как записано. Мозг в готовом виде ничего не хранит, он оперирует системой перекрестных ссылок. В момент активации воспоминания создаются специальные белки, с их помощью между нужными участками мозга устанавливаются связи и воспоминание оживает. Самая близкая аналогия — театральная постановка: сценарий каждый раз один и тот же, но могут быть различия в деталях.
Второе: машинная память не зависит от контекста. Мозг же старается запоминать только самое главное (суть) и с привязкой к контексту. Чтобы запомнить и вспомнить, нам нужны ассоциации и желательно та обстановка, которая была на момент события. Это ускоряет доступ к часто используемым данным, но снижает скорость работы с памятью в целом.
Существуют люди с феноменальной памятью, но они либо страдают от когнитивных расстройств, либо натренированы с помощью приемов мнемоники, то есть опять-таки умения использовать контекст.
Файловая система
Электроника точно знает, где что хранится благодаря файловой системе. В мозге же царит бардак. Файловой системы нет, а есть огромная свалка данных с наклеенными на них стикерами контекста: «день рождения», «поцелуй Юли», «укусила собака», «напился и прыгнул в реку, потом вскочил чирей», «впервые увидел игровой автомат». Компьютер обращается к своей памяти с конкретными запросами: кто, что, где, когда. Запрос к мозгу выглядит куда менее формально: «Есть что по теме?»
Перерывы на обслуживание
По одной из теорий сон нужен для консолидации памяти. Во время бодрствования постоянный поток информации ведет к росту синаптической проводимости в мозге, и со временем это делает работу мозга неэффективной. Сон снижает синаптическую проводимость до оптимального уровня.
Компьютеры могут работать дольше, но и им нужны иногда перерывы — например, из-за утечек памяти.
Надежность
В плане надежности обе системы примерно на равных. Вычислительные устройства хранят данные на жестком диске. В случае его неисправности данные пропадают, а компьютер выходит из строя. С другой стороны, содержимое жесткого диска можно продублировать с помощью RAID или настроить бэкапы.
Мозг менее надежный, но более гибкий. Человеческая память сама по себе организована не лучшим образом, а в случае травмы есть вероятность амнезии. Но память иногда возвращается, а человек может сохранить работоспособность и способность к запоминанию даже при очень тяжелых травмах головы и потере значительной части мозга.
Почему память устроена так бестолково?
Компьютеры занимаются только вычислениями и хранением данных. Они под это специально оптимизированы.
Человеческий геном на 98,5% идентичен геному шимпанзе. Мозг тоже проектировался эволюцией в основном под нужды животного. А что нужно животному? Найти еду, убежать от хищника, победить соперника в стае, спариться с самкой. Ничего сложнее, чем групповая иерархия и история взаимоотношений с сородичами обезьяне запоминать не приходится. Поэтому и наш мозг оптимизирован не для размышлений (фокусировка на интеллектуальных задачах требует больших усилий) и запоминания больших объемов данных, а прежде всего для управления телом.
Косвенным свидетельством этого является нынешнее состояние робототехники. Роботы легко справляются со сложными вычислениями, а вот простые движения (поймать мяч, подняться по лестнице) даются им с огромным трудом.
Источник
Чем отличается память человека от памяти компьютера
10 Смотреть ответы Добавь ответ +10 баллов 
Ответы 10
2.Отличается тем,что память одного человека(он помнит свои воспоминании,их никто кроме него не может знать),а память человечества-это Например,несколько людей были вместе на собрании у них будут одинаковые воспоминания,которые они могут обсудить между собой.
3.Потому что информацию мы в скором времени забудем. А оперативная память-временная. Примеры:кол-во денег которое мне надо взять с собой что бы доехать завтра до вокзала; номера упражнений по геометрии которые надо сделать дома до завтра.
4.Достоинства оперативной памяти: не занимает место в долговременной, через некоторое время удалится(если речь про компьютер); позволяет возвращать несколько действий назад(например в ворде)
Недостатки: загружает компьютер; малое кол-во памяти
Достоинства долговременной памяти: почти не затормаживает компьютер; большое кол-во памяти.
Недостатки: Поиск файлов может занять некоторое время; не вся информация может туда загрузится.
5.а) носитель — табличка, форма информации — числовая или символьная
б) носитель — открытка, форма информации — смешанная, т.к там будут и рисунок, и текст
в) носитель — билет. форма — смешанная, т.к. там будут и текст, и числа
г) носитель — газета, форма — смешанная, т.к там будут и текст, и рисунки, и числа
д) носитель — диск, форма — видеоинформация
1.Уникальность любого другого явления — тот факт, что это явление (человек, событие, отпечаток пальца) единственное в своем роде. Точно такого же не существует
2. Он принял свои недостатки и сумел сделать как говорил Дейл Карнеги из лимона лимонад. Он стал искать во всем сильные стороны, с позитивного мышления он нашел цель и сумел при к жизни. Ведь события в жизни происходят разные и все зависит от вашего восприятия вы можете искать слабые стороны во всем или искать сильные стороны во всем.
4.Духовный мир человека это совокупность всех его качеств, приоритетов и духовных потребностей, так же его умственное и нравственное развитие
5.Ученые и мыслители замечали, что нравственность является неотъемлемой частью каждого человека, поскольку она в нем заложена от рождения. Доказательством этого является тот факт, что не бывает плохих детей. Все дети с точки зрения психологии и высшей этики являются хорошими, поскольку в них нет еще взрослого взгляда на жизнь и стремления к наживе, богатству, власти над другими людьми. Ребенок может плохо себя вести, но это не значит, что он плохой. Каждому ребенку необходимо прививать нравственные ценности, поскольку именно они должны стать для него главным ориентиром в нашем неспокойной мире.
7.Сегодня очень популярно и даже престижно стало заниматься так называемым духовным развитием. Существует много различных духовных течений и религий, восточных и эзотерических учений, и много чего другого. В этой статье Вы узнаете о том, с чего начать духовное развитие, которое будет приносить реальную пользу.
Для начала предлагаю разобраться в том, что такое настоящее развитие человека и чем оно отличается от современного духовного развития.
Источник