正文 第244章 套娃计算机大脑
有人在一张白色画布上画了一些略带米色的色块和几个浅灰色斑点，然后又在上面画了一个大大的黑色标记来压低亮度，这样的差异是无法掩盖的。因此，即使戴森球想伪装成一个“热点”，它也必须造得异常巨大，以至于需要将周围的其他恒星移开才能避免被包含进去，这绝不是一件低调或隐蔽的事情。
不过，让我们暂时以这个10000个天文单位半径的球体为例——它的表面积是传统戴森球的1亿倍。我之前提到过，建造一个非常基础的戴森群并不需要太多材料，一颗大型小行星或一颗非常小的行星就足够了（只要足够薄）；但一个表面积是其1亿倍的结构，就需要1亿倍的建筑材料，这需要消耗数百颗恒星的物质。很难想象这会被认为是一个实用的方案，尤其是考虑到将所有这些建筑材料从氢聚变而成所释放的能量，将是太阳整个生命周内释放能量的数百倍——这同样不是一件低调或隐蔽的事情。因此，我们实际上无法利用27开尔文这个低温热源进行计算，也无法用它来隐藏戴森球——接近这个温度不仅不可能，而且极其不切实际。
将戴森群建造到冥王星轨道附近是一个相当合理的选择：此时所需的材料质量仅为普通戴森球的几千倍（而非1亿倍），而且在这个温度下，我们基本上仍然可以忽略背景辐射的影响。但超过冥王星轨道后，收益就会急剧递减。不过，如果我们用黑洞代替恒星作为能量来源，并且宇宙微波背景辐射的温度降至更低，这种情况就会发生很大变化。
我已经提到了热机效率的卡诺极限，而戴森球无疑就是一种热机。之前我还提到过一个叫做“兰道尔极限”的概念，它设定了在给定能量和温度下，一个处理器所能实现的最大计算量。如今的所有计算机都远未达到这个极限——如果达到这个极限，一盏灯的能量就足以驱动数百万台超级计算机，或者进行整个人脑的模拟。
但对于套娃大脑来说，兰道尔极限也必须被考虑在内。我有点失望的是，似乎还没有人对此进行过相关分析。恒星的光度（即能量输出）决定了每一层可用于计算的最大能量；卡诺定理告诉我们，我们实际能将其中多大比例的能量转化为有用功（在这里就是计算）——再次强调，如果各层之间的距离按四倍递增，温度按一半递减，那么每一步的效率都是50；而兰道尔极限则告诉我们，用这些能量我们能进行多少次计算，或者说每次计算所需的最低能量——这与温度呈线性关系。因此，如果每一层都运行在兰道尔极限下，那么温度较低的内层实际上比外层进行的计算更少：每一层的温度是前一层的一半，其计算量却是前一层的两倍。不过，这并不意味着它“更聪明”——虽然它的计算量是两倍，但分布在16倍的表面积上，所以或许可以说它“更聪明但速度更慢”。对于这样的结构来说，信号延迟是一个相当大的问题——但这只针对单一意识体而言。我们通常会将套娃大脑想象成单一意识体，这也是它被称为“大脑”的原因，但它完全可以不是单一的：你可以在上面运行大量较小的意识体（人类或更大的意识体），这样就不会存在延迟问题了。
根据目前对运行人类大脑所需计算能力的估算，一块邮票大小的太阳能电池板就足够了。但让我们在嵌套式套娃大脑的背景下，更正式地分析一下这个问题。假设一切都完美运行，我们只需要考虑卡诺极限和兰道尔极限。很容易发现，实际上只有最外层才是关键——每一层的计算量都是下一层的一半，因此总计算量就是1+1/2+1/4+1/8+……，总和为2，这恰好抵消了卡诺极限带来的50效率损失。无论恒星的温度如何，只要与宇宙微波背景辐射相比，最终的总效率都接近100。真正的能量潜力来自最外层的低温，而非恒星的高温——不过，这只有在我们能真正在兰道尔极限下进行计算时才能实现。
你可以逐层计算然后求和，但结果总会大致相当于最
不过，让我们暂时以这个10000个天文单位半径的球体为例——它的表面积是传统戴森球的1亿倍。我之前提到过，建造一个非常基础的戴森群并不需要太多材料，一颗大型小行星或一颗非常小的行星就足够了（只要足够薄）；但一个表面积是其1亿倍的结构，就需要1亿倍的建筑材料，这需要消耗数百颗恒星的物质。很难想象这会被认为是一个实用的方案，尤其是考虑到将所有这些建筑材料从氢聚变而成所释放的能量，将是太阳整个生命周内释放能量的数百倍——这同样不是一件低调或隐蔽的事情。因此，我们实际上无法利用27开尔文这个低温热源进行计算，也无法用它来隐藏戴森球——接近这个温度不仅不可能，而且极其不切实际。
将戴森群建造到冥王星轨道附近是一个相当合理的选择：此时所需的材料质量仅为普通戴森球的几千倍（而非1亿倍），而且在这个温度下，我们基本上仍然可以忽略背景辐射的影响。但超过冥王星轨道后，收益就会急剧递减。不过，如果我们用黑洞代替恒星作为能量来源，并且宇宙微波背景辐射的温度降至更低，这种情况就会发生很大变化。
我已经提到了热机效率的卡诺极限，而戴森球无疑就是一种热机。之前我还提到过一个叫做“兰道尔极限”的概念，它设定了在给定能量和温度下，一个处理器所能实现的最大计算量。如今的所有计算机都远未达到这个极限——如果达到这个极限，一盏灯的能量就足以驱动数百万台超级计算机，或者进行整个人脑的模拟。
但对于套娃大脑来说，兰道尔极限也必须被考虑在内。我有点失望的是，似乎还没有人对此进行过相关分析。恒星的光度（即能量输出）决定了每一层可用于计算的最大能量；卡诺定理告诉我们，我们实际能将其中多大比例的能量转化为有用功（在这里就是计算）——再次强调，如果各层之间的距离按四倍递增，温度按一半递减，那么每一步的效率都是50；而兰道尔极限则告诉我们，用这些能量我们能进行多少次计算，或者说每次计算所需的最低能量——这与温度呈线性关系。因此，如果每一层都运行在兰道尔极限下，那么温度较低的内层实际上比外层进行的计算更少：每一层的温度是前一层的一半，其计算量却是前一层的两倍。不过，这并不意味着它“更聪明”——虽然它的计算量是两倍，但分布在16倍的表面积上，所以或许可以说它“更聪明但速度更慢”。对于这样的结构来说，信号延迟是一个相当大的问题——但这只针对单一意识体而言。我们通常会将套娃大脑想象成单一意识体，这也是它被称为“大脑”的原因，但它完全可以不是单一的：你可以在上面运行大量较小的意识体（人类或更大的意识体），这样就不会存在延迟问题了。
根据目前对运行人类大脑所需计算能力的估算，一块邮票大小的太阳能电池板就足够了。但让我们在嵌套式套娃大脑的背景下，更正式地分析一下这个问题。假设一切都完美运行，我们只需要考虑卡诺极限和兰道尔极限。很容易发现，实际上只有最外层才是关键——每一层的计算量都是下一层的一半，因此总计算量就是1+1/2+1/4+1/8+……，总和为2，这恰好抵消了卡诺极限带来的50效率损失。无论恒星的温度如何，只要与宇宙微波背景辐射相比，最终的总效率都接近100。真正的能量潜力来自最外层的低温，而非恒星的高温——不过，这只有在我们能真正在兰道尔极限下进行计算时才能实现。
你可以逐层计算然后求和，但结果总会大致相当于最
本章未完，点击下一页继续阅读
(4/5)