1、比特层
升级在bit与原子媾和的基础上充分结构原有产品的特殊属性,随着时间程度的进展,不断的进化自身去适应大环境的升级,
那么我们可以切哪些维度呢?
首先一定是bit,比特作为信息第一源,在接受信息能力与传递、重建信息的能力,在到输出信息的能力,会有一层新的进展。
那么我们可以延展思考到,机器学习层面,从bit维度现在已经开始如火如荼的进展,deap stu升级自身对于事物的理解层次,从而以螺丝钉的角度来参与到社会机能的协作当中,认清楚自身的定位,延伸到系统内部的协作,
另一角度在机能协作过程中,硬件(人造物)会接触到属于单独类别下的信息源和数据流,在分析和处理这些信息源和数据流的同时,升级(学习)自己对世界的认知维度模型,之后才会不断分化出不同社会职能的人造物,因此在升级(学习)的过程才是产生分化、多样性的原点,
2、原子层
那么原子层如何结构EHW
跳过原子重构升级,先从人这一物种是如何利用技术做到升级的(替换损坏的机能组织)
到什么维度下的解构才可以到达真正的原子重构,特别是人造物,如果仅仅基于大分子结构必然会使得重构的过程很难发生,或者出现排斥现象,如果是原子结构我们可以看到生物组织在功能机制与其他机能的生物组织在配合上的升级远高于大分子重构
例子『由钛金属和塑胶制成,现在只能延续患者几个月的生命,标价高达约250,000美元。』
例子『科学家们还采用了“多光子聚合”技术,用两束强烈的激光照射材料,在极小的聚光点上激发分子,使其产生弹性。研究人员可以用它制成极为精细而柔韧的结构,与人体自身的组织正常融合。』3D打印技术成型,改变其他因素使之结构调整,
那么3D打印真的是造物主吗?
3、硬件软件化,会不会是捷径
在考虑原子升级的同时,我们可以在升级角度考虑弱化原子占比,提高比特占比,在硬件达到一定程度之后,去弱化信息的匹配所需要的硬件标准。比如could,这只是一个维度,
PS:延伸出来的问题1、机器学习是在接触信息源为起点,那么我们需要做全能型的机器还是独特性的机器?
2、原子重构的困难性主要在于解构层的深度不够,那么延伸深度的路径如何加速?
3、基于云服务如何给出好的升级方式?
4、机器学习在逻辑的构建上可能会出现偏差,因为信息源的不完全,只能从单偏角度来,认知也一定有偏差,那么人也是如此,人的社会协作性是如何建立的?为何生来就偏向协作。
5、物联网时代,到底要如何去造物?