Мем где собирается машина
Как появились известные интернет-мемы (30 фото)
Многие из нас зачастую видят в социальных сетях различные мемы, но понятия не имеют о том, как они появились, и что они означают. Предлагаем вам ознакомиться с интересным постом, который расскажет вам важные факты об известных интернет-мемах и расширит ваш кругозор. Советуем к прочтению.
Неверный парень
Снимок неверного парня был создан для продажи на фотостоках фотографом Антонио Гиллемом из Барселоны. Популярность фото набрало в августе 2017 года, после публикации в инстаграм-аккаунте @_dekhbhai_ (2,3 млн подписчиков).
Птица с руками
Грозная птица разновидности волчок с широко расставленными ногами и пририсованными руками выражает недовольство каким-то событием.
Интернет-пользователей покорила грозная стойка птички, и изначально ее дорисовывали к фотографиям гопников, из-за чего даже прозвали «птица-гопник». А в 2017-м птица уже стала самостоятельным персонажем.
Сенсей тролль
Тот самый мудрец, который дает серьезный совет, добавляя к нему ехидную поправочку. Мем возник не совсем обоснованно: на фото не философ Конфуций, а основатель айкидо Морихей Уэсиба. Еще при жизни он стал героем множества легенд. В прошлом столетии этому выдающемуся японцу приписывались способности подниматься над землей и делаться невидимым. Ну а в XXI веке Морихей Уэсиба завоевал мировой авторитет, став легендой интернета..
Ну давай, расскажи мне.
«Ну давай, расскажи мне, как весело провел это лето…» Мем появился благодаря кадру из фильма «Вилли Вонка и шоколадная фабрика» 1971 года с актером Джином Уайлдером. На Западе популярностью пользуется версия с подписью «You must be new here» («Должно быть, ты здесь новенький»).
Грустный Киану Ривз
Удачный снимок сделали папарацци в начале лета 2010 года. Актер сидел в парке с пирожком в руке.
Он выглядел грустным, но именно из-за этого фото стало одним из самых известных мемов в интернете.
Фотожабы (разновидность монтажа) с Киану появлялись во всех соцсетях по совершенно разным поводам, а зачастую создатели компилировали сразу несколько персонажей, и снимки получались все равно органичными.
Упоротый лис
Неудачная работа чучельницы Адель Морган. В основном она работала только с мелкими животными, а в 2011 году сделала чучело лиса из тушки животного, попавшего в капкан. В итоге лиса всего перекосило, голова склонилась на бок, а морда выражала абсолютное безумие.
Какой пацан?
Мем получился из скриншота с обучающего видео для детей от 2011 года. Малышей учили правильно пользоваться туалетом.
Несколько детей поют песню Poop Song, сидя на унитазе, после чего встают и говорят какашке «Пока».
Через пару лет прогулок видео по Сети мем стал популярным и в России.
Медведь в кустах
Забавный медведь оказался весьма уместным изображением во многих ситуациях. Был размещен впервые на сайте Deviantart в 2009 году. Изначально он кричал о любви.
Веселый Лео
В 2010 году Леонардо Ди Каприо засняли на съемочной площадке фильма «Начало», когда тот вышел на перерыв, выйдя из образа депрессивного похитителя чужих тайн и сновидений Кобба.
Мем «Веселый Лео» вставляют авторы на картинки, где хотят показать умение быть оптимистом в любой ситуации. Или отметить, что существуют веселые простофили, которые ничего не соображают.
Мем является противопоставлением грустному Киану Ривзу.
И его можно удачно вставлять на картинки, как и девочку-катастрофу (явная отсылка)
Также веселый Лео хорошо смотрится с веселым Дэниелом Рэдклиффом и веселыми животными.
Grumpy cat
Угрюмый кот по имени Соус Тардар явился широкой аудитории в сентябре 2012 года. Его фото выложила хозяйка на сайте Reddit.
Мем про Карла
Мем получился из скриншота с американского сериала «Ходячие мертвецы». В оригинале речь идет вовсе не о чем-то смешном: главный герой, Рик Граймс, узнает, что его жена умерла при родах, начинает плакать и кричать, а его сын Карл, пребывая в шоке, просто стоит и молчит.
Серия вышла в эфир 4 ноября 2012 года. Уже через 10 дней появилась первая шутка, обыгрывающая этот эпизод. В новой версии Рик якобы узнает, что его сын гей.
Очевидная глупость
Мем с афроамериканцем, прикладывающим указательный палец к виску, используют, когда хотят выразить банальную и глуповатую мысль. Это кадр из сериала, в котором главный герой рассказывает о своей подружке, которая не только красивая, но и умная. В США мем стал популярным еще в 2016 году, а на просторах рунета обрел известность в 2017-м.
Джонни Кетсвилл
На сайт imgur снимок выложил хозяин кота 31 марта 2013 года, подписав: «Сорян за селфи, пацаны» и снабдив хэштегами #nomakeup #poser #ginger #whiskers #YOLO. Кот находился в ничем не примечательной комнате и, играя со своим хозяином, пытался схватить его за фотоаппарат.
После из фотоснимка наделали фотожаб, пародируя Джонни Ноксвила в шоу «Чудаки», где они с друзьями ставили на себе различные эксперименты.
На некоторое время, до января 2014 года, никто не обращал внимания на Кэтсвилла, пока в Рунете не подхватили этот мем.
Количество фотоколлажей с участием кота, который будто бы собирается совершить нечто безбашенное, просто бесконечное.
Машина Сама Собирается Мем Hd Version
Загрузил: я уже смешарик
Длительность: 20 сек
Машина Собирается Мем Но Он В Hd Качестве
Машина Собирается Мем С Тик Ток
My Summer Car Полный Гайд По Сборке Автомобиля
10 Невероятных Архитектурных Шедевров Со Всего Мира
Эволюция Музыкальных Мемов 1200 2020 Самые Известные Песни И Хиты В Истории Часть 4
The Crew E3 2013 Announcement Trailer Uk
Mortal Kombat 11 Aftermath Фильм Игрофильм Русская Озвучка
Все Грехи Фильма Тачки 3
Как Это Устроено Koenigsegg Gemera Самый Революционный Гиперкар
Простая Ферма Железа В Майнкрафт 1 14 1 15 1 16
Самый Дорогой Автомобиль России Газ В Пол На Аурус Путина Распаковка Aurus Senat Дорогобогато
Эволюция Серии Игр Need For Speed 1 1994 2017
Очень Неожиданный И Жёсткий Финал Прохождение Nfs Most Wanted 25
1 17 Изменит Minecraft Навсегда
Ремонт Авто После Аварии Жесть
Memes That Only Legends Will Understand
Трибьют Билли Херрингтону Tribute To Billy Herrington Gachimuchi
Седьмой Лепесток Антон Токарев
Kastomarin My Time Remix
Hucci Wings Bass Bass Boosted
Rät Slowed Reverbed
Мы Рядом Машина Времени
Eminem J Fla Rihanna Te Amo
Persian Music 2021
От Людей На Деревне Не Спрятаться
Jisoo I M Not Scary Edit
Varfolomeev Zirianov Russia Minicadets Top 24 Championship 2021 Fhd
Audiosurf Ken Ashcorp 20 Percent Cooler
Реакция 80 Lvl Избежал Дтп Киев 10 07 21
Jador Moro Lino Sunt O Forta Bass Boosted
3 Декабря Поблагодари Пресвятую Богородицу Прямо Сейчас Благодарственная Молитва Богородице
Машина Сама Собирается Мем Hd Version
No Next Time Late Yungin Remix Chasing Madison Epidemic Sound
Пятница Проблемы Пятятся Но Не Для Всех Украине Опять Повезло
Awol One Nathaniel Motte Child Starfish
Везавелла Альбина Ягулбаева Долгожданная Чеченская Песня
Сборник Красивой Музыки Пианино A Collection Of Beautiful Melodies Piano
4 Spiedo Vagabondo Con I Nomadi A Bassano Bresciano
Nak Beli Kereta Jentolak Tapi Jadi Beli Benda Lain
Бриклберри Самые Лучшие И Пошлые Моменты 18
Nikon P1000 Zoom Test The Invisible Hut On The Hill Nikon P1000
Мем С Машиной Которая Преобразуется На Ходу mp3
Мем с машиной которая преобразуется на ходу
Машина собирается мем
NFS МЕМЫ ТИК ТОК МЕМЫ ПРО NEED FOR SPEED ТИК ТОК ПОДБОРКА NEED FOR SPEED
МЕМЫ ТИКТОК NEED FOR SPEED СБОРКА АВТОМОБИЛЯ NFS ACT A FOOL GET LOW
Лучшие мемы про тачки из Tik Toka Муд тачки
Машина собирается мем с тик ток
Ржачные мемы Почему машина не может завестись
Машина из Nfs для ваших мемов
Машина собралась под нихуевый музон
Эльдар вылазь Поезд сбивает УАЗ
Машина СЪЕХАЛА С КАТУШЕК И СОБИРАЕТСЯ И РАЗБИРАЕТСЯ МЕМ НФС NFS
Машина собирается мем но он в Hd качестве
ФАРШИРОВАННАЯ ТАЧКА СОБИРАЕТСЯ НА ХОДУ ПОД НЕРЕАЛЬНУЮ МУЗЫКУ NFS МЕМ
Прокачка двителя мем для вп батя дает подзатыльник улучшение машина
Машина сама собирается мем HD Version
Трансформация машины мем из тик тока
машина собирается тик ток
ЕБАНУТАЯ НАГЛУХО МАШИНА СОБИРАЕТСЯ НА ХОДУ ПОД ЕБУЧИЕ БАССЫ
Машина собирается 10 минут под зацикленную музыку
педалирование With PHONK By Andy
Парни с машиной времени мем про парней с машиной времени
машина собирается сама мем
МАШИНА ЕДЕТ ПОД БАСЫ МЕМ
Авария мем авария мемы
ЧО ОН ТВОРИТ I DANK MEME
Машинка собирается мем
ниндзя за ручной кпп мем
Топ 33 пьяных мема
Самолёт превращается в машину на ходу
ПРОКАЧКА МЕМА Coffin Dance
Машина собирается сама мем BASS BOOSTED
Мой мем про машину Yeah Meme
Мятая машина едет по дороге
батю за рулем кто то подрезал мой словарный запас
Мем нфс в дуле танка
АХАХА МЕМЫ и приколы
ТАЧКИ ЖЕСТКО ЕБАШАТ ПОД ФОНК
ТАЧКИ ТИК ТОК ТАЧКИ ДРИФТЯТ ПОД ФОНК ЛУЧШАЯ ПОДБОРКА МЕМОВ ПРО ТАЧКИ ИЗ ТИК ТОКА
Смешной мем с гробом WDAMAGE выбери и разбей свою машину
мем как правильно выбирать машину
Здесь Вы можете скачать Мем С Машиной Которая Преобразуется На Ходу. Слушайте онлайн в хорошем качестве, скачивайте mp3 в высоком качестве без регистрации.
Мем С Машиной Которая Преобразуется На Ходу
Монстер Хай Бу Йорк Песня Клео И Дьюс
А Ты Смотрела Мне В Глаза
Nansy Sidorov Хочу К Тебе
Nirvana Vs Beatles
Седьмой Лепесток Антон Токарев
Kastomarin My Time Remix
Hucci Wings Bass Bass Boosted
Rät Slowed Reverbed
Мы Рядом Машина Времени
Eminem J Fla Rihanna Te Amo
Meroj Kechasi Qachon
Да Чет Просто Хочу Ещё Раз Пройти С Катсценками
Чаплин Отдыхает Двое Подростков Совершили Кражу Года На Кубани Россия 24
Мастер Класс Кокошник Для Фотосессии
Billie Eilish Bellyache Slowed Tiktok Lyrics I Lost My Mind Tiktok Song
New Moon In Sagittarius And Solar Eclipse Part 2
Пятая Бригада Отдыхает Алчевск
Корбен Отдыхает На T110E4 Моменты Стрима
Capitalismo De Amigotes
Full Album Cek Sound 5 Mp3 Om Musica Dangdut Clasik
Varfolomeev Zirianov Russia Minicadets Top 24 Championship 2021 Fhd
Audiosurf Ken Ashcorp 20 Percent Cooler
Реакция 80 Lvl Избежал Дтп Киев 10 07 21
Jador Moro Lino Sunt O Forta Bass Boosted
3 Декабря Поблагодари Пресвятую Богородицу Прямо Сейчас Благодарственная Молитва Богородице
Машина Сама Собирается Мем Hd Version
No Next Time Late Yungin Remix Chasing Madison Epidemic Sound
Пятница Проблемы Пятятся Но Не Для Всех Украине Опять Повезло
Новый УММ, или Универсальная Мем-Машина
Авторами данной работы являются лидеры итальянско-российской команды ученых, давно обосновавшиеся в США и, соответственно, выступающие от имени американских университетов. А первое, что бросается в глаза, — это название публикации, «Просто добавьте памяти», подозрительно похожее на слоган очередной рекламной кампании по продвижению нового восхитительного товара на потребительский рынок.
К сожалению, в похожей тональности выдержан и почти весь остальной текст статьи, напирающей на экономические выгоды и весьма настойчиво намекающей всем потенциальным инвесторам, что пора бежать вкладывать деньги в новейшую перспективную технологию. Неприятный осадок от столь коммерческой подачи материала о большом научном достижении, конечно же, остается. Нынешние проблемы с финансированием науки общеизвестны, поэтому акценты, расставленные то ли авторами, то ли редакцией журнала, вполне объяснимы. Но это отнюдь не означает, что рассказывать о новых и однозначно интересных вещах в науке теперь нужно только так.
Собственно статью Ди Вентры и Першина в ближайшем будущем непременно переведет и напечатает журнал «В мире науки» (русскоязычная версия Scientific American), где все желающие смогут с ней ознакомиться и сами. Ну а здесь имеет смысл рассказать о мем-компьютерах несколько иначе. С опорой, естественно, на тот же комплекс результатов от исследователей-пионеров, но только результаты эти взяты из публикаций в сугубо научных журналах — без назойливо-коммерческой обертки «популяризации».
⇡#Мем-процессоры и биология
Начало этой истории логично вести от 2008 года, когда был открыт мемристор или «резистор с памятью». Иначе говоря, давно предсказанный теоретически, но отсутствовавший на практике пассивный элемент электрических схем, способный (а) изменять проводимость в зависимости от величины проходящего через него тока, и (б) запоминать свой уровень сопротивления после того, как ток выключают.
Для специалистов, понимающих суть работы подобных вещей, тогда практически сразу стало ясно, что новое открытие сулит не только появление устройств хранения данных новой конструкции (с огромным числом элементов памяти и очень низким энергопотреблением), но и массу новых интересных областей для исследований и разработки.
Дабы суть новаций стала яснее и для неспециалистов, желательно вспомнить, что на заре вычислительной техники компьютеры развивались по двум основным направлениям — дискретному пути (упрощенно говоря, в рамках теории информации Шеннона, оперирующей битами 0 и 1) и аналоговому пути (по теории кибернетики Винера для машин и биологических организмов).
После смерти Норберта Винера в начале 1960-х «его» наука кибернетика фактически увяла, так что в последующие десятилетия компьютеры все больше и больше становились чисто цифровыми устройствами. За которыми лишь по недоразумению сохранялся термин «кибер».
Но вот теперь в компьютерных схемах появляются мемристоры, сама природа которых позволяет им запоминать не бинарную информацию, а одно из чисел достаточно большого диапазона. Иначе говоря, обозначился промежуточный элемент, концептуально сводящий в единую систему известные плюсы как дискретного, так и аналогового подхода к вычислениям.
Более того, практически сразу вслед за открытием мемристора были открыты и другие «партнеры с памятью» для остальных базовых элементов электросхем. То есть мем-конденсатор, меняющий и запоминающий свою емкость в зависимости от поданного на него напряжения. И мем-индуктор, изменяющий и сохраняющий индуктивность при переменах тока в цепи.
Вся эта новая элементная база получила у исследователей обобщенное название «мем-элементы», и на основе ее применения стали открываться удивительные вещи. Выяснилось, в частности, что крайне загадочные прежде особенности жизни простейших биологических организмов (не имеющих ни мозга, ни нервной системы, но демонстрирующих признаки разумного поведения) удается эффективно воспроизводить с помощью несложных электронных схем на основе одного или нескольких мем-элементов.
Ну а самое, пожалуй, интересное стало обнаруживаться в ситуации, когда мем-элементы объединяют в вычислительный массив. Ведь всякий мем-элемент, одновременно обладающий способностью как реагировать на входной сигнал (обрабатывать информацию), так и запоминать уровень сигнала (хранить информацию), можно рассматривать как элементарный «процессор с памятью» — или иначе, мем-процессор.
Так вот, когда подобные мем-процессоры (своей функциональностью отчетливо напоминающие работу биологических клеток-нейронов) объединяют в массив, то получается вычислительное устройство, по целому ряду своих ключевых свойств похожее скорее на мозг, нежели на привычный нам компьютер.
УМТ, УММ и Мозг
В фундаментальной основе почти любого современного компьютера лежит теоретическая концепция под названием «машина Тьюринга». То есть придуманное еще в 1930-е годы идеальное устройство, состоящее из бесконечной ленты памяти с цепочкой знаков, алгоритмически работающего процессора и головки считывания-записи, переносящей знаки данных между памятью и процессором.
Набор инструкций процессора может быть сильно сужен для решения частных задач, а может и, наоборот, быть расширен для симуляции работы любой конкретной машины Тьюринга. Тогда подобный вычислитель в принципе способен отыскивать ответ для всякой алгоритмически разрешимой задачи и носит название «универсальная машина Тьюринга», или, кратко, УМТ.
Фактически все нынешние компьютеры построены на схемах, концептуально реализующих УМТ. Если же говорить о более конкретных аспектах реализации, то в основу вычислений заложена так называемая архитектура фон Неймана, впервые воплощенная «в железе» еще на рубеже 1940-50-х годов, однако по сути сохраняющаяся и поныне в самых современных чипах микросхем. Важнейшая особенность этой архитектуры такова, что один и тот же отдельный массив памяти хранит в себе как команды программ для работы процессора, так и подлежащие обработке данные. А отсюда непосредственным образом возникает и главный дефект конструкции — под названием «бутылочное горлышко фон Неймана».
Для работы такой системы принципиально важно постоянно и в больших количествах пересылать биты информации между процессором и памятью. Повышение же производительности компьютера с необходимостью влечет и резкое возрастание таких транспортировок, на которые «вхолостую» приходится расходовать как основную часть времени работы устройства, так и огромную долю энергозатрат. Когда же эти конструктивные особенности архитектуры массово накладываются на всю ту гигантскую энергию, что впустую теряется компьютерами в виде тепловыделения, то получается вот что. По грубым прикидкам, на сегодняшний день все в совокупности компьютеры, обрабатывающие и пересылающие информацию на планете, потребляют уже около 15% от той электроэнергии, что глобально вырабатывается мировой индустрией.
При тех же темпах роста к 2030 году глобальное потребление электричества лишь одной только бытовой компьютерной электроникой сравняется с нынешним совокупным энергопотреблением в США и Японии, вместе взятых. Стоимость таких энергозатрат составляет 200 миллиардов долларов ежегодно.
С другой стороны, известен простой и любопытный факт. На многих задачах, для решения которых современным суперкомпьютерам требуется энергия, достаточная для обеспечения электричеством небольшого города, человеческий мозг делает ту же работу (типа разговаривать, распознавать, анализировать) с энергозатратами меньшими, чем содержится калорий в миске овсяной каши. А потому совсем не удивительно, что компьютерным ученым очень хотелось бы понять работу мозга и скопировать его возможности. Принципиальной проблемой здесь долго было то, что мозг построен из нейронов, которые функционируют сильно иначе, нежели кремниевые схемы на основе транзисторов. А цифровые модели нейронов и нейросетей в аспектах энергопотребления зачастую еще менее экономичны, чем обычные компьютеры.
При подобных раскладах новые мем-процессоры стали именно той технологией, что особо привлекательна для моделирования работы мозга. Во-первых, из-за устройства памяти и процессора в виде единого мем-элемента, так что проблемы бутылочного горлышка фон Неймана здесь нет в принципе. Во-вторых, теоретиками строго доказано, что мем-компьютер во всех отношениях позволяет моделировать работу УМТ, а значит сам он имеет все основания именоваться «универсальной мем-компьютерной машиной» или кратко УММ.
Ну а самое главное, в-третьих, мем-компьютеры обладают целым рядом таких функциональных особенностей, которые, с одной стороны, вовсе не характерны для УМТ, а с другой делают их работу очень похожей на работу мозга.
Два П и наложение информации
Итак, для ясности, в компьютерной науке теперь появилась новая концепция УММ, или универсальной мем-компьютерной машины. Это класс таких вычислителей общего назначения, которые применяют свои базовые элементы конструкции двояко: как для хранения информации, так и для ее обработки (отчего такие элементы именуются мем-процессорами).
Новые УММ обладают целым рядом уникальных свойств, не только отличающих мем-компьютеры от машин Тьюринга, но и отражающих специфические особенности нашего мозга. Системы УММ работают на основе (а) внутренне присущего им параллелизма (их функции перехода от одного состояния к другому действуют одновременно на все мем-процессоры), (б) электронного полиморфизма (здесь нет нужды менять топологию схемы для вычисления различных функций, достаточно просто изменять входные сигналы); и (в) информационного наложения (физически соединенные друг с другом мем-процессоры позволяют хранить и извлекать такие количества информации, которые не просто пропорциональны количеству ячеек памяти, но могут быть ощутимо больше — нечто вроде информационного аналога для нелинейных эффектов в физике).
Подробнее объяснить каждую из этих уникальных особенностей удобно на конкретных примерах.
Если говорить о внутренне присущем параллелизме мем-компьютеров, то благодаря ему, в частности, здесь чрезвычайно быстро решается проблема прохождения лабиринта. Рассмотрим сеть мемристоров, каждый из которых отвечает за свой поворот в лабиринте (и изначально находится в состоянии высокого сопротивления). Если приложить всего единственный импульс тока к точкам входа в лабиринт и выхода из него, то электроток пойдет только по маршруту решения, от входа к выходу, а на путях в тупики он будет заблокирован. Там же, где ток проходит, он уменьшает величину сопротивления соответствующих мемристоров. Поэтому, когда импульс исчезает, решение проблемы остается сохраненным лишь в тех элементах, которые изменили свое состояние. Иначе говоря, задача решена, а решение зафиксировано всего лишь за один такт вычислений. Все мемристоры схемы вычисляли это решение параллельно, в одно и то же время.
Такого рода параллельная обработка УММ полностью отличается от нынешних версий распараллеленного компьютинга. Где большое количество процессоров вычисляет различные части программы, а затем они сообщаются друг с другом, чтобы прийти к финальному ответу. Там по-прежнему требуется много энергии и времени для передачи информации между всеми этими процессорами и модулями памяти, которые с ними связаны, но физически являются отдельными элементами. В мем-компьютерной схеме для всех этих ухищрений просто нет необходимости.
Суть второй особенности, полиморфизма УММ, удобно пояснить на другом примере. В 2013 году исследователи предложили концепцию новой оперативной памяти типа «динамическая вычисляющая RAM», или DCRAM. В стандартной нынешней DRAM каждый бит информации, отвечающий за код программы, представлен зарядом, который хранится отдельным конденсатором. Понятно, что для хранения программы требуется весьма большое количество конденсаторов. Если же в чипе при его изготовлении заменить конденсаторы мем-конденсаторами (технически это уже возможно), то количество нужных элементов памяти радикально сокращается.
Иначе говоря, в УММ совершенно не требуется менять физическую архитектуру, чтобы устроить работу тех или иных функций. Это, собственно, и есть полиморфизм — способность одного элемента выполнять разные операции в зависимости от разных типов сигнала на входе.
Мы знаем, что мозг обладает такого рода полиморфизмом. Нашим нынешним компьютерам это не свойственно, поскольку схемы их процессоров жестко зафиксированы. Ну а грядущие мем-компьютеры, как показывают симуляции и эксперименты, уже вполне можно называть полиморфными вычислителями. Технологически для их создания уже сейчас нет никаких препятствий, но вот для эффективной работы, вполне очевидно, потребуются существенно новые программы управления и операционные системы.
Наконец, третье, особо тонкое и важное свойство систем УММ, требующее специального программирования, получило от авторов название «информационное наложение» (information overhead). Эта самостоятельная особенность напрямую зависит от способа физических связей, которыми мем-процессоры соединены друг с другом. Можно сказать, что эффект наложения информации — это способность взаимодействующей сети мем-процессоров хранить и сжимать такие информационные объемы, которые ощутимо превосходят то, что возможно для тех же самых, но не взаимодействующих мем-процессоров.
Пояснить эту нетривиальную механику опять-таки лучше на конкретном примере мем-компьютинга. Одна из тяжелейших задач в компьютерной науке — это вычисление всех свойств у больших последовательностей чисел. В частности, отыскание сумм для всех возможных подмножеств массива (что тесно соприкасается с задачей вскрытия шифров, среди прочего). Если, к примеру, дать компьютеру 100 произвольных целых чисел и поставить задачу отыскания такого подмножества, где сумма слагаемых дает нуль, то машине придется работать очень и очень долго. Компьютеру придется тупо перебирать все возможные подмножества, а затем суммировать в них все числа. Время обработки для такого перебора вариантов нарастает чудовищно быстро или экспоненциально, как выражаются в математике. Если, скажем, на проверку массива из 10 чисел требуется лишь 1 секунда, то для проверки 100 чисел это уже будет 10 27 секунд — миллионы триллионов лет работы.
Если же бросить на решение этой задачи правильно подготовленный мем-компьютер, то происходит удивительное физико-математическое чудо. Как и в задаче с решением лабиринта, мем-компьютер способен проверять все подмножества массива и вычислять их суммы всего лишь за один единственный шаг — в духе подлинного параллелизма. Как показали реальные эксперименты, здесь всем мем-процессорам, работающим слаженно и одновременно, для решения той же самой задачи требуется всего одна секунда.
Для описания практического эксперимента и теоретического разъяснения столь феноменального результата исследователями подготовлено уже несколько статей, безусловно, очень интересных для специалистов. Ну а здесь достаточно просто подвести главный итог столь неординарного открытия. Фактически ныне в деталях продемонстрировано, каким образом линейно увеличиваемое число взаимосвязанных мем-процессоров в УММ-системе оказывается способным обработать (хранить и сжимать) количество данных, которое возрастает несравнимо быстрее — в экспоненциальном масштабе.
Собственно говоря, именно вот этот физически особенный тип взаимодействия наиболее сильно напоминает то, что согласованно делают нейроны мозга. И именно это, по убеждению исследователей, лежит в основе фундаментального отличия систем УММ от нынешних компьютеров на основе машины Тьюринга.
Отчего и создается сильнейшее ощущение, что при изучении богатых свойств мем-компьютерных систем человеку предстоит еще немало узнать нового и неожиданного об устройстве собственного мозга.
Ссылки на ключевые научные публикации по мем-компьютерам
Дополнительные материалы по теме, популярно на русском языке