范式春梦中的地球工业文明：低熵体的困境和下一级技术台阶
@aoe96 2016-01-15 13:14:41
@资水东流 812楼 2015-12-07 13:46:00
@小q7402015-12-031 1:00:42
物质和能量是熵的两个方面，开发和利用持续的能量流的技术进步，楼主讨论的很多，但物质的负熵确从未提及。
例如工业中最常见的铁元素，从铁矿石提取出纯铁，再制成各种铁制器具，需要很多的能量，同时铁元素也在不断流失，不可能把铁矿石中的铁全部提取出来，而且各种铁制器具在使用过程中会有不断的腐蚀磨损等，腐蚀磨损就是熵增的......
-----------------------------
由于复活节岛文明的过快衰落，后来找不到相关证据了。
@资水东流 812楼 2015-12-07 13:46:00
@小q7402015-12-031 1:00:42
物质和能量是熵的两个方面，开发和利用持续的能量流的技术进步，楼主讨论的很多，但物质的负熵确从未提及。
例如工业中最常见的铁元素，从铁矿石提取出纯铁，再制成各种铁制器具，需要很多的能量，同时铁元素也在不断流失，不可能把铁矿石中的铁全部提取出来，而且各种铁制器具在使用过程中会有不断的腐蚀磨损等，腐蚀磨损就是熵增的......
-----------------------------
由于复活节岛文明的过快衰落，后来找不到相关证据了。
可能和上面网友的观点不一致：
在全球大衰退的早期（20年左右），作为梦想中解决危机的良药，科技的重要性会被继续追捧。
直到人类社会开始彻底进入成本比拼阶段。
在全球大衰退的早期（20年左右），作为梦想中解决危机的良药，科技的重要性会被继续追捧。
直到人类社会开始彻底进入成本比拼阶段。
楼主能否谈谈如果人工核聚变不能实现，唯一长久能源就是太阳能了，人类需把太阳能转化率提高到多少才能持续发展文明，或者100%也不行？
-------------------------
这就要看如何定义文明。
农业社会那样的文明靠太阳能可以近乎永久持续，当然，不能养活现在这么多人口。
靠地热能，太阳能和其它诸如水电类的可再生能源，维持二战前的文明水准和人口是可以做到的。
-------------------------
这就要看如何定义文明。
农业社会那样的文明靠太阳能可以近乎永久持续，当然，不能养活现在这么多人口。
靠地热能，太阳能和其它诸如水电类的可再生能源，维持二战前的文明水准和人口是可以做到的。
@aoe96 2016-01-21 12:31:19
目前能代表人类疆域拓展标志事件只有登陆月球了。下个目标应该是登陆火星。楼主预测下相人工核聚变，哪个目标更接近达成？还是只有完成核聚变才可能登陆火星？
-----------------------------
目前人类的技术已经勉强可以登陆火星了。
目前能代表人类疆域拓展标志事件只有登陆月球了。下个目标应该是登陆火星。楼主预测下相人工核聚变，哪个目标更接近达成？还是只有完成核聚变才可能登陆火星？
-----------------------------
目前人类的技术已经勉强可以登陆火星了。
最近alphaGo很火，又有人宣扬人类被打败了，
这证明了我前面提出的：人工智能这个噱头隔一阵子就出来闹腾一下。
20年前，有一个深蓝事件，IBM的所谓计算机打败了国际象棋方面的棋王，
无数媒体惊叹，人类完了，等等，
更多的人忧心忡忡，计算机取代人类，那人类干什么？
当然，也有正面的想法，认为人工智能会带领人类进入一个新纪元。
然并卵。
简单说一下吧：是人类编写的程序靠蛮力在一个特定方面打败了人类。
围棋是纵横19道，改成纵横17道，人类没有任何障碍，但alphaGo相关程序立马歇菜。
所谓的自主学习，都是在人类定下的规则（代码）內完成的，和人类自身的理解能力不在同一个层次。
alphaGo本质上是一群围棋入门者（程序员）借助计算机的野蛮计算能力（通过代码完成）打败了一个围棋高手。
附带说下，深度学习其实就是50年前的神经网络，这个概念10年前被Hinton再次提出，是因为CPU的计算能力大幅提高，相关代码执行时间变得可接受了。
这证明了我前面提出的：人工智能这个噱头隔一阵子就出来闹腾一下。
20年前，有一个深蓝事件，IBM的所谓计算机打败了国际象棋方面的棋王，
无数媒体惊叹，人类完了，等等，
更多的人忧心忡忡，计算机取代人类，那人类干什么？
当然，也有正面的想法，认为人工智能会带领人类进入一个新纪元。
然并卵。
简单说一下吧：是人类编写的程序靠蛮力在一个特定方面打败了人类。
围棋是纵横19道，改成纵横17道，人类没有任何障碍，但alphaGo相关程序立马歇菜。
所谓的自主学习，都是在人类定下的规则（代码）內完成的，和人类自身的理解能力不在同一个层次。
alphaGo本质上是一群围棋入门者（程序员）借助计算机的野蛮计算能力（通过代码完成）打败了一个围棋高手。
附带说下，深度学习其实就是50年前的神经网络，这个概念10年前被Hinton再次提出，是因为CPU的计算能力大幅提高，相关代码执行时间变得可接受了。
感谢一位网友的提醒，原来技术大停滞第三版的pdf文件是在微盘共享，现在微盘停止服务，所以在百度云盘提供一个下载地址
http://pan.baidu.com/s/1pLKknz1
http://pan.baidu.com/s/1pLKknz1
http://ee.ofweek.com/2016-11/ART-8420-2801-30067627.html
行业步入成熟期，企业需通过收购来继续实现发展；步入1x nm时代，继续推动半导体行业技术向前的成本越来越昂贵，促使行业呈现强者恒强赢家通吃局面；资金成本的降低，吸引企业进行收购。
行业步入成熟期，企业需通过收购来继续实现发展；步入1x nm时代，继续推动半导体行业技术向前的成本越来越昂贵，促使行业呈现强者恒强赢家通吃局面；资金成本的降低，吸引企业进行收购。
美国TFP增长率（蓝色）与美国有效研发人员数量（绿色）的变化图
美国自二战后长期保持2%上下的GDP增速。技术效率提升（TFP增长）是其中的主要驱动力，平均每年推动GDP增长了1.2-1.5%。虽然TFP增长率保持相对稳定，但是有效研发人员的数量则是1930年的23倍。换句话说， 1930年时每单位技术研发人员对推动经济增长的贡献是今天的二三十倍之多。
@忆农 2018-11-07 23:44:54
楼主，人工智能发展迅速的话是否能够填补人工技术开发的不足，创造一次技术创新的大突破？
因为把人训练成现在的尖端技术人才消耗时间太久、耗费太大，人的智慧经验无法转世再生无法直接传给下一代，而人工智能是可以自身一直传承提高的，应该对技术研发起到很有力的辅助。
-----------------------------
强人工智能就是一个超级大噱头，
目前没有任何可能性。
楼主，人工智能发展迅速的话是否能够填补人工技术开发的不足，创造一次技术创新的大突破？
因为把人训练成现在的尖端技术人才消耗时间太久、耗费太大，人的智慧经验无法转世再生无法直接传给下一代，而人工智能是可以自身一直传承提高的，应该对技术研发起到很有力的辅助。
-----------------------------
强人工智能就是一个超级大噱头，
目前没有任何可能性。
物理学基础研究正停滞不前：并不正常
新浪科技讯 北京时间11月28日消息，如今的物理学基础研究是一潭死水。一个又一个实验返回的是毫无意义的结果：没有新的粒子；没有新的维度；没有新的对称性。没错，数据中可能存在着这样或那样的异常，其中有些最终会成为真正的大新闻。但是，实验物理学家们只是在黑暗中摸索。他们不知道新的物理学会出现在哪里，而从事理论工作的同事并不能提供多少帮助。
有些人认为这是一场危机。但我不认为“危机”并不能很好地描述当前的形势：“危机”这个词太乐观了。这个词给人的印象是，理论物理学家们意识到了他们的方法错误，并开始尝试改变；换句话说，他们正在觉醒，并将放弃有缺陷的方法。然而，我没有看到任何觉醒。这一学术共同体的自我反思微不足道，甚至可以说完全没有。他们做的是40年来一直在做的事情，喋喋不休地讲述自然性和多重宇宙，然后（再一次）将他们的“预测”转移到下一个更大的粒子对撞机上。
我认为“停滞”这个词能更好地描述这一状态。让我明确一点，关于这种停滞，问题不在于实验，而是在于理论物理学家的大量错误预测。问题也不是我们缺少数据。我们拥有大量数据。但是，已有的理论——粒子物理学标准模型和“和谐宇宙模型”（cosmological concordance model）——已经对所有数据进行了很好的解释。不过，我们知道情况并非如此。现有理论是不完整的。
之所以这么说有两个原因。首先，我们知道暗物质只是用来描述某种我们不理解的东西的临时名；其次，粒子物理学的数学公式与我们用来研究引力时用的数学并不兼容。早在20世纪30年代，物理学家就知道了这两个问题。直到20世纪70年代，他们取得了很大的进展，但自此之后，物理学基础理论的发展就停滞了。如果实验中发现了什么新东西，那并不是因为有成千上万的错误预测，而只能说是“尽管”有这些错误预测，仍然取得了进展。
成千上万的错误预测听起来很惊人，但其实还是低估了。我只是总结了对物理学的预测，这些预测超出了大型强子对撞机（LHC）应该发现的标准模型：所有具有多种形状和构造的额外维度、所有的对称群，以及所有名称很花哨的新粒子。你可以通过统计论文，或者统计在该领域工作的人数和他们的平均产出来估计这些预测的数量。
他们都错了。即使在大型强子对撞机尚未获得的数据中能发现某些新的东西，我们也已经知道，理论物理学家的猜想并不成立。一个都没有。他们还需要多少证据才能证实他们的方法不能成功呢？
这一缺乏进展的漫长阶段是前所未有的。没错，从古希腊哲学家德谟克利特首次提出原子的猜想，到它们真正被探测到，花了大约两千年时间。然而，这是因为在这两千年时间里，人们除了思考物质的基本结构之外，还有许多其他事情要做，比如建造更加牢固的房屋。因此，援引年代学时间是没有意义的。我们更应该看看物理学家实际的工作时间。
对此，我也可以为你列出一些数字。是的，我爱数字，它们是如此的真实。
根据美国物理学会和德国物理学会的会员数据，在1900到2000间，物理学家的总数增加了大约100倍。这些物理学家中绝大多数都不是从事基础物理学的工作，但就出版活动而言，物理学的各个子领域都以大致相当的速度增长。而且，（撇开第二次世界大战前后的变动）出版物的数量和作者的数量基本上都呈指数性增加。
现在，为了简单起见，让我们假设今天物理学家每周工作的时间和100年前的物理学家一样长——考虑到增长是指数级的，细节并不重要。然后我们可以问：如果从今天开始算，多长时间的工作量能相当于100年前开始的40年的工作量？好好猜一下！
答案是大约14个月。只按工作时间来看，今天物理学家应当能在14个月里完成一个世纪前需要花40年才能做到的事情。
当然，你可以质疑这种“进步”不能如此简单地扩展，因为尽管大家都在谈论集体智慧，但研究毕竟都是个人完成的。这意味着，仅仅雇佣更多的人，并不能任意减少研究时间。个人也需要时间来交流和理解彼此的见解。另一方面，我们已经大大提高了信息传输的速度和便利性，我们现在还利用计算机帮助思考。无论如何，如果你想争辩说雇佣更多的人并不能有助于进步，那为什么还要雇佣他们呢？
所以，不，我对这一估计并不认真，但它解释了为什么许多人不知道目前这种前所未有的停滞现状。今天我们对基础物理学的投资比以往任何时候都多，但没有产出任何东西。这是个问题，而且是一个我们应该谈论的问题。
最近有人跟我说，利用机器学习来分析大型强子对撞机的数据标志着科学共同体正在反思。但事实并非如此。首先，粒子物理学家运用机器学习工具来分析数据已经有至少30年时间。他们现在用得更多，是因为更容易用，因为所有人都在用，还因为《自然-新闻》对此作了报道。因此，不，粒子物理学中的机器学习并不意味着反思。
另一个我必须经常忍受的评论（而非问题）是，我只是在抱怨，但对物理学家应该做什么没有任何更好的建议。
首先，这是一个愚蠢的批评，它让你更关注批评者而不是被批评者。假设我不是在批评一群物理学家，而是一群建筑师。如果我告诉公众，这些建筑师花了40年时间建造的房屋都倒塌了，那么，为什么是我来负责想出更好的房屋建造方法呢？
其次，这一批评是错的。我已经多次非常清楚地指出，理论物理学家应该做出什么改变。只是他们并不喜欢我的答案。他们应该停止尝试解决不存在的问题。一个理论不漂亮并不是问题。我所说的，是应该专注于数学上定义明确的问题。而且，看在老天份上，不要因为科学家忙于同事间流行的工作而奖励他们了。
我的这一建议并非没有根据。如果你审视物理学的历史，你会发现这门学科致力于解决能够带来突破的数学难题。看看科学的社会学，你会发现糟糕的激励手段会导致严重的低效率；你再看看科学的心理学，就知道没有人喜欢改变。
开发新的方法比发明数十种新粒子难得多，这也是他们不喜欢我的结论的原因。任何改变都会减少论文产出，而他们不希望这样。这种阻力并不是来自制度压力，而是科学家自己不愿意挪动屁股。
也许你会问，他们还能坚持多久？他们的理论“传说”还能持续存在多久？我觉得，恐怕没有什么能够阻止他们了。他们互相评审论文，互相评审基金申请，并且不断告诉彼此他们做的是好科学。他们为什么要停下来？对他们来说，一切都很顺利。他们举办会议，发表论文，讨论伟大的新想法。从内部来看，一切如常，只是没有什么有价值的结果出来。
这不是一个会自行消失的问题。（任天）
作者简介：萨拜因·霍森菲尔德（Sabine Hossenfelder）是德国法兰克福高等研究所的理论物理学家，研究领域涉及标准模型、量子引力现象和广义相对论的改进。如果你想了解更多物理学研究中存在的问题，可以阅读她的著作《在数学中迷失：美如何使物理学误入歧途》（Lost in Math： How Beauty Leads Physics Astray）。
新浪科技讯 北京时间11月28日消息，如今的物理学基础研究是一潭死水。一个又一个实验返回的是毫无意义的结果：没有新的粒子；没有新的维度；没有新的对称性。没错，数据中可能存在着这样或那样的异常，其中有些最终会成为真正的大新闻。但是，实验物理学家们只是在黑暗中摸索。他们不知道新的物理学会出现在哪里，而从事理论工作的同事并不能提供多少帮助。
有些人认为这是一场危机。但我不认为“危机”并不能很好地描述当前的形势：“危机”这个词太乐观了。这个词给人的印象是，理论物理学家们意识到了他们的方法错误，并开始尝试改变；换句话说，他们正在觉醒，并将放弃有缺陷的方法。然而，我没有看到任何觉醒。这一学术共同体的自我反思微不足道，甚至可以说完全没有。他们做的是40年来一直在做的事情，喋喋不休地讲述自然性和多重宇宙，然后（再一次）将他们的“预测”转移到下一个更大的粒子对撞机上。
我认为“停滞”这个词能更好地描述这一状态。让我明确一点，关于这种停滞，问题不在于实验，而是在于理论物理学家的大量错误预测。问题也不是我们缺少数据。我们拥有大量数据。但是，已有的理论——粒子物理学标准模型和“和谐宇宙模型”（cosmological concordance model）——已经对所有数据进行了很好的解释。不过，我们知道情况并非如此。现有理论是不完整的。
之所以这么说有两个原因。首先，我们知道暗物质只是用来描述某种我们不理解的东西的临时名；其次，粒子物理学的数学公式与我们用来研究引力时用的数学并不兼容。早在20世纪30年代，物理学家就知道了这两个问题。直到20世纪70年代，他们取得了很大的进展，但自此之后，物理学基础理论的发展就停滞了。如果实验中发现了什么新东西，那并不是因为有成千上万的错误预测，而只能说是“尽管”有这些错误预测，仍然取得了进展。
成千上万的错误预测听起来很惊人，但其实还是低估了。我只是总结了对物理学的预测，这些预测超出了大型强子对撞机（LHC）应该发现的标准模型：所有具有多种形状和构造的额外维度、所有的对称群，以及所有名称很花哨的新粒子。你可以通过统计论文，或者统计在该领域工作的人数和他们的平均产出来估计这些预测的数量。
他们都错了。即使在大型强子对撞机尚未获得的数据中能发现某些新的东西，我们也已经知道，理论物理学家的猜想并不成立。一个都没有。他们还需要多少证据才能证实他们的方法不能成功呢？
这一缺乏进展的漫长阶段是前所未有的。没错，从古希腊哲学家德谟克利特首次提出原子的猜想，到它们真正被探测到，花了大约两千年时间。然而，这是因为在这两千年时间里，人们除了思考物质的基本结构之外，还有许多其他事情要做，比如建造更加牢固的房屋。因此，援引年代学时间是没有意义的。我们更应该看看物理学家实际的工作时间。
对此，我也可以为你列出一些数字。是的，我爱数字，它们是如此的真实。
根据美国物理学会和德国物理学会的会员数据，在1900到2000间，物理学家的总数增加了大约100倍。这些物理学家中绝大多数都不是从事基础物理学的工作，但就出版活动而言，物理学的各个子领域都以大致相当的速度增长。而且，（撇开第二次世界大战前后的变动）出版物的数量和作者的数量基本上都呈指数性增加。
现在，为了简单起见，让我们假设今天物理学家每周工作的时间和100年前的物理学家一样长——考虑到增长是指数级的，细节并不重要。然后我们可以问：如果从今天开始算，多长时间的工作量能相当于100年前开始的40年的工作量？好好猜一下！
答案是大约14个月。只按工作时间来看，今天物理学家应当能在14个月里完成一个世纪前需要花40年才能做到的事情。
当然，你可以质疑这种“进步”不能如此简单地扩展，因为尽管大家都在谈论集体智慧，但研究毕竟都是个人完成的。这意味着，仅仅雇佣更多的人，并不能任意减少研究时间。个人也需要时间来交流和理解彼此的见解。另一方面，我们已经大大提高了信息传输的速度和便利性，我们现在还利用计算机帮助思考。无论如何，如果你想争辩说雇佣更多的人并不能有助于进步，那为什么还要雇佣他们呢？
所以，不，我对这一估计并不认真，但它解释了为什么许多人不知道目前这种前所未有的停滞现状。今天我们对基础物理学的投资比以往任何时候都多，但没有产出任何东西。这是个问题，而且是一个我们应该谈论的问题。
最近有人跟我说，利用机器学习来分析大型强子对撞机的数据标志着科学共同体正在反思。但事实并非如此。首先，粒子物理学家运用机器学习工具来分析数据已经有至少30年时间。他们现在用得更多，是因为更容易用，因为所有人都在用，还因为《自然-新闻》对此作了报道。因此，不，粒子物理学中的机器学习并不意味着反思。
另一个我必须经常忍受的评论（而非问题）是，我只是在抱怨，但对物理学家应该做什么没有任何更好的建议。
首先，这是一个愚蠢的批评，它让你更关注批评者而不是被批评者。假设我不是在批评一群物理学家，而是一群建筑师。如果我告诉公众，这些建筑师花了40年时间建造的房屋都倒塌了，那么，为什么是我来负责想出更好的房屋建造方法呢？
其次，这一批评是错的。我已经多次非常清楚地指出，理论物理学家应该做出什么改变。只是他们并不喜欢我的答案。他们应该停止尝试解决不存在的问题。一个理论不漂亮并不是问题。我所说的，是应该专注于数学上定义明确的问题。而且，看在老天份上，不要因为科学家忙于同事间流行的工作而奖励他们了。
我的这一建议并非没有根据。如果你审视物理学的历史，你会发现这门学科致力于解决能够带来突破的数学难题。看看科学的社会学，你会发现糟糕的激励手段会导致严重的低效率；你再看看科学的心理学，就知道没有人喜欢改变。
开发新的方法比发明数十种新粒子难得多，这也是他们不喜欢我的结论的原因。任何改变都会减少论文产出，而他们不希望这样。这种阻力并不是来自制度压力，而是科学家自己不愿意挪动屁股。
也许你会问，他们还能坚持多久？他们的理论“传说”还能持续存在多久？我觉得，恐怕没有什么能够阻止他们了。他们互相评审论文，互相评审基金申请，并且不断告诉彼此他们做的是好科学。他们为什么要停下来？对他们来说，一切都很顺利。他们举办会议，发表论文，讨论伟大的新想法。从内部来看，一切如常，只是没有什么有价值的结果出来。
这不是一个会自行消失的问题。（任天）
作者简介：萨拜因·霍森菲尔德（Sabine Hossenfelder）是德国法兰克福高等研究所的理论物理学家，研究领域涉及标准模型、量子引力现象和广义相对论的改进。如果你想了解更多物理学研究中存在的问题，可以阅读她的著作《在数学中迷失：美如何使物理学误入歧途》（Lost in Math： How Beauty Leads Physics Astray）。
对量子计算的反对
量子计算的实现方案需要实现极高的精度和巨量的变量
http://wap.sciencenet.cn/blog-268546-1153118.html?mobile=1
核心观点：
1 量子计算机什么时候会派上用场？最乐观的专家估计，需要5至10年。更谨慎的预测20到30年。（顺便说一下，在过去的20年内，内容完全一样的乐观的和谨慎的预计一直在重复）。我属于极少数，我的答案是，“在可预见的未来无法实现。”我花了几十年的时间研究量子物理和凝聚态物理，最终形成了现在这一不乐观的看法。我的看法基于我对量子计算必须克服的巨大技术挑战的理解。
2 与表面的繁荣相反，量子计算的热情已接近尾声。这是因为，几十年是技术或科学领域任何大泡沫的最长寿命。经过一段时间后，已经做出了太多未兑现的承诺，任何一直关注这个话题的人，都会对连续不断地宣布的即将到来的突破感到厌烦。更重要的是，到那时，该领域的所有终身职位都已被占用。支持者们变老了，不再那么热心。
量子计算的实现方案需要实现极高的精度和巨量的变量
http://wap.sciencenet.cn/blog-268546-1153118.html?mobile=1
核心观点：
1 量子计算机什么时候会派上用场？最乐观的专家估计，需要5至10年。更谨慎的预测20到30年。（顺便说一下，在过去的20年内，内容完全一样的乐观的和谨慎的预计一直在重复）。我属于极少数，我的答案是，“在可预见的未来无法实现。”我花了几十年的时间研究量子物理和凝聚态物理，最终形成了现在这一不乐观的看法。我的看法基于我对量子计算必须克服的巨大技术挑战的理解。
2 与表面的繁荣相反，量子计算的热情已接近尾声。这是因为，几十年是技术或科学领域任何大泡沫的最长寿命。经过一段时间后，已经做出了太多未兑现的承诺，任何一直关注这个话题的人，都会对连续不断地宣布的即将到来的突破感到厌烦。更重要的是，到那时，该领域的所有终身职位都已被占用。支持者们变老了，不再那么热心。
从
--------------------------
人类科技止步不前的原因可能有哪些？ - 陳竑的回答 - 知乎
https://www.zhihu.com/question/319488274/answer/650050609
------------------------------
转帖一张图片：
行业进入停滞期，芯片行业的暴利马上就要被中国粉碎了。
--------------------------
人类科技止步不前的原因可能有哪些？ - 陳竑的回答 - 知乎
https://www.zhihu.com/question/319488274/answer/650050609
------------------------------
转帖一张图片：
行业进入停滞期，芯片行业的暴利马上就要被中国粉碎了。
朋友发给我的一张照片：
还有一段话：
《Pharma’s broken business model: An industry on the brink of terminal decline》
文章来自诺华的研发组合投资经理，他拟合了制药行业的IRR（内部收益率），发现这一指标在过去20年的下降趋势非常稳定，并预计在2020年就会归零。这意味着两年后，新药研发从平均意义上将一无所获
还有一段话：
《Pharma’s broken business model: An industry on the brink of terminal decline》
文章来自诺华的研发组合投资经理，他拟合了制药行业的IRR（内部收益率），发现这一指标在过去20年的下降趋势非常稳定，并预计在2020年就会归零。这意味着两年后，新药研发从平均意义上将一无所获
@逃不开的周期 2019-11-05 12:01:42
期待袁老师继续更新。
-----------------------------
袁老师是我朋友，别搞错了。
期待袁老师继续更新。
-----------------------------
袁老师是我朋友，别搞错了。