เงินสดควอนตัมและการสิ้นสุดของการปลอมแปลง

เงินสดควอนตัมและการสิ้นสุดของการปลอมแปลง

jumbo jili

นับตั้งแต่มีการประดิษฐ์เงินกระดาษ ผู้ปลอมแปลงได้ผลิตธนบัตรปลอมออกมา งานฝีมือบางส่วนของพวกเขาซึ่งสร้างขึ้นด้วยหมึก กระดาษ และแท่นพิมพ์ที่มีเทคโนโลยีสูงนั้นดีมากจนยากที่จะแยกแยะจากของจริง ธนาคารแห่งชาติต่อสู้กับผู้ปลอมแปลงด้วยลายน้ำ โฮโลแกรม และมาตรการที่ซับซ้อนอื่นๆ แต่เพื่อให้เงินได้รับการปกป้องอย่างสูงสุด นักฟิสิกส์ควอนตัมบางคนจึงหันไปใช้ความแปลกประหลาดที่ควบคุมอนุภาคพื้นฐานของธรรมชาติ

สล็อต

ในขณะนี้ แนวคิดเรื่อง “เงินควอนตัม” อยู่บนกระดานวาดภาพเป็นอย่างมาก นั่นไม่ได้หยุดนักวิจัยจากการไตร่ตรองว่าจะใช้รูปแบบการเข้ารหัสแบบใด หรือจากการสงสัยว่าเทคโนโลยีที่ใช้สร้างสถานะควอนตัมสามารถย่อขนาดลง “จนถึงจุดที่เหมาะสมในกระเป๋าสตางค์ของคุณ” Scott Aaronsonสถาบัน MIT กล่าว นักวิทยาศาสตร์คอมพิวเตอร์ที่ทำงานเกี่ยวกับเงินควอนตัม “นี่คือนิยายวิทยาศาสตร์ แต่เป็นนิยายวิทยาศาสตร์ที่ไม่ละเมิดกฎฟิสิกส์ที่เป็นที่รู้จัก”
กฎหมายที่ควบคุมอนุภาคย่อยของอะตอมแตกต่างอย่างมากจากกฎที่ควบคุมประสบการณ์ในชีวิตประจำวัน กฎควอนตัมที่เกี่ยวข้องในที่นี้คือทฤษฎีบทที่ไม่มีการโคลน ซึ่งบอกว่าเป็นไปไม่ได้ที่จะคัดลอกสถานะของอนุภาคควอนตัมอย่างแน่นอน นั่นเป็นเพราะการทำซ้ำสถานะของอนุภาคนั้นเกี่ยวข้องกับการวัด—และการวัดจะเปลี่ยนคุณสมบัติโดยรวมของอนุภาค ในบางกรณี ซึ่งคุณรู้อยู่แล้วเกี่ยวกับสถานะที่เป็นปัญหา กลศาสตร์ควอนตัมอนุญาตให้คุณวัดคุณลักษณะหนึ่งของอนุภาคได้ แต่ในการทำเช่นนั้น คุณทำให้ไม่สามารถวัดคุณลักษณะอื่นๆ ของอนุภาคได้
กฎนี้บอกเป็นนัยว่าหากคุณใช้เงินที่เชื่อมโยงกับอนุภาคควอนตัม โดยหลักการแล้ว คุณสามารถทำให้มันเป็นไปไม่ได้ที่จะคัดลอก: มันจะเป็นหลักฐานการปลอมแปลง
นักฟิสิกส์ผู้มีวิสัยทัศน์Stephen Wiesnerได้คิดค้นแนวคิดเรื่องเงินควอนตัมในปี 1969 เขาแนะนำว่าธนาคารควรใส่โฟตอนหนึ่งร้อยหรือมากกว่านั้น ซึ่งเป็นอนุภาคควอนตัมของแสงลงในธนบัตรแต่ละใบ เขาไม่มีความคิดที่ชัดเจนว่าจะทำเช่นนั้นได้อย่างไร และวันนี้ไม่มีนักฟิสิกส์ด้วย แต่ก็ไม่เป็นไร ยังคงเป็นแนวคิดที่น่าสนใจ เพราะธนาคารผู้ออกบัตรสามารถสร้างลายน้ำลับเล็กๆ ได้โดยการโพลาไรซ์โฟตอนด้วยวิธีพิเศษ
ในการตรวจสอบธนบัตรในภายหลัง ธนาคารจะตรวจสอบแอตทริบิวต์เดียวของแต่ละโฟตอน (เช่น โพลาไรเซชันในแนวตั้งหรือแนวนอน) โดยปล่อยให้แอตทริบิวต์อื่นๆ ทั้งหมดไม่ได้วัด จากนั้นธนาคารจะสามารถตรวจสอบความถูกต้องของธนบัตรได้โดยการตรวจสอบบันทึกว่าโฟตอนถูกตั้งค่าอย่างไรในตอนแรกสำหรับใบเรียกเก็บเงินนี้ ซึ่งธนาคารสามารถค้นหาได้โดยใช้หมายเลขซีเรียลที่พิมพ์ออกมาของใบเรียกเก็บเงิน
ต้องขอบคุณทฤษฎีบทที่ไม่มีการโคลนนิ่ง ผู้ปลอมแปลงไม่สามารถวัดคุณลักษณะทั้งหมดของโฟตอนแต่ละอันเพื่อสร้างสำเนาได้ และเขาไม่สามารถวัดแอตทริบิวต์เดียวที่สำคัญสำหรับแต่ละโฟตอนได้เพราะมีเพียงธนาคารเท่านั้นที่จะรู้ว่าแอตทริบิวต์เหล่านั้นเป็นอย่างไร
แต่นอกเหนือจากความท้าทายทางวิศวกรรมที่น่ากลัวในการจัดเก็บโฟตอนหรืออนุภาคควอนตัมอื่น ๆ แล้ว ยังมีปัญหาพื้นฐานอีกอย่างหนึ่งเกี่ยวกับรูปแบบนี้: เป็นการเข้ารหัสแบบส่วนตัว มีเพียงธนาคารผู้ออกบัตรเท่านั้นที่สามารถตรวจสอบธนบัตรได้ “อุดมคติคือเงินควอนตัมที่ทุกคนสามารถตรวจสอบได้” Aaronson กล่าว – เช่นเดียวกับที่พนักงานร้านค้าทุกคนในสหรัฐอเมริกาสามารถเก็บบิล 20 ดอลลาร์ไว้กับแสงเพื่อค้นหาแถบพลาสติกที่ฝังอยู่
นั่นจะต้องใช้การเข้ารหัสสาธารณะบางรูปแบบ และทุกรูปแบบที่นักวิจัยสร้างมาจนถึงตอนนี้ก็อาจถอดรหัสได้ แต่ก็ยังคุ้มค่าที่จะสำรวจว่ามันทำงานอย่างไร การตรวจสอบระหว่างคนสองคนจะเกี่ยวข้องกับ “กล่องดำ” บางชนิด ซึ่งเป็นเครื่องที่ตรวจสอบสถานะของเงินควอนตัมและแยกเฉพาะคำตอบว่า “ถูกต้อง” หรือ “ไม่ถูกต้อง” แผนการตรวจสอบสาธารณะที่เสนอส่วนใหญ่สร้างขึ้นจากความสัมพันธ์ทางคณิตศาสตร์บางประเภทระหว่างสถานะควอนตัมของธนบัตรและหมายเลขซีเรียล ดังนั้นเครื่องตรวจสอบจะใช้อัลกอริทึมเพื่อตรวจสอบคณิตศาสตร์ เครื่องตรวจสอบนี้และอัลกอริธึมที่ตามมาจะต้องได้รับการออกแบบมาเพื่อให้แม้ว่าพวกเขาจะตกไปอยู่ในมือของผู้ปลอมแปลง แต่เขาไม่สามารถใช้มันเพื่อสร้างของปลอมได้
เร็วที่สุดเท่าที่นักวิจัยเงินควอนตัมได้เสนอแผนการเข้ารหัส เพื่อนร่วมงานของพวกเขาได้ถอดรหัส แต่เห็นได้ชัดว่าทุกคนมีความสนุกสนานอย่างมาก เมื่อเร็ว ๆ นี้ Aaronson และเอ็มไอทีของเขาทำงานร่วมกันพอล Christiano นำออกมาเป็นข้อเสนอ [PDF] ที่หมายเลขประจำแต่ละธนบัตรมีการเชื่อมโยงไปเป็นจำนวนมากของอนุภาคควอนตัมที่ถูกผูกไว้ด้วยกันโดยใช้เคล็ดลับควอนตัมที่รู้จักกันเป็นสิ่งกีดขวาง
ทั้งหมดนี้เป็นพายบนท้องฟ้าจนกว่าวิศวกรจะสามารถสร้างระบบทางกายภาพที่สามารถรักษาสถานะควอนตัมไว้ในเงินได้ และนั่นอาจเป็นความท้าทายที่ยิ่งใหญ่ที่สุด การดำเนินการเศรษฐกิจควอนตัมจะทำให้ผู้คนต้องเก็บข้อมูลที่เข้ารหัสในโพลาไรเซชันของโฟตอนหรือการหมุนของอิเล็กตรอน พูด ตราบเท่าที่พวกเขาต้องการเงินสดเพื่อนั่งในกระเป๋าของพวกเขา แต่รัฐควอนตัมมีความเปราะบางฉาวโฉ่: พวกเขา“ decohere ” และสูญเสียคุณสมบัติควอนตัมของพวกเขาหลังจากช่วงเวลาสั้นเฉื่อยชาของเวลา “คุณต้องป้องกันไม่ให้มันถอดรหัสในกระเป๋าสตางค์ของคุณ” Aaronson กล่าว
สำหรับนักวิจัยหลายคนที่ทำให้เงินควอนตัมที่ห่างไกลมากยิ่งขึ้นกว่าที่เป็นประโยชน์คอมพิวเตอร์ควอนตัม Michele Moscaจาก Institute for Quantum Computing แห่ง University of Waterloo ในแคนาดากล่าวว่า “ในปัจจุบันนี้ เป็นเรื่องยากที่จะจินตนาการว่ามีเงินควอนตัมที่ใช้งานได้จริงก่อนที่จะมีคอมพิวเตอร์ควอนตัมขนาดใหญ่ และคอมพิวเตอร์ที่เร็วมากเหล่านี้ยังต้องเอาชนะปัญหาการถอดรหัสก่อนที่จะเป็นไปได้
หากวิศวกรประสบความสำเร็จในการสร้างคอมพิวเตอร์ควอนตัมที่สามารถส่งข้อมูลผ่านเครือข่ายใยแก้วนำแสงในรูปแบบของโฟตอนที่เข้ารหัสได้เงินควอนตัมอาจมีวันนี้ บนอินเทอร์เน็ตควอนตัมนี้ ธุรกรรมทางการเงินไม่เพียงแต่จะปลอดภัยเท่านั้น แต่ยังเกิดขึ้นได้ชั่วคราวเมื่อวัดโฟตอนแล้ว จะไม่มีร่องรอยการมีอยู่ของพวกมัน ในยุคของเงินสดดิจิทัลในปัจจุบัน เราได้ปลดเปลื้องภาระเก่าที่ต้องแบกรับเหรียญโลหะหนัก หรือแม้แต่ธนบัตรจำนวนมาก ด้วยเงินควอนตัม กระเป๋าและกระเป๋าเงินของเราอาจว่างเปล่าในที่สุด
การค้นหาอัลกอริธึมที่ทำงานได้ดีบนระบบเซลล์ประสาท 8 ล้านเซลล์และการเพิ่มประสิทธิภาพอัลกอริธึมเหล่านั้นในซอฟต์แวร์นั้นเป็นความพยายามอย่างมาก เขากล่าว ถึงกระนั้นผลตอบแทนก็อาจมีมหาศาล โครงข่ายประสาทเทียมที่คล้ายกับสมองมากกว่า เช่น Loihi อาจมีภูมิคุ้มกันต่อปัญญาประดิษฐ์บางตัว เนื่องจากขาดคำพูดที่ดีกว่า ความโง่เขลา
ตัวอย่างเช่น โครงข่ายประสาทในปัจจุบันประสบกับสิ่งที่เรียกว่าการลืมอย่างหายนะ หากคุณพยายามสอนโครงข่ายประสาทที่ได้รับการฝึกฝนให้รู้จักสิ่งใหม่ เช่น ป้ายบอกทางใหม่ โดยเพียงแค่เปิดเผยเครือข่ายไปยังอินพุตใหม่ ก็จะรบกวนเครือข่ายมากจนไม่สามารถจดจำสิ่งใดๆ ได้ เพื่อหลีกเลี่ยงปัญหานี้ คุณต้องฝึกเครือข่ายใหม่ทั้งหมดตั้งแต่ต้น (โปรแกรมLifelong Learning หรือ L2M ของ DARPA ทุ่มเทให้กับการแก้ปัญหานี้ )
(นี่คือการเปรียบเทียบที่ฉันชอบที่สุด: สมมติว่าคุณเป็นโค้ชทีมบาสเก็ตบอล และคุณยกตาข่ายขึ้น 30 เซนติเมตรโดยที่ไม่มีใครมองอยู่ ตอนแรกผู้เล่นอาจจะพลาดไปหลายคน แต่พวกเขาจะคิดออกอย่างรวดเร็ว ถ้าผู้เล่นเหล่านั้นเป็นเหมือนวันนี้ โครงข่ายประสาทเทียม คุณจะต้องดึงมันออกจากสนามและสอนพวกเขาทั้งเกมอีกครั้ง—เลี้ยงบอล, ส่งบอล, ทุกอย่าง)
Loihi สามารถเรียกใช้เครือข่ายที่อาจมีภูมิคุ้มกันต่อการลืมอย่างหายนะ หมายความว่าเรียนรู้เหมือนมนุษย์อีกเล็กน้อย อันที่จริง มีหลักฐานจากความร่วมมือด้านการวิจัยกับกลุ่มของ Thomas Clelandที่ Cornell University ว่า Loihi สามารถบรรลุสิ่งที่เรียกว่าการเรียนรู้แบบครั้งเดียวได้ นั่นคือการเรียนรู้คุณลักษณะใหม่หลังจากที่ได้สัมผัสเพียงครั้งเดียว กลุ่มคอร์เนลล์แสดงสิ่งนี้โดยสรุปแบบจำลองของระบบการดมกลิ่นเพื่อให้ทำงานบนโลอิฮิ เมื่อได้สัมผัสกับกลิ่นเสมือนจริงแบบใหม่ ระบบไม่เพียงแต่ไม่ลืมทุกสิ่งทุกอย่างที่มันได้กลิ่นอย่างหายนะ แต่ยังเรียนรู้ที่จะรับรู้กลิ่นใหม่จากการสัมผัสเพียงครั้งเดียว

สล็อตออนไลน์

Loihi ยังอาจเรียกใช้อัลกอริธึมการแยกคุณลักษณะที่มีภูมิคุ้มกันต่อการโจมตีของฝ่ายตรงข้ามที่ทำให้ระบบจดจำภาพในปัจจุบันสับสน โครงข่ายประสาทเทียมแบบดั้งเดิมไม่เข้าใจคุณลักษณะที่ดึงมาจากภาพในลักษณะที่สมองของเราทำ “พวกเขาสามารถหลอกได้ด้วยการโจมตีแบบง่าย ๆ เช่น การเปลี่ยนพิกเซลแต่ละพิกเซลหรือเพิ่มหน้าจอแสดงสัญญาณรบกวนที่จะไม่หลอกมนุษย์ไม่ว่าด้วยวิธีใด” เดวีส์อธิบาย แต่อัลกอริธึมการเข้ารหัสแบบเบาบาง Loihi สามารถทำงานได้เหมือนกับระบบการมองเห็นของมนุษย์ ดังนั้นจึงไม่ตกเป็นเหยื่อของฉ้อฉลดังกล่าว (น่าเป็นห่วงมนุษย์ไม่มีภูมิคุ้มกันอย่างสมบูรณ์ต่อการโจมตีดังกล่าว )
นักวิจัยยังใช้ Loihi เพื่อปรับปรุงการควบคุมแบบเรียลไทม์สำหรับระบบหุ่นยนต์ ตัวอย่างเช่น เมื่อสัปดาห์ที่แล้วที่Telluride Neuromorphic Cognition Engineering Workshopซึ่งเป็นเหตุการณ์ที่ Davies เรียกว่า “ค่ายฤดูร้อนสำหรับผู้สนใจเรื่อง neuromorphics” นักวิจัยทำงานอย่างหนักโดยใช้ระบบ Loihi เพื่อควบคุมโต๊ะฟุตบอล “มันทำให้ผู้คนคลั่งไคล้” เขากล่าว “แต่มันเป็นภาพประกอบที่ดีของเทคโนโลยี neuromorphic รวดเร็ว ต้องการการตอบสนองที่รวดเร็ว การวางแผนที่รวดเร็ว และความคาดหวัง นี่คือสิ่งที่ชิป neuromorphic ทำได้ดี”
กาลครั้งหนึ่งข้อมูลถูกเก็บไว้ในสมองของมนุษย์เท่านั้น และกวีโบราณสามารถใช้เวลาหลายชั่วโมงในการเล่าเรื่องราวความขัดแย้งและการพิชิต จากนั้นจึงคิดค้นการจัดเก็บข้อมูลภายนอก
กระบอกและเม็ดดินเหนียวขนาดเล็กที่ประดิษฐ์ขึ้นในสุเมเรียนเมื่อ 5,000 ปีก่อน มักมีอักขระรูปลิ่มเพียงโหล เทียบเท่ากับสองสามร้อยไบต์ (10 2 B) Oresteiaเป็นตอนจบของโศกนาฏกรรมกรีกโดยอีส (ห้าศตวรรษที่คริสตศักราช) จำนวนประมาณ300,000 B (10 5 B) สมาชิกวุฒิสภาผู้มั่งคั่งบางคนในจักรวรรดิโรมมีห้องสมุดที่มีม้วนหนังสือหลายร้อยเล่ม โดยมีคอลเล็กชั่นขนาดใหญ่หนึ่งชุดที่มีอย่างน้อย 10 8 B (100 เมกะไบต์)
การเปลี่ยนแปลงครั้งใหญ่เกิดขึ้นกับแท่นพิมพ์ของ Johannes Guttenberg โดยใช้แบบเคลื่อนย้ายได้ 1500 น้อยกว่าครึ่งศตวรรษหลังจากการแนะนำการพิมพ์ของเครื่องพิมพ์ยุโรปได้ออกมากกว่า11,000 ฉบับหนังสือเล่มใหม่ การพิมพ์ที่เพิ่มขึ้นอย่างไม่ธรรมดาเกิดขึ้นร่วมกับข้อมูลที่จัดเก็บในรูปแบบอื่นๆ อันดับแรกคือโน้ตเพลงประกอบ ภาพประกอบ และแผนที่ จากนั้น ในศตวรรษที่ 19 ภาพถ่าย การบันทึกเสียง และภาพยนตร์ก็เกิดขึ้น งานอ้างอิงและบทสรุปทางสถิติอื่นๆ ที่ตีพิมพ์เป็นประจำในช่วงศตวรรษที่ 20 มาจากโหมดการจัดเก็บแบบใหม่ โดยเฉพาะเทปแม่เหล็กและบันทึกที่เล่นมานาน

jumboslot

เริ่มต้นในปี 1960 คอมพิวเตอร์ได้ขยายขอบเขตของการแปลงเป็นดิจิทัลไปสู่การถ่ายภาพทางการแพทย์ ( แมมโมแกรมดิจิทัล [PDF] คือ 50 MB) ภาพยนตร์แอนิเมชัน (2–3 กิกะไบต์) การโอนเงินข้ามทวีป และการส่งอีเมลขยะจำนวนมากในท้ายที่สุด (มากกว่า 100 ฉบับ) ล้านข้อความที่ส่งทุกนาที) ข้อมูลที่จัดเก็บแบบดิจิทัลดังกล่าวแซงหน้าสื่อสิ่งพิมพ์ทั้งหมดอย่างรวดเร็ว บทละครและบทกวีของเชกสเปียร์มีขนาด 5 MB เทียบเท่ากับภาพถ่ายความละเอียดสูงเพียงภาพเดียว หรือเสียงที่มีความเที่ยงตรงสูง 30 วินาที หรือวิดีโอความละเอียดสูงที่สตรีมแปดวินาที
สื่อสิ่งพิมพ์จึงถูกลดขนาดลงเหลือเพียงส่วนเล็ก ๆ ของการจัดเก็บข้อมูลทั่วโลกโดยรวม ภายในปี 2543 หนังสือทุกเล่มในหอสมุดรัฐสภามีลำดับ 10 13บี (มากกว่า 10 เทราไบต์) แต่นั่นน้อยกว่า 1 เปอร์เซ็นต์ของคอลเลกชันทั้งหมด (10 15บี ประมาณ 3 เพตาไบต์) เมื่อภาพถ่ายทั้งหมด เพิ่มแผนที่ ภาพยนตร์ และการบันทึกเสียง
และในศตวรรษที่ 21 ข้อมูลนี้ถูกสร้างขึ้นอย่างรวดเร็วยิ่งขึ้น ในการสำรวจข้อมูลล่าสุดที่สร้างขึ้นต่อนาทีในปี 2018 Domo [PDF] ซึ่งเป็นบริการคลาวด์ซึ่งระบุรายการวิดีโอที่สตรีมโดยผู้ใช้ Netflix มากกว่า 97,000 ชั่วโมง มีวิดีโอที่ดูเกือบ 4.5 ล้านรายการบน YouTube และมีคำขอคาดการณ์สภาพอากาศเพียง 18 ล้านรายการ ช่องสัญญาณและข้อมูลอินเทอร์เน็ตอื่นๆ มากกว่า 3 พันล้านล้านไบต์ (3.1 เพตาไบต์) ที่ใช้ในสหรัฐอเมริกาเพียงประเทศเดียว ภายในปี 2559 อัตราการสร้างข้อมูลทั่วโลกประจำปีเกิน 16 ZB (หนึ่งเซตตาไบต์คือ 10 21 B) และภายในปี 2568 คาดว่าจะเพิ่มขึ้นตามลำดับความสำคัญอื่น นั่นคือประมาณ 160 ZB หรือ 10 23 B. และ ตามข้อมูลของ Domo ภายในปี 2020 ข้อมูล 1.7 MB จะถูกสร้างขึ้นทุกวินาทีสำหรับทุกๆ คนเกือบ 8 พันล้านคนทั่วโลก
ปริมาณเหล่านี้นำไปสู่คำถามที่ชัดเจน เก็บข้อมูลได้เพียงเศษเสี้ยวของข้อมูล แต่ควรเป็นส่วนใด ความท้าทายในการจัดเก็บข้อมูลนั้นชัดเจนแม้ว่าจะมีการรักษาไว้น้อยกว่า 1 เปอร์เซ็นต์ของโฟลว์นี้ และสำหรับสิ่งที่เราตัดสินใจจัดเก็บ คำถามต่อไปคือควรเก็บข้อมูลไว้นานแค่ไหน ไม่จำเป็นต้องมีการจัดเก็บตลอดไป แต่ช่วงที่เหมาะสมที่สุดคืออะไร?

slot

คำนำหน้าสูงสุดในระบบสากลของหน่วยคือ yotta, Y = 10 24 . เราจะมีไบต์จำนวนมากภายในหนึ่งทศวรรษ และเมื่อเราเริ่มสร้างข้อมูลมากกว่า 50 ล้านล้านไบต์ต่อคนต่อปี จะมีโอกาสจริงที่จะใช้ข้อมูลนี้อย่างมีประสิทธิภาพหรือไม่ การค้นหาคำนำหน้าใหม่สำหรับฐานข้อมูลขนาดใหญ่ง่ายกว่าการตัดสินใจว่ามีขนาดใหญ่เพียงพอ ท้ายที่สุด มีความแตกต่างพื้นฐานระหว่างข้อมูลที่สะสม ข้อมูลที่เป็นประโยชน์ และความรู้เชิงลึก

This entry was posted in Slot and tagged , , , , . Bookmark the permalink.