:laduh::thumbup1:

Несомнено, очень удобная эргономика. Только карман брюк от нее топорщиться и ходить мешает.
http://nibler.ru/uploads/posts/2011-10/1319802323_4.jpg

tiksi добавил 27.09.2018 в 16:10
Sergio Uni, похвалю вас за упоросность.
Хочу получить ответы на (поочередно-поодиночно).
Какое применение в СЦБ могут иметь описанные радиобрелки? Конкретное применение.

Вполне конкретное - собрать достаточно большое количество и сделать из них памятник Вильяму Робинсону (1840 - 1921)!

А можно и денег на нем заработать.
Т.к. РЦ являются основным постовщиком отказов т.с., подать иск на компенсации убытков по этой причине. Принимая во внимание состояние нашего Вильяма, покойное, иск подать http://scbist.com/ против правительства СШСА.
Вмест адвокадов забъем Легона смотрящим.
В июне организуем сборище малочисленного народа сцбистов, с жиганием чучела Робинса. Притащим прессу ВВС и голос америки.
Заявить в ООН о холокосте нас и пыток РЦпями.

tiksi, неплохая идея в пятницу вмазывать с самого утра, сам к этому стремлюсь, но пока не получается :thumbup1:

И не получиться, национальность не та.
Тебе бы в соседнюю ветку, где про интелект.

Так вроде здесь про интелект...:net:

Весной этого года был запущен сервис «Диалоги», который позволяет распознавать голосовые запросы пользователей. Изначально разработчикам навыков приходилось разбирать запросы самостоятельно. К примеру, находить адрес в тексте. Теперь эту часть работы платформа берёт на себя.
Уже сейчас во многих случаях пользователи предпочитают использовать голос, а не экранную клавиатуру. Например, при управлении автомобилем. Или для поиска быстрых ответов на простые вопросы. Или для игры в «города» лёжа на диване. Но чтобы таких сценариев становилось всё больше, простого распознавания голоса в текст недостаточно.

Голосовые интерфейсы подобны запросам поисковой системе. Мы не всегда понимаем, как именно нужно сформулировать свой запрос, чтобы найти именно то, что нужно. На заре становления интернета это было большой проблемой, потому что поисковые системы искали лишь точные соответствия слов из запроса. Так и с голосом. Если мы не знаем, какую именно команду ждут от нас, то гадать будем долго.

Хороший голосовой интерфейс не должен загонять человека в тупик. Обычно разработчики решают это с помощью двух приемов. Прежде всего, ожидаемые ответы подсказывают с помощью кнопок на экране. Это полезная практика, которую мы рекомендуем не игнорировать.

Также создатели сервиса стараются разбивать сложные вопросы на серию более простых, ответы на которые проще прогнозировать. Причём в ряде случаев от пользователей требуют произносить слова строго в определённой форме и падеже. Проблема такого подхода в том, что его уже нельзя назвать естественным общением. Чем больше условностей и ограничений, тем меньше голосовое управление отличается от использования клавиатуры и кнопок. В идеале пользователь должен общаться с сервисом так же свободно, как и с человеком.

Например, пользователь может сказать « Доставьте заказ товара на Льва Толстого 16 и передайте Сергею Иванову», а не разбивать это на серию вопросов об улице, номере дома, имени и фамилии. Но это потребует от разработчика дополнительно разбирать полученные ответы. Можно делать это вручную силами оператора, но при большом потоке операторов понадобится много. А ещё операторы вряд ли будут делать это в режиме реального времени, поэтому сервис лишится возможности уточнить недостающую информацию сразу. Можно разработать технологию, которая будет автоматически находить в тексте важную информацию, классифицировать её, нормализовать и сохранять. Но это довольно трудозатратная задача.

Чтобы эффективно извлекать из текста полезные данные и корректно их классифицировать по типам, у сервиса должен быть опыт в двух важных направлениях. Прежде всего, нужно уметь собирать знания о том, какие объекты бывают. Если у вас в «словаре» нет улицы Льва Толстого, то при обработке запроса её легко спутать с именем человека и пропустить. С другой стороны, не менее важно уметь находить эти объекты в сыром тексте от пользователя. Как минимум учитывать морфологию русского языка, чтобы слово «Сергею» нашлось и превратилось в имя «Сергей».

Так сложилось, что у поисковых систем в интернете большой опыт в этих направлениях. Поисковые технологии применяются как для поиска новых объектов, так и разбора пользовательских запросов.

После того, как пользователь произносит команду, сервис распознает ее текст и извлекает слова и фразы, которые описывают определенные объекты. На текущий момент Диалоги распознают:

— имена;
— указания на местоположение;
— даты и время;
— целые и дробные числа.

Информация о распознанных объектах отправляется на сервер навыка вместе с текстом ответа пользователя. Рассмотрим на примере:

«Закажи пиццу на Льва Толстого 16 для Сергея Иванова на 10 вечера»

Сервис знает, что Лев Толстой – это не только человек, но и улица. Она также учитывает, что в адресах рядом с названиями улиц часто указывают номера домов.

Указания на местоположения могут содержать не только улицу и дом, но и город, страну или даже аэропорт.

С именами это работает примерно так же. Платформы умеет находить имя, фамилию, отчество и приводить их к именительному падежу.

Нормализация данных – важная особенность распознавания именованных данных. Если для адресов и имен это свойство не так явно бросается в глаза, то с датами и временем всё куда нагляднее. «10 вечера» автоматически превращается в «22». «Завтра» и «послезавтра» явным образом инкрементируют даты.

Искусственный интеллект

Когда в середине 20 века была создана ЭВМ, многократно увеличившая счётные возможности человека и ставшая мощнейшим операционным ускорителем процесса обработки данных, то усилия ученых были направлены на то чтобы заставить компьютер оперировать ре данными а знаниями. Но по прошествии более полувека все усилия по созданию “разумной машины” оказывались тщетными.
Компьютер способен распознавать и оперировать данными, но совершенно не понимает Знания и тем более не может ими оперировать.
Под интеллектом понимается система технологического поведения объекта в окружающем мире. Все живое и неживое наполнение окружающего нас мира является объектами. С другой стороны объект – это регистрируемая с помощью органов чувств человека самостоятельно идентифицируемая и существующая во времени и пространстве группа структурно-иерархически организованных элементов, объединённых, как общей формой в единых границах, так и единой сущностью на основе физических законов.

“Человек Разумный” (Хомо Сапиенс) отличается от неживых неодушевлённых неразумных веществ, живых неодушевлённых неразумных растений, живых одушевлённых неразумных животных тем что он, помимо своего материального тела обладает ещё и сознанием. То есть, люди, а точнее, их тела являются не только объектами с позиции физической (материальной) природы, но ещё выступают в роли ментального (сознательного) субъекта.
Отсюда становится чевидным, что только искусственное мышление и может в реальности добавить машине субъектности, сделав её действительно разумным объектом.

Таким образом, отметим, что все созданные в мире на данный момент системы ИИ являются НЕРАЗУМНЫМИ, так как не обладают мыслительными способностями.

В основе функционирования любого физического объекта, каким является тело человека или его сознание, лежат две явления, условно именуемые как:

1. Анализ регистрируемой Ситуации;
2. Синтез Реакции на ситуацию;

Объекты фауны и флоры вместе со всей неживой природой, включая человеческие тела, обладают параметрической регистрацией физических воздействий, что представляет собою физический анализ ситуации, а также способны на рефлекторные реакции, что, соответственно, представляет собою физический синтез реакции.

Физический анализ, которым пользуются объекты физического мира, базируется на функции регистрация их органами чувств и рецепторами. У объектов физического мира различают 16 видов рецепторов:
— Визио (визуальные, световые)
— Аудио (акустические, звуковые)
— Ольфацио (обонятельные)
— Гевзио (вкусовые)
— Термио (тепловые)
— Проприо (вестибулярные)
— Тактилио (кинестетические, тактильные, контактные)
— Дермио (кожные, чесоточные)
— Электрио (электрические)
— Магнетио (магнитные)
— Радио (радиочастотные)
— Рентгенио (рентгено-радиационные)
— Эмоцио (нервно-эмоциональные)
— Эксио (чувственные)
— Нестезио (болевые, нервно-болевые)
— Невропсио(нервно-нейронно-импульсные)

Все вышеперечисленные виды рецепторов подпадают под математическое и физическое понятие данных, поэтому физический анализ и представляет собою анализ данных. Соответственно, физический синтез строится исключительно на результатах физического анализа данных. Следовательно, все функции можно легко моделировать в компьютерных программах в виде физического анализа и физического синтеза.
Однако, анализ, которым является ментальная субстанция в виде человеческого сознания, использует мышление. То есть, человек владеющий субъектной функцией разума, становится мыслящим только в том случае, если он научается ОСОЗНАННО говорить, думать, понимать, осмысливать, творить, сочинять…
Только люди, помимо физического анализа (за счёт своих физиологических рецепторов), владеют ещё и ментальным (мысленным) анализом (за счёт своего аппарата сознания), то есть, человек способен производить смысловую оценку ситуации, а также люди владеют дополнительно ментальным (мысленным) синтезом, то есть, человек способен применять разумную логику реагирования, что, в целом, отвечает формату знаний, а не данных.

На сегодняшний день разработчики ИИ смогли достаточно легко добиться имитации естественного интеллекта. А вот мышление, которое способно превратить неразумное животное или даже маугли в Гомо Сапиенс – стала настоящим камнем преткновения на пути создателей ИИ. И здесь дело в том, что «человек разумный», как было сказано ранее, в отличие от трёх других категорий Объектов Природы способен оперировать не только Данными, но и Знаниями!

Мировое научно-техническое сообщество, вовлечённое в создание Супер Интеллекта, хорошо это понимает, и уверено в том, что если будет создан искомый компьютерный формат эталонных знаний, то можно будет по аналогии с нынешней технологией обработки данных создать и технологию обработки знаний, используя для этого соответствующую базу знаний (БЗ) и полагая, что если заменить в импликативном операнде аргументы в виде данных на аргументы в виде знаний, то проблема будет сразу же решена. Однако, безуспешность всех многочисленных попыток найти решение по моделированию машинного оперирования знаниями привела сегодня лишь к тому, что подавляющее большинство разработчиков ИИ либо вообще отказалось продолжать работу в данном направлении, либо пошло по иному пути — созданию технологий на основе так называемых “Искусственных Нейронных Сетей” (ИНС).

В настоящее время никто не может сказать, приведут ли ИНСы к искомому результату или нет. Тем не менее, сейчас развитые страны вкладывают солидные инвестиции именно в данное направление. Например, Китай объявил, что собирается вложить 2 миллиарда долларов США в строительство “Города Искусственного Интеллекта”, где будет сосредоточено более 400 АйТи компаний, задачей которых является сделать Китай к 2030 году мировым лидером в Сильном ИИ. С этим сейчас соперничает компания Илона Маска, объявившего, что он собирается вложить 1 миллиард долларов США в создание ИСИ.


Теперь рассмотрим трудность решения создания машинного формата Знаний и почему на данное направление поставили крест ведущие разработчики Супер Интеллекта в мире. Консолидированный ответ многих специалистов по этому поводу гласит о том, что, в отличие от термина «Данное», для понятия «Знания», к сожалению, нет пока чёткой, общепринятой и однозначной дефиниции, на основе которой можно было бы создать для знаний свой особый машинный формат, чтобы этими “оцифрованными знаниями” уже мог оперировать компьютер.

Знание — это всегда больше, чем данные. Знания и данные соотносятся между собою как, например, система и элемент, где последний является частью системы, но элемент не определяет саму систему.
В кибернетике уже существует технология распознавания данных, без чего, собственно, ими нельзя было бы оперировать. С этой целью в памяти ЭВМ создаётся база данных (БД), как, например, словарь какого-нибудь естественного языка в случае необходимости распознавания, например, графем текста. С помощью такой БД производится сравнение входного данного (графемы) с имеющимися в БД похожими Данными (графемами) с целью опознать и однозначно идентифицировать входное Данное (графему). Поэтому было бы естественно решить проблему, пойдя по аналогии и создав БЗ, чтобы сравнивать с нею все входные Знания.

Или ещё другой пример — это словосочетания и их смысл. Вот только Баз Смыслов, как БЗ, пока ещё никто не создал.

А кто бы, вообще, мог здесь помочь с решением проблемы дефиниции термина “Знание”? Если обращаться за академической помощью, то самая близкая к данной теме наука — это лингвистика, которая, на первый взгляд, и должна была бы справиться с подобной трудностью, но она, занимается, к сожалению, опять-таки, исключительно Данными, то есть, словами, графемами, семами и всё такое прочее, однако совершенно некомпетентна в области человеческого мышления и теории Знаний. Несмотря на раздел “Семантика”, лингвистическая теория не разрабатывает Базы Смыслов, которые должны содержать разнообразные словосочетания в естественных языках. Другие же науки и теории — от когнитивистики и искусственных нейронных сетей до филологии с криптографией — ещё более удалены от искомого решения. Поэтому основная причина того, что машинный формат знаний (МФЗ) доселе не был создан, заключается в доминанте принципа:

“Нельзя запрограммировать то, что нельзя описать в известных истинах”.

Таким образом получается, что, если разработать искомый МФЗ и создать на его основе БЗ, а также, если научить ЭВМ извлекать знания из информации и оперировать ими, то проблема создания ИИ разрешается, как бы, сама собою.

Однако, к сожалению, искомого результата не удастся достичь и на этом этапе, даже если кто-то и сумел бы представить Знания в машинном формате. МФЗ и БЗ — это всего лишь полдела. А вся суть заключается ещё и в том, что БЗ нужна, в свою очередь, для извлечения смысла из информации, ведь люди в реальности обмениваются смыслами, а не знаниями и данными, с помощью которых, собственно, человек лишь кодирует и декодирует смыслы, используя языковые средства. И здесь возникает уже новая проблема — как же научить компьютер понимать смысл текста или даже контекста, наподобие того, как это умеют делать люди? Ведь, человеческое сознание оперирует, как известно мыслями!


Гомо сапиенс, чтобы обмениваться информацией, приходится кодировать свои мысли различными языковыми средствами. Мысль какого-либо автора, описанная им, например, при помощи русского языка, становится информацией для всех своих адресатов, владеющих данным языком, и эту мысль впоследствии реципиентам требуется дешифровать с помощью Знаний. Вот для чего, в конечном счёте, и нужны человечеству Знания!

Итак, знания необходимы для восстановления авторской мысли из текстовой информации, что и является извлечением смысла из естественно-язычных сообщений, то есть, без знаний невозможно понять о чём говорится посредством речи, текстов, жестикуляций… Следовательно, думающему компьютеру в добавок к БЗ нужно иметь ещё и технологию извлечения смысла!

Т.е. для создания искусственно-мыслящей машины нужно разработать такое программное обеспечение, которое могло бы успешно раскодировать авторскую мысль, зашифрованную, например, в естественно-язычном тексте. Учёные и разработчики ИИ для получения желанного детища на базе ЭВМ уже испробовали на данный момент множество подходов из различных наук и теорий, привлекая и лингвистику, и статистику, и стохастику и другое. В последние годы, безуспешно перепробовав всё ранее известное, большинство энтузиастов, как было сказано выше, в деле создания компьютерного мышления направили свои основные усилия на разработку ИНС и на попытки создать ИИ, используя новое направление на основе так называемой технологии “машинного обучения”, благодаря которой достигнуты — надо отметить — весьма значимые результаты в области распознавания аудио-визуальных Объектов.

Однако, и этот подход, использующий технологию выявления каких-либо закономерностей методами статистической обработки данных и иных математических ухищрений, самостоятельно, без привлечения технологии смысловой обработки естественно-язычной информации (текстов), совершенно не способен на обработку знаний и извлечения смысла из информационного кода, каким является естественно-язычный текст.
На данный момент нет ни одной разработки, которая могла бы научить компьютер оперировать знаниями и извлекать смысл из контекста, восстанавливая авторские мысли.

.

продолжение

Недавно на зарубежных рынках появилась концепция RPA, которая базируется на использовании которая программ-роботов помогающих человеку справиться с потоком информации, и представляет собой новую технологию автоматизации бизнес-процессов. Программный робот — по сути, это программа, которая имитирует действия человека, взаимодействуя с интерфейсом какой-либо информационной системы точно так же, как человек. Пока речь не идет о цифровой трансформации бизнес-процессов предприятий, которая возможна в лице наступающей цифровой экономики. Речь идет о программных роботах, которые являются предвестниками подобной трансформации. Технология RPA становится интересной, поскольку снижает расходы (на 39 % согласно ISG Automation Index) и количество ошибок, одновременно повышая производительность труда.
Также эта технология позволяет дать инструмент бизнес-пользователю для снижения его загрузки рутинными задачами, уменьшает загрузку ИТ-специалистов, позволяет повысить эффективность, качество и экономичность.
Сегодня человеку приходится решать задачи, которые не в состоянии решить отнюдь не из-за недостаточности интеллекта, а просто из-за отсутствия достаточного мыслительного ресурса. При этом технология программ-роботов должна освободить для человека этот ресурс, снизив нагрузку на мозг.
Для человека разумного Homo Sapiens, который появился 40...50 тыс. лет мозг остаётся более или менее неизменным, как и всё его тело. Сформировавшийся в процессе эволюции мозг был приспособлен к обеспечению потребностей организма в неких условиях, которые за последние 100 лет серезно изменились. И если мы возьмём ребёнка из былых времён и посадим его за парту в современной школе, он выучится точно так же, как и все остальные. Мозг-то у него тот же самый, просто наполнение у него будет новое.
Однако в последнее время све чаще заметны признаки того, что высокие способности мозга человека, которые были заданы ему длившимся много миллионов лет эволюционным процессом подходят пределу. Судя по всему концепция RPA и призвана чтобы прийти человеку на помощь. И хотя данная концепция может разгрузить мозг человека от тяжелой рутинной работы об искусственно имнтеллекте (ИИ) речь пока не идет. Считается что якобы есть искусственному интеллекту (ИИ) можно отдать на обработку большие массивы информации. На самом же деле пока никакого ИИ в том понимании, которое вкладывают в него журналисты и обыватели, не существует. Машины работают алгоритмически, их такими сделали люди. Есть компьютеры, есть инструменты вроде бизнес-аналитики, больших данных, машинного обучения или интеллектуальной инфраструктуры. Например есть программы для игры в шахматы, или чат-боты, которые проходят тесты Тьюринга, но всё это отнюдь не ИИ. К примеру, чат-боты — это просто автоматизированные системы, имитирующие умение поддержать диалоги человека в чате не по собственной инициативе, а по предписанию остроумных алгоритмов программистов. Да, они самообучаемые. Программа так написана, что если ты сделал три ошибки, то больше так не делай. Но самообучение— не признак интеллекта.
Или вот шахматист делает ходы, которые, в принципе, невозможно вычислить даже суперкомпьютеру, потому что эти ходы делаются по наитию, по интуиции, в результате творческого акта, который компьютеру пока неведом. В середине партии шахматист просчитывает всего на 3-4 хода вперёд. Компьютер и этого сделать не может, потому что не считает все ходы, а сверяет положение фигур на доске с записанными в память шахматными партиями. В его памяти, куда компьютер постоянно подглядывает, лежат все более или менее значимые такие шахматные партии. На соревнованиях шахматисту запрещается пользоваться даже самым малым ноутбуком, ну а машина быстренько просматривает партии, находит вариант с уже известным развитием событий и делает ход из этой партии. Шахматист не может держать столько партий в голове и поэтому не может обыграть компьютер. Все основные варианты, которые уже когда-либо были разыграны, машина знает. Как её обыграешь? И причём тут ИИ? Просто с вами сражается тот, кто имеет огромную память и с неслыханной скоростью перебирает в базе данных, какой вариант больше подойдёт, причём написали эту программу люди, а не сама машина. А его сопернику-шахматисту такое делать невозможно да и нельзя.
Интеллектуальная функция человека — это творческий процесс. Это как озарение, как вспышка, когда в голове поэта рождается стихотворная строка, как делается непредсказуемое предположение, как рождается новая идея. Творческие акты — это признак интеллектуальности, а не просто решение сложных задач. Вот, например, как Григорий Перельман решил топологическую задачу Анри Пуанкаре. Когда такую задачку придумает машина, появится повод поговорить об ИИ. А пока компьютеры решают задачи алгоритмическим путём, т. е. предписанным по шагам в строгой логической их последовательности. Шаг в сторону — и уже ничего не получится.
А вот мозг человека, по-видимому, решает свои задачи не так. У него попросту не хватит времени на подобное решение пусть даже относительно несложной задачи. Подчас мысль появляется внезапно, человек как правило даже не осознаёт всю логическую цепочку, которая привела его к такому выводу. Решение приходит в голову шахматиста не путём простого пересчёта ходов. Оно не может быть вычислено. Или вот Пуанкаре сделал предположение, что некое топологическое множество гомеоморфно (взаимно однозначное соответствие) трёхмерной сфере. Доказать своё предположение цепочкой логических заключений тогда он не смог. Уже в наши дни Григорий Перельман пошагово расписал алгоритм решения, и потом ещё семь математиков разбирались, что всё верно. Так восстановили цепочку рассуждений, которую Пуанкаре перепрыгнул, как будто заглянул в ответ.
Однажды знаменитый физик и нобелевский лауреат Ричард Фейнман заинтересовался, как учёные делают свои открытия. Проанализировав научные удачи коллег, он пришёл к выводу, что все великие научные открытия сделаны внелогическим путём. Точнее, вся дорожка к этим открытиям выложена короткими цепочками — последовательностями логических ходов — и широкими провалами, через которые приходилось совершать прыжки. Следующая логическая цепочка — опять прыжок. Фейнман задался вопросом: как же учёные приходят к открытию? И сам же ответил: они догадываются. Но компьютеру нельзя прописать в программе: "догадайся". Хотя бы потому, что мы не очень понимаем, как работает наш мозг. Получается, без мозга пока никуда и заменить его не получится. Зато можно помочь.
Что же касается "настоящего" ИИ, то это будут машины со своим внутренним миром, чего в настоящее время не наблюдается. И тогда они действительно станут потенциальным конкурентом человеку, о чём человечество уже предупреждали учёные. Правда, это уже будут не машины, а существа с правом на выбор своего места под Солнцем. Если же они ещё и будут построены на чём-то более надёжном, чем органический мозг человека, то, возможно, человеку придётся даже потесниться (возможно, занявшись играми и мультимедийными развлечениями). Но в любом случае это будет нескоро (может, оно и к счастью).

брехня...

Сия теория - ловушка исключительности

Закон Мура скоро рухнет
В 1965 году американский бизнесмен и предприниматель Гордон Эрл Мур, один из основателей компании Intel, в ходе подготовки к докладу «Будущее интегральной электроники» выявил закономерность: «Число компонентов на чипе удваивается каждый год». Эта закономерность, точнее эмпирическое наблюдение, получило впоследствии наименование «Закон Мура» и позволило прогнозировать развитие электронной техники в будущем.
Уже через 10 лет «закон» пришлось корректировать: удвоение числа транзисторов в кристалле микропроцессора по независящим от законодателя причинам стало происходить не реже, чем раз в два года, а прогноз коллеги Г. Мура по компании Intel Давида Хауса говорил о том, что производительность процессоров должна удваиваться каждые полтора года.
В 2003 г. Гордон Мур пересмотрел свои взгляды на развитие компьютерной техники и заявил, что экспоненциальный рост физических величин в течение длительного времени просто невозможен. Еще через 4 года Мур наконец-то признал, что закон, названный его именем, скоро перестанет действовать из-за «атомарной природы вещества и ограничения скорости света».
Законы подобные закону Мура могли родиться только в головах людей, не очень хорошо знакомых с основами физики, математики, а именно, с сутью геометрических прогрессий. Хотя на очень узком отрезке времени такие «законы» могут быть правомочны.
Несостоятельность закона Мура будет очевидна, если вспомнить древнюю притчу про мудреца, который изобрел шахматы. Согласно легенде, мудрец попросил у правителя страны «скромное» вознаграждение: за первую клетку шахматной доски заплатить ему одно зерно пшеницы, за вторую - два, за третью - четыре и т. д. В итоге оказалось, что необходимое для оплаты количество зерна намного превышает весь урожай пшеницы, собранный за всю историю человечества.
Между тем, развитие любого объекта, в том числе технических систем во времени подчиняется более общим, более фундаментальным законам природы - законам диалектики, сформулированным еще в XVIII—XIX столетиях отцами немецкой философии Иммануилом Кантом и Георгом Гегелем. В осовремененном звучании это Закон единства и борьбы противоположностей, Закон перехода количественных изменений в качественные и Закон отрицания отрицания. Эти законы описывают, как это принято у философов, на словах то, что в физике и математике принято выражать строгими математическими формулами.
Чтобы не загромождать текст утомительными графиками и формулами можно указать лишь на одно обстоятельство, которое может опровергнуть пресловутый «закон Мура».
В основном увеличение количества компонентов (чаще всего транзисторов) на чипе происходит за счет уменьшения их физических размеров. То есть если размер транзистора уменьшится до размера нескольких атомов, то это и будет одним из факторов замедления реального роста их числа.