計算機工業(yè)在近幾十年內(nèi)飛速發(fā)展，其速度令人瞠目。然而目前晶體管的密度已近當前所用技術(shù)的理論極限，晶體管計算機能否繼續(xù)發(fā)展下去？所以，人們在不斷尋找新的計算機結(jié)構(gòu)。另一方面，人們在研究人工智能的同時，借鑒生物界的各種處理問題的方式，即所謂生物算法，提出了一些生物計算機的模型，部分模型已經(jīng)解決了一些經(jīng)典計算機難以解決的問題。
生物計算機目前主要有以下幾類：
1. 生物分子或超分子芯片：立足于傳統(tǒng)計算機模式，從尋找高效、體微的電子信息載體及信息傳遞體入手，目前已對生物體內(nèi)的小分子、大分子、超分子生物芯片的結(jié)構(gòu)與功能做了大量的研究與開發(fā)。“生物化學(xué)電路” 即屬于此。
2. 自動機模型：以自動理論為基礎(chǔ)，致力與尋找新的計算機模式，特別是特殊用途的非數(shù)值計算機模式。目前研究的熱點集中在基本生物現(xiàn)象的類比，如神經(jīng)網(wǎng)絡(luò)、免疫網(wǎng)絡(luò)、細胞自動機等。不同自動機的區(qū)別主要是網(wǎng)絡(luò)內(nèi)部連接的差異，其基本特征是集體計算，又稱集體主義，在非數(shù)值計算、模擬、識別方面有極大的潛力。
3. 仿生算法：以生物智能為基礎(chǔ)，用仿生的觀念致力于尋找新的算法模式，雖然類似于自動機思想，但立足點在算法上，不追求硬件上的變化。 4. 生物化學(xué)反應(yīng)算法：立足于可控的生物化學(xué)反應(yīng)或反應(yīng)系統(tǒng)，利用小容積內(nèi)同類分子高拷貝數(shù)的優(yōu)勢，追求運算的高度并行化，從而提供運算的效率。DNA計算機 屬于此類。以下將著重介紹自動機模型中的計算神經(jīng)網(wǎng)絡(luò)和生物化學(xué)反應(yīng)算法中的DNA計算機的模型。
計算神經(jīng)網(wǎng)絡(luò)
早在1943年心理學(xué)家W. McCulloch和數(shù)學(xué)家W. Pitts合作提出神經(jīng)元的二值邏輯模型。1949年D. Hebb提出了改變神經(jīng)元連接強度的學(xué)習(xí)規(guī)則，這一規(guī)則至今在各種網(wǎng)絡(luò)模型中起著重要作用。1962年F. Rosenblatt提出感知機模型。1982年美國物理學(xué)家J.Hopfield提出一種全新的神經(jīng)網(wǎng)絡(luò)模型 ，它體現(xiàn)了D. Marr的計算神經(jīng)理論、耗散結(jié)構(gòu)和混沌理論的基本精神，用S型曲線替代二值邏輯，引入“能量”函數(shù)，使網(wǎng)絡(luò)的穩(wěn)定性有了嚴格的判斷依據(jù)，模型具有理想記憶、分類與誤差自動校正等智能。Hopfield模型的動力學(xué)特征的分析提供了有力的研究方法。
神經(jīng)網(wǎng)絡(luò)系統(tǒng)模擬大腦的工作方式，由大量簡單的神經(jīng)元廣泛相互連接而成，形成一種拓撲結(jié)構(gòu)。大腦具有相當高級的處理信息的能力，與傳統(tǒng)計算機模型相比，大腦具有如下特征：首先是大規(guī)模并行處理能力，其次是大腦具有很強的“容錯性”和聯(lián)想功能，第三是大腦具有很強的自適應(yīng)能性和自組織性。在這些方面，目前的傳統(tǒng)計算機模型是難于實現(xiàn)的。
具體的神經(jīng)元模型主要是如何更好地反應(yīng)神經(jīng)元在刺激下發(fā)放電位的本質(zhì)。大多數(shù)模型把神經(jīng)元之間的連接考慮成線性連接，輸入層與輸出層直接相連，沒有中間所謂隱單元層。每個神經(jīng)元只能是興奮態(tài)或抑制態(tài)，任一神經(jīng)元的輸入是其他神經(jīng)元的輸出通過突觸作用的總和。如果考慮興奮態(tài)和抑制態(tài)之間的過渡情況，可以采用S型曲線來表征神經(jīng)元的非線性輸入和輸出特性，如J. Hopfield模型；也可以按照統(tǒng)計物理學(xué)的概念和方法，神經(jīng)元的輸入由神經(jīng)元狀態(tài)更新的概率來決定，如波爾茲曼機模型；還可以在神經(jīng)元的輸入與輸出層之增加中間變換層，如感知機模型；增加反向誤差校正通道的反傳播模型等等。通過對神經(jīng)元的形態(tài)與功能的不同表達，可以產(chǎn)生不同的模型。
DNA計算機
1994年,美國加州大學(xué)的L. Adleman博士在《Science》上公布了DNA計算機的理論，并成功地在DNA溶液的試管中進行了運算實驗。L. Adleman博士的DNA計算機完全是一種新的觀念。其基本設(shè)想是：以DNA堿基序列作為信息編碼的載體，利用現(xiàn)代分子生物學(xué)技術(shù)，在試管內(nèi)控制酶作用下的DNA序列反應(yīng)，作為實現(xiàn)運算的過程；即以反應(yīng)前的DNA序列作為輸入的數(shù)據(jù)，反應(yīng)后的DNA序列作為運算的結(jié)果。DNA計算機是一種化學(xué)反應(yīng)計算機。到目前為止，已有人通過DNA計算機模型進行實驗解決了一些基本的NP問題。如L. Adleman博士做的對貨郎擔(dān)問題（哈密頓圖問題，HPP）的計算，和普林斯頓大學(xué)查科普頓作的可滿足性問題（SAT問題） 。所謂NP問題 ，是指人們根據(jù)問題類的算法復(fù)雜程度的劃分而言，與P問題相對。P問題是指算法復(fù)雜性隨著問題規(guī)模的增長而呈多項式增長的算法，是可以計算的。NP問題是指指算法復(fù)雜性隨著問題規(guī)模的增長而呈指數(shù)增長的算法，是實際上不可計算的。DNA計算機的構(gòu)想是一種創(chuàng)新，具有巨大的潛力。DNA計算機運算速度快，其幾天的運算量就相當于計算機問世以來世界上所有計算機的運算總量。它的存儲容量非常巨大，而耗能卻只有一臺普通計算機的十億分子一。當然，DNA計算機畢竟只是一種理論設(shè)想，在很多方面還相當不完善。主要表現(xiàn)在：
1. 構(gòu)造的現(xiàn)實性及計算潛力。DNA計算機以編碼后的DNA序列作為輸入，在試管內(nèi)反應(yīng)完成計算，反應(yīng)產(chǎn)物及溶液給出了全部解空間，但是最優(yōu)解如何與其他解分離，怎樣輸出，是一個技術(shù)性極強的問題。目前還沒有令人滿意的輸出手段。隨著求解問題規(guī)模的擴大，輸出將成為DNA計算機的瓶頸。
2. 運算過程中的錯誤問題。在擴增DNA的過程中，有較高的錯配率，而且大量的DNA在幾百步的反應(yīng)中也會產(chǎn)生一些支路反應(yīng)。錯誤會產(chǎn)生偽解，并增加最優(yōu)解輸出的難度。
3. 人機界面。怎樣使得DNA計算機的輸入和輸出變成一般人可以接受的，否則就無法進行廣泛的應(yīng)用。
不論如何，DNA計算機的提出拓寬了人們的視野，啟發(fā)人們用算法的觀念研究生命，并向眾多領(lǐng)域提出了挑戰(zhàn)。