Ni siquiera era cierto en ese entonces. Bueno, tal vez por eso Dawkins es un biólogo y no un ingeniero. :-)
Los procesadores de hoy empaquetan miles de millones de transistores en un troquel de unos pocos centímetros cuadrados de área y menos de un mm de altura. Allí cabrían cientos de ellos en una calavera, tal vez \ $ 10 ^ {12} \ $ transistores.
Incluso si nos fijamos en los transistores discretos, cabrían más de unos pocos cientos. Supongo que SOT-23 ya existía en 1989, y luego obtendrías \ $ 10 ^ 5 \ $ - \ $ 10 ^ 6 \ $ de ellos en una calavera.
edit (2011-06-13)
Tengo una copia de The Selfish Gene , y sentía curiosidad por lo que Dawkins tenía en mente, así que lo examiné. Ella es más de ese párrafo:
La unidad básica de las computadoras biológicas, la célula nerviosa o la neurona, en realidad no es nada como un transistor en su funcionamiento interno. Ciertamente, el código en el que las neuronas se comunican entre sí parece ser un poco como los códigos de pulso de las computadoras digitales, pero la neurona individual es una unidad de procesamiento de datos mucho más sofisticada que el transistor. En lugar de solo tres conexiones con otros componentes (sic), una sola neurona puede tener decenas de miles. La neurona es más lenta que el transistor, pero ha ido mucho más lejos en la dirección de la miniaturización, una tendencia que ha dominado la industria electrónica en las últimas dos décadas. (El gen egoísta, p.49)
Alguien debe haberle dicho a Dawkins que un transistor tiene 3 pines :-).
De todos modos, no solo compara el número de neuronas (o neuronas, ¿BE?) Con los transistores, sino que también señala que la neurona es mucho más compleja, en parte debido a sus miles de conexiones. Mi estimación es que necesitaría transistores de $ 10 ^ 5 \ $ a \ $ 10 ^ 6 \ $ para emular una neurona de este tipo (¿tal vez como una computadora analógica en lugar de digital?). Lo que significa que un cráneo lleno de GPU aún no se acercaría al poder de procesamiento de un cerebro.
Y luego está el problema de todas estas conexiones. Son el verdadero poder, no solo la gran cantidad de neuronas. No tenemos la tecnología para construir sistemas tan complejos, y la OMI no lo hará durante mucho tiempo. Y luego ni siquiera estoy hablando de la naturaleza dinámica de estas conexiones: pueden reorganizarse, establecer nuevas conexiones y romper otras.
Para poner en perspectiva a todos estos imbéciles de la IA, eche un vistazo a nuestro sistema de visión. En un segundo podemos procesar una imagen estereoscópica de \ $ 10 ^ 8 \ $ píxeles, crear un modelo virtual en 3D de la escena e identificar los objetos en detalle. Mueve medio metro a la derecha y agregas muchos datos nuevos. Todavía hay un largo camino por recorrer ...