Ni siquiera era cierto. Bueno, tal vez es por eso que Dawkins es un biólogo y no un ingeniero. :-)
Hoy en día los procesadores pack de miles de millones de transistores en un morir un par de centímetro cuadrado en la zona y a menos de un mm de alto. Hay cientos de ellos en un cráneo, tal vez \$10^{12}\$ transistores.
Incluso si nos fijamos en discretos transistores no cabrían más de unos pocos cientos. Supongo SOT-23 ya existía en 1989, y entonces usted recibirá \$10^5\$-\$10^6\$ de ellos en un cráneo.
editar (2011-06-13)
Tengo una copia de El Gen Egoísta, y fue curioso lo de Dawkins tenía en mente, así que me miraba en él. Sus más de ese párrafo:
La unidad básica biológica de los equipos, la célula nerviosa o neurona, es que realmente no hay nada como un transistor en su funcionamiento interno. Ciertamente el código en el que las neuronas se comunican el uno con el otro parece ser un poco como el pulso de los códigos de las computadoras digitales, pero el individuo de la neurona es una forma mucho más sofisticada de procesamiento de datos de la unidad que el transistor. En lugar de solo tres conexiones con otros componentes (sic), una sola neurona puede tener decenas de miles de personas. La neurona es más lento que el transistor, pero ha ido mucho más lejos en la dirección de la miniaturización, una tendencia que ha dominado la industria de la electrónica en las últimas dos décadas. (El Gen Egoísta, p.49)
Alguien dijo Dawkins que un transistor tiene 3 pines :-).
De todos modos, él no sólo comparar el número de neuronas (o neuronas, SER?) a los transistores, pero también señala que la neurona es mucho más complejo, en parte debido a sus miles de conexiones. Mi conjeturar es que necesitaría \ $10^5\$ \ $10^6\$ transistores para emular una de esas neuronas (tal vez como un análogo digital en lugar de la computadora?). Lo que significa que un cráneo de peluche con Gpu todavía no se acercan a la potencia de procesamiento del cerebro.
Y luego está el problema de todas estas conexiones. Ellos son el verdadero poder, no sólo el gran número de neuronas. No tenemos la tecnología para construir tales sistemas complejos, y de la OMI no por mucho tiempo. Y entonces, yo no estoy hablando acerca de la dinámica de la naturaleza de estas conexiones: pueden reorganizarse, a hacer nuevas conexiones y de la ruptura de los demás.
Para poner todas estas AI chupones en perspectiva, echa un vistazo a nuestro sistema de visión. En un segundo podemos procesar una imagen estereoscópica de \$10^8\$ pixels, crear un virtual modelo 3D de la escena e identificar los objetos en detalle. Mover la mitad de un metro a la derecha y agregar gran cantidad de nuevos datos. Todavía hay un largo camino por recorrer...