یکی از دلایلی که چرا مردم نمی فهمند که چطور سریع AI پیشرفت می کند، ساده و حتی مسخره است: زمانی که ما سعی می کنیم آنها را بر روی کاغذ بگیریم، منحنی نمایشی به خوبی عمل نمی کند. به دلایل عملی تقریبا غیرممکن است. مسیر شیب منحنی نمایشی به طور کامل در فضا (مانند یک نمودار یا اسلاید) توصیف می شود. مراحل اولیه منحنی نمایشی آسان است. با این حال، به عنوان بخش شیب منحنی شروع به ظهور می کند و تعداد آن ها به سرعت در حال افزایش است، بیشتر به چالش کشیدن
منحنی شاخص ضبط
برای حل این مشکل فضای بصری کافی، ما از یک روش ریاضی ساده به نام لگاریتم استفاده کردیم. با استفاده از مقیاس لگاریتمی به اصطلاح، ما یاد گرفتیم که منحنی نمایشی را فشرده کنیم. متاسفانه بله، استفاده گسترده از 'مقیاس ورودی' همچنین منجر به نتایج کوتاه بیننده می شود. مقیاس لگاریتمی با این واقعیت که هر مقیاس در محور عمودی عمودی با یک افزایش ثابت (مانند یک مقیاس خطی معمول) مطابقت ندارد. این یک چندگانه است، می گویند 100 بار. نمودار کلاسیک مور در زیر استفاده از مقیاس ورود به سیستم برای توصیف رشد هزینه های محاسبه قدرت محاسبات در طول 120 سال گذشته، از تجهیزات مکانیکی در سال 1900 تا امروز گرافیکی قدرتمند مبتنی بر سیلیکون.
شکل 1: تغییر شاخص در مقیاس لگاریتمی نشان دهنده هزینه محاسبه در طول 120 سال گذشته است
در حال حاضر، برای کسانی که تشخیص دهند که اعوجاج تصویری، طرح لگاریتمی یک فرم بسیار ارزشمند مختصر تبدیل شده است. در واقع، "مقیاس لگاریتمی است یک روش ساده و جمع و جور می تواند مورد استفاده برای توصیف در طول زمان هر گونه افزایش در منحنی می رود به شدت راه، با این حال، طرح لگاریتمی پنهان از قیمت سنگین: آنها احمق چشم انسان از طریق اعداد بزرگ بر روی فروپاشی ریاضی، طرح لگاریتمی را می سازد رشد نمایی به نظر می رسد در خطی. از آنجا که از منحنی نامنظم نمایی رشد خود را فشرده به شکل یک خطی، نمودار لگاریتمی را آسان می کند احساس از سرعت و مقیاس رشد نمایی آینده از قدرت محاسباتی، و حتی راضی راضی است.
ما درک منطق پیرنگ های ورود به سیستم. با این حال، ناخودآگاه ما را دیده است یک منحنی خطی، و را انتخاب کنید به چشم پوشی از معایب آن است. بنابراین، چگونه به طور موثر حذف شده توسط یک استراتژی طرح لگاریتمی کوته بینانه ناشی از آن؟ بخشی از راه حل است برای بازگشت به مقیاس خطی اصلی است. در 2 زیر است.، استفاده می کنیم منحنی نمایی در خود جا داده، و سپس آن قرعه کشی با مقیاس محور خطی عمودی. به طور مشابه، محور عمودی نشان دهنده سرعت پردازش یک دلار آمریکا می تواند خریداری (در گیگافلاپ)، محور افقی نشان دهنده زمان است.
با این حال، در شکل 2، هر یک از مقیاس در محور عمودی مربوط به افزایش روند خطی ساده (1gigaflops معادل، به جای 100 برابر افزایش به عنوان نمودار 1 بالا). بدترین بازیکن میدان 'کلمه است سرعت محاسبه اندازه گیری به روش استاندارد ، نشان دهنده عملیات نقطه شناور در هر ثانیه، واحد های دیگر شامل megaFLOPS، gigaFLOPS و teraFLOPS است.
شکل 2 نمودار منحنی واقعی را که قانون Law Moore را نشان می دهد نشان می دهد. چگونگی شکل گیری این نمودار چشمان ما برای درک آسان است: در دهه گذشته، نسبت قیمت / عملکرد به سرعت چگونه بوده است، اما در شکل 2 درست است. اشتباهات جدی وجود دارد. برای خوانندگان ساده لوح از این نمودار، به نظر می رسد نسبت قیمت / عملکرد رایانه در قرن بیستم بهبود نیافته است. بدیهی است که این اشتباه است.
شکل 2 نشان می دهد که هنگام استفاده از مقیاس های خطی برای اثبات اینکه قانون مور با گذشت زمان تغییر می کند، کوری نیز قابل توجه است. این می تواند باعث شود که گذشته به نظر می رسد غیر قابل علاج نیست، همانطور که اگر آن را اخیرا پیشرفت کرد. مقیاسها همچنین باعث می شود افراد به اشتباه اعتقاد داشته باشند که نقاط قوت فعلی آن ها یک دوره ی منحصر به فرد و تقریبا عمودی پیشرفت تکنولوژیکی هستند. این به من دلیل اصلی ظهور نمودارهایی که منجر به نقاط کور AI می شود، می شود: Linear نمودارهای مدارک می توانند مردم را فریب دهند و باور کنند که زندگی آنها در اوج تغییرات است.
کوتاهی بینایی که در لحظه زندگی می کند
اجازه بدهید نگاهی به جدول زیر 2 نگاه: از وضعیت سال 2018، بسیاری از قرن 20، دو برابر هر ده سال وجود خواهد داشت از قیمت به نظر می رسد شیرین و مطلوب، حتی مردم بی اهمیت ممکن است جدول 2 به عنوان خوانده شده خواهد به خود می گویند: "پسر، من زندگی می کنند بسیار خوش شانس امروز، من به یاد داشته باشید 2009، زمانی که من فکر می کنم آی فون جدید خود را به زودی، اما در واقع من نمی دانم چگونه آهسته آن، و در حال حاضر من در نهایت به هیجان انگیز! بخش عمودی! '
من شنیدم مردم می گویند که ما فقط "آرنج چوب هاکی" را گذرانده ایم اما هیچ نقطه انتقالی وجود ندارد هر منحنی انحرافی خود مشابه است، یعنی شکل منحنی آینده و منحنی گذشته نیز تقریبا غیرممکن است تغییر بزرگ. شکل 3 زیر منحنی نمایشگر قانون مور را در نمودار مقیاس خطی نشان می دهد، اما این بار از منظر 2028. این منحنی فرض می کند که حداقل رشد در 100 سال گذشته را تجربه کرده ایم. این مدت 10 سال طول خواهد کشید. این نمودار نشان می دهد که در سال 2028، یک دلار حدود 200 گیگابایت فضا از قدرت محاسبات را خریداری خواهد کرد.
شکل 3: قانون مور در مقیاس خطی
با این حال، شکل 3 نیز یک معضل تحلیلی بالقوه را نشان می دهد. نگاهی دقیق تر به موقعیت منحنی نشان داده شده در شکل 3، که نشان دهنده قدرت رایانه امروز است (2018). برای کسانی که در 2028 زندگی می کنند و حتی در 21 از آغاز قرن، قدرت محاسباتی، تقریبا هیچ بهبود قابل توجه به نظر می رسد که دستگاه در سال 2018 با استفاده از تنها کمی قوی تر از کامپیوتر استفاده می شود در سال 1950. ناظران محاسبات ممکن است همچنین به این نتیجه رسیدند که 2028 راس قانون مور بود، سال در نهایت پیشرفت محاسبات قدرت آغاز شد.
هر سال، من می توانم دوباره ایجاد نمودار 3، تنها شرح دسته زمان را تغییر دهید. شکل منحنی بسیار مشابه است، تنها مقیاس در مقیاس عمودی را تغییر دهید. لطفا توجه داشته باشید که علاوه بر مقیاس عمودی، شکل شکل های 2 و 3 نگاه آن همان است. در هر نمودار مانند، از منظر آینده، هر نقطه در گذشته مسطح هستند، و آینده به نظر می رسد هر نقطه در گذشته بسیار متفاوت است. از این اشتباهات دیدگاه ها به استراتژی های کسب و کار ناقص معرفی می شوند، حداقل از لحاظ هوش مصنوعی.
این معنی چیست؟
نرخ نمایی از تغییر از ذهن انسان و چشم برای هر دو غیر قابل درک منحنی نمایی. منحصر به فرد است، چرا که از یک نقطه نظر ریاضی، همه آنها در هر نقطه مشابه هستند. این بدان معنی است که، یک بار به طور مداوم منحنی دو برابر می کند بخش تخت نه در همه، رو به افزایش بخش نیست؛ به همین ترتیب به بسیاری از کسب و کار مردم عادت کرده اند صحبت کردن، آرنج »و« چوب هاکی، بخش منحنی حتی اگر شما بزرگ هر قبلی و یا در آینده، شکل آن به نظر می رسد. همان است.
قانون مور همچنان به کار، ما نمی تواند کمک کند اما فکر می کنم، در حال حاضر، ما در یک دوره منحصر به فرد از هوش مصنوعی (یا هر فناوری قانون مور وابسته دیگر) توسعه هستند. با این حال، تا زمانی که قدرت پردازش همچنان به دنبال منحنی قیمت نمایی، آینده هر نسل به احتمال زیاد به نگاه در گذشته، که این یک دوران نسبتا کوچک مترقی است، به نوبه خود، وضعیت می شود: هر نسل به 10 سال آینده نگاه کنید، اما می توانید اتاق چقدر برای بهبود هوش مصنوعی پیش بینی نیست.
بنابراین برای هر کسی که به وسیله رشد کامپیوتری رایانه ای برنامه ریزی می کند، چالش این است که با سوء تفاهم در مغز خود مبارزه کند. اگر چه این به نظر می رسد مشکل است، شما باید همزمان این نمودارها را به یاد داشته باشید - گراف لگاریتمی سازگاری بصری، مقیاس فریب آمیزی نمودار های دراماتیک و خطی، به طوری که شما واقعا می توانید قدرت رشد انعطاف پذیر را درک کنید؛ زیرا گذشته همیشه به نظر خوشایند است و آینده همیشه پر از تغییرات بزرگ خواهد بود.