Q:
Hvordan bidro Moore lov til den nåværende AI-revolusjonen?
EN:Det er fristende å tenke på dagens fremgang innen kunstig intelligens som hovedsakelig relatert til å løse logiske og dataorienterte problemer, men for selskaper som prøver å innovere og fortsette fremover, kan det være nyttig å gå tilbake og tenke på hvor stadig kraftigere maskinvare også har bidratt til dagens maskinlæring og funksjonalitet for kunstig intelligens.
Noen av de mer åpenbare måtene som Moores lov har gitt nytte av kunstig intelligensfremdrift, er tydelige for alle som har sett på IT de siste 30 årene. Den første er at de faktiske sentraliserte datamaskinarbeidsstasjonene og datasentrene som jobber med datasett for kunstig intelligens, er mindre enn de ville ha vært i datidens tidligere dager - og det gjør en forskjell. Hvis enkle hovedrammer fortsatt tok opp plassen til et vaskemaskin / tørketrommel, vil det forståelig nok ha en dempende effekt på den smidige utviklingen av alle slags nye teknologier.
Imidlertid, mye viktigere, har effektivitetsresultatene til selskaper basert på Moores lov muliggjort forekomsten av ekstremt små mobile datainnsamlingsenheter. Smarttelefoner er det beste eksemplet, men Moores lov ga oss også digitale kameraer, MP3-spillere og mange andre små maskinvarestykker som alle samler inn sine egne data i et forbløffende tempo. Tingenes internett overlader den prosessen med smarte kjøkkenapparater og alle slags veldig moderne maskinvare som handler om at brikkebærende enheter er små nok til å plasseres i nesten hva som helst.
Dette er imidlertid ikke de eneste måtene som Moores lov har gitt nytte av utviklingen av ny maskinlæring og fremskritt i kunstig intelligens. I MIT Technology Review hevder forfatter Tom Simonite at Moores lov også har vært nyttig som et slags "koordineringsapparat" som har tjent til å prosjektere det som vil komme på markedet i de kommende år, for å gi utviklere og andre noe syn på en vei kartlegge og peke mot fremtidig innovasjon.
Et annet interessant perspektiv kommer fra Niel Viljoen som snakker om hvordan Moores lov fortsatt kan være kritisk for de nye skybaserte systemene og fremveksten av helt ny kunstig intelligens teknologi.
Viljoens argument ser ut til å være at det ikke er nok å legge generelle kjerner til skaleringssystemer til å virkelig koble maskinvaren til et nettverk på en omfattende måte, noe som fører til flaskehalser. En tilsvarende ide er at konvergensmodeller vil få fart på alle slags funksjoner i datakrevende systemer. Med andre ord, siden datasystemer fortsatte å skalere sin databruk i samsvar med hva de kunne passe inn i et stykke maskinvare, kom ikke byggherrer til å inkludere noen av de viktigste funksjonene i utviklingen som bildebehandling, kryptering, videoredigering, etc.
Som et resultat ble moderne datasentre veldig kraftige, men fremdeles avhengige av elementer utenfor for å utføre den nødvendige behandlingen - Viljoen utgjør fremtidig fremvekst av "systemer på en brikke" der hyperkonvertert maskinvare har alt den trenger for å utføre all nettverksfunksjonaliteten, å effektivisere datastrømmer og gjøre systemer smidige og datakraftige.
Generelt har Moores lov hjulpet med å fremme IT og fortsetter å hjelpe på grunnleggende måter. Det er en del av "science fiction is the present" -modellen som viser hvor langt menneskeheten har kommet i å bygge datasystemer i løpet av ett eller to århundrer.
