Q:
Bagaimana hukum Moore berkontribusi pada revolusi AI saat ini?
SEBUAH:Sangat tergoda untuk memikirkan kemajuan saat ini dalam kecerdasan buatan terutama terkait dengan penyelesaian masalah logis dan berorientasi data, tetapi bagi perusahaan yang mencoba untuk berinovasi dan terus bergerak maju, akan sangat membantu untuk kembali dan memikirkan bagaimana perangkat keras yang semakin kuat juga telah berkontribusi pada pembelajaran mesin dan fungsionalitas kecerdasan buatan saat ini.
Beberapa cara yang lebih jelas bahwa hukum Moore telah menguntungkan kemajuan kecerdasan buatan terbukti bagi siapa saja yang telah melihat TI selama 30 tahun terakhir. Yang pertama adalah bahwa workstation komputer terpusat yang sebenarnya dan pusat data yang bekerja pada set data kecerdasan buatan lebih kecil daripada yang seharusnya pada hari-hari awal komputasi - dan itu membuat perbedaan. Jika mainframe sederhana masih mengambil ruang set mesin cuci / pengering, itu bisa dimengerti memiliki efek peredam pada pengembangan tangkas semua jenis teknologi baru.
Namun, yang jauh lebih penting, pencapaian efisiensi perusahaan berdasarkan hukum Moore telah memungkinkan untuk prevalensi perangkat pengumpul data seluler yang sangat kecil. Smartphone adalah contoh terbaik, tetapi hukum Moore juga memberi kami kamera digital, pemutar MP3, dan banyak perangkat keras kecil lainnya yang semuanya mengumpulkan data sendiri dengan kecepatan yang mencengangkan. Sekarang, internet hal supercharging proses itu dengan peralatan dapur pintar dan segala macam perangkat keras yang sangat modern yang berdagang pada gagasan bahwa perangkat bantalan chip cukup kecil untuk ditempatkan di hampir semua hal.
Namun, ini bukan satu-satunya cara hukum Moore telah memberikan manfaat bagi pengembangan pembelajaran mesin baru dan kemajuan kecerdasan buatan. Dalam MIT Technology Review, penulis Tom Simonite menegaskan bahwa hukum Moore juga bermanfaat sebagai semacam "alat koordinasi" yang berfungsi untuk memproyeksikan apa yang akan datang di pasar di tahun-tahun mendatang, untuk memberi pengembang dan orang lain beberapa kemiripan jalan peta dan petunjuk menuju inovasi masa depan.
Perspektif lain yang menarik datang dari Niel Viljoen yang berbicara tentang bagaimana hukum Moore mungkin masih penting untuk sistem berbasis cloud baru dan munculnya teknologi kecerdasan buatan baru.
Argumen Viljoen tampaknya menambahkan inti tujuan umum ke sistem penskalaan tidak cukup untuk benar-benar menghubungkan perangkat keras ke jaringan secara komprehensif, yang mengarah pada kemacetan. Gagasan yang sesuai adalah bahwa model konvergensi akan mempercepat semua jenis fungsi sistem intensif data. Dengan kata lain, karena sistem komputasi terus meningkatkan skala penggunaan data mereka sesuai dengan apa yang dapat mereka masukkan ke dalam perangkat keras, pembangun tidak pernah sempat memasukkan beberapa fungsi pengembangan yang wajar seperti pemrosesan gambar, enkripsi, rendering video, dll.
Akibatnya, pusat data modern menjadi sangat kuat, tetapi masih bergantung pada elemen luar untuk melakukan pemrosesan yang diperlukan - Viljoen berpendapat kemunculan "sistem pada chip" di masa depan di mana perangkat keras hyperconverged memiliki semua yang diperlukan untuk melakukan semua fungsi jaringan, untuk merampingkan aliran data dan membuat sistem lincah serta data-kuat.
Secara umum, hukum Moore telah membantu kemajuan TI, dan terus membantu, secara mendasar. Itu adalah bagian dari model "fiksi ilmiah adalah masa kini" yang menunjukkan sejauh mana umat manusia telah membangun sistem data selama satu atau dua abad.
