Q:
Hvordan bidrog Moore's lov til den aktuelle AI-revolution?
EN:Det er fristende at tænke på nutidens fremskridt inden for kunstig intelligens som hovedsageligt relateret til løsning af logiske og dataorienterede problemer, men for virksomheder, der prøver at innovere og fortsætte med at komme videre, kan det være nyttigt at gå tilbage og tænke på, hvordan stadig mere magtfuld hardware har også bidraget til nutidig maskinlæring og funktionalitet til kunstig intelligens.
Nogle af de mere indlysende måder, som Moores lovgivning har haft til fordel for fremme af kunstig intelligens, er åbenlyse for alle, der har set på IT i de sidste 30 år. Den første er, at de faktiske centraliserede computerarbejdsstationer og datacentre, der arbejder med datasæt med kunstig intelligens, er mindre, end de ville have været i de tidligere computerdage - og det gør en forskel. Hvis enkle mainframes stadig fandt plads på et vaskemaskine / tørretumbler, ville det forståeligt nok have en dæmpende effekt på den smidige udvikling af alle mulige nye teknologier.
Dog meget vigtigere er, at effektivitetsresultaterne for virksomheder, der er baseret på Moore's lov, har muliggjort forekomsten af ekstremt små mobile dataindsamlingsenheder. Smartphones er det bedste eksempel, men Moores lov gav os også digitale kameraer, MP3-afspillere og mange andre små stykker hardware, som alle indsamler deres egne data i et forbløffende tempo. Tingenes internet overlader nu denne proces med smarte køkkenapparater og alle mulige andre meget moderne hardware, der handler med tanken om, at chipbærende enheder er små nok til at blive placeret i næsten alt.
Dette er imidlertid ikke de eneste måder, som Moore lov har draget fordel af udviklingen af ny maskinlæring og fremskridt med kunstig intelligens. I MIT Technology Review hævder forfatter Tom Simonite, at Moores lov også har været nyttig som en slags ”koordineringsenhed”, der har tjent til at projicere, hvad der kommer på markedet i de kommende år, for at give udviklere og andre en vis fremtrædelse af en vej kort og henvisninger til fremtidig innovation.
Et andet interessant perspektiv kommer fra Niel Viljoen, der fortæller om, hvordan Moores lov stadig kan være kritisk for de nye skybaserede systemer og fremkomsten af splinterny kunstig intelligens teknologi.
Viljoen's argument ser ud til at være, at tilføjelse af generelle formålskerner til skaleringssystemer ikke er nok til virkelig at forbinde hardware til et netværk på en omfattende måde, hvilket fører til flaskehalse. En tilsvarende idé er, at konvergensmodeller fremskynder alle mulige funktioner i datakrævende systemer. Med andre ord, da computersystemer fortsatte med at skalere deres dataanvendelse i henhold til hvad de kunne passe ind i et stykke hardware, kom bygherrer aldrig rundt til at inkludere nogle af de vigtigste udviklingsfunktioner, såsom billedbehandling, kryptering, video gengivelse osv.
Som et resultat blev moderne datacentre meget magtfulde, men stadig afhængige af eksterne elementer for at udføre den krævede behandling - Viljoen udgør den fremtidige fremkomst af "systemer på en chip", hvor hyperkonvergeret hardware har alt, hvad det har brug for til at udføre al netværksfunktionalitet, at strømline datastrømme og gøre systemer smidige såvel som datakraftige.
Generelt har Moores lovgivning hjulpet til med at fremme IT-fremskridt og fortsætter med at hjælpe dem på grundlæggende måder. Det er en del af "science fiction er den nuværende" model, der viser, hvor langt menneskeheden er kommet i opbygningen af datasystemer i løbet af et eller to århundreder.
