Varför Förstår Ingen Hur Snabbt Artificiell Intelligens Kommer Att Utvecklas? - Alternativ Vy

Innehållsförteckning:

Varför Förstår Ingen Hur Snabbt Artificiell Intelligens Kommer Att Utvecklas? - Alternativ Vy
Varför Förstår Ingen Hur Snabbt Artificiell Intelligens Kommer Att Utvecklas? - Alternativ Vy

Video: Varför Förstår Ingen Hur Snabbt Artificiell Intelligens Kommer Att Utvecklas? - Alternativ Vy

Video: Varför Förstår Ingen Hur Snabbt Artificiell Intelligens Kommer Att Utvecklas? - Alternativ Vy
Video: Artificiell intelligens - Vad är det och varför skall du bry dig? | Google Digitalakademin 2024, Maj
Anonim

Många av oss är nu bekanta med Moore's Law, den berömda principen att utvecklingen av datorkraft följer en exponentiell kurva som fördubblar i värde för pengarna (det vill säga i hastighet per kostnadsenhet) var 18: e månad. När det gäller att tillämpa Moore's Law på sina egna affärsstrategier, misslyckas även framtänkande tänkare med att se den enorma AI-blinde platsen. Även de mest framgångsrika, strategiska affärsmän som ser sin bransch genom och genom kan inte förstå vad exponentiell utveckling är. Och på denna exponentiella kurva finns det en teknik som särskilt drar nytta av den exponentiella: artificiell intelligens.

Exponentiella kurvor på papper

En av orsakerna till att människor inte förstår hur snabbt artificiell intelligens går framåt är löjligt enkelt: exponentiella kurvor ser inte bra ut när vi människor försöker förklara dem på papper. Av praktiska skäl är det nästan omöjligt att fullständigt avbilda den branta vägen för en exponentiell kurva i ett litet utrymme, t.ex. ett diagram eller ett objektglas. Det är inte svårt att visa de tidiga stadierna av en exponentiell kurva. Men eftersom den kallare delen snabbt får fart, blir saker och ting mer komplicerade.

För att lösa detta problem med otillräckligt visuellt utrymme använder vi ett bekvämt matematiskt trick - logaritmen. Tack vare den "logaritmiska skalan" lärde vi oss att vrida exponentiella kurvor. Tyvärr kan den utbredda användningen av logaritmiska vågar också orsaka vetenskaplig myopi.

Diagram 1
Diagram 1

Diagram 1.

Den logaritmiska skalan är utformad så att varje fästning på den vertikala y-axeln inte motsvarar en konstant ökning (som i den vanliga linjära skalan), utan till en multipel, till exempel 100. Det klassiska Moores lagdiagram (diagram 1) använder en logaritmisk skala för att exponentiellt förbättra kostnaden för datorkraft (uppmätt i dator / sekund / dollar) under de senaste 120 åren, från 1900-talets mekaniska enheter till moderna kiselbaserade grafikkort.

Loggdiagram har blivit en värdefull form av korthet för människor som är medvetna om den visuella snedvridning som sådana diagram presenterar. Det är nu ett bekvämt och kompakt sätt att visa alla kurvor som växer snabbt och radikalt över tid.

Kampanjvideo:

Men logaritmiska diagram lurar det mänskliga ögat.

Genom att matematiskt komprimera enorma antal, gör logaritmer exponentiell tillväxt verkar linjär. Eftersom de komprimerar exponenter till linjediagram är det bekvämare för människor att titta på dem och spekulera om den kommande ökningen av datorkraft.

Våra logiska hjärnor förstår bildregler. Men våra undermedvetna hjärnor ser böjda linjer och stämmer in på dem.

Vad ska man göra? Först måste du gå tillbaka till den ursprungliga linjära skalan.

I det andra diagrammet nedan följer data en exponentiell kurva, men skalas linjärt längs den vertikala axeln. Återigen representerar den vertikala fältet beräkningshastigheten (i gigaflops) som en dollar kan köpa, och den horisontella axeln representerar tiden. I diagram 2 motsvarar emellertid varje fästning på den vertikala axeln en enkel linjär ökning i endast en gigaflop (inte 100 gånger som i diagram 1. Floppen är ett standardmätning för att mäta beräkningshastighet, vilket betyder "flytpunktsoperationer per sekund".

Diagram 2
Diagram 2

Diagram 2.

Diagram 2 visar den verkliga exponentiella kurvan som kännetecknar Moores lag. När vi tittar på hur diagrammet ritas är det lätt för våra mänskliga ögon att förstå hur snabbt datorns prestanda har vuxit under de senaste tio åren.

Men det är något fel med det andra diagrammet. Det kan tyckas att på 1900-talet har datorns kostnader och prestanda inte förbättrats alls. Detta är uppenbarligen inte fallet.

Diagram 2 visar att det kan vara bländande att använda en linjär skala för att visa hur Moores lag förändras över tid. Det förflutna verkar platt, som om det inte var några framsteg. Dessutom drar människor felaktigt slutsatsen att den aktuella tidpunkten representerar en period av unik, "nästan vertikal" teknisk utveckling.

Linjära vågar kan lura människor att tro att de lever på höjd av förändring.

Den blinda fläcken att leva i nuet

Låt oss ta en ny titt på diagram 2. Ser man från 2018, förefaller de föregående dubbleringarna av prisutvecklingen som har inträffat varje decennium under stora delar av 1900-talet vara platta, nästan obetydliga. En person som studerar detta diagram skulle säga: Hur lycklig jag är att leva nu. Jag minns året 2009 då jag trodde att min nya iPhone var snabb. Jag hade ingen aning om hur långsamt det var. Det är bra att jag har nått den vertikala delen.

Människor säger att vi gick igenom "hinkpinnen". Men det finns ingen sådan övergångspunkt.

Alla kurvformer i framtiden ser samma ut som tidigare. Nedan visar diagram 3 den exponentiella kurvan för Moores lag i en linjär skala, men den här gången från ett 2028-perspektiv. Kurvan antyder att tillväxten vi har upplevt under de senaste 100 åren kommer att fortsätta i minst ytterligare tio år. Detta diagram visar att en dollar kan köpa 200 gigaflops datorkraft 2028.

Diagram 3
Diagram 3

Diagram 3.

Diagram 3 presenterar emellertid också en fälla för analytikern.

Titta noga på exakt var modern datorkraft (2018) ligger på kurvan som visas i det tredje diagrammet. Med tanke på en person som lever och arbetar i framtiden 2028 verkar det som om det praktiskt taget inte gjordes några förbättringar av datorkraften under början av 1900-talet. Det ser ut som datorenheterna som användes under 2018 var lite kraftfullare än de som användes 1950. En observatör kan också dra slutsatsen att innevarande år 2028 representerar kulmineringen av Moores lag, där framstegen inom datorkraft slutligen skyrocket.

Diagram 3 kunde återskapas varje år, vilket bara ändrar det visade tidsintervallet. Formen på kurvan skulle vara identisk, endast fästingar skulle ändras längs den vertikala skalan. Observera att formen på diagram 2 och 3 ser densamma ut förutom den vertikala skalan. På varje sådant diagram skulle varje tidigare ögonblick vara platt när det betraktas från framtiden och varje framtida ögonblick skulle vara ett skarpt avvikelse från det förflutna. Tyvärr skulle denna missuppfattning vara resultatet av en felaktig affärsstrategi, åtminstone när det gäller konstgjord intelligens.

Vad betyder det?

De exponentiella teman för förändring är svåra för det mänskliga sinnet att förstå och se med ögat. Exponentiella kurvor är unika i den meningen att de är matematiskt självliknande vid varje punkt. Detta innebär att den alltid fördubblande kurvan inte har plana delar, inte har de stigande delarna, böjningar och knäck som folk pratar om. Formen kommer alltid att vara densamma.

När Moore's Law fortsätter att fungera är det frestande att tro att det var just i detta ögonblick som vi nådde ett unikt stadium av stor förändring i utvecklingen av konstgjord intelligens (eller annan teknik som sträcker sig till Moore's Law). Men så länge datorkraften fortsätter att följa en exponentiell pris-prestanda-kurva, kommer varje framtida generation troligen att se tillbaka på det förflutna som en era med relativt lite framsteg. Det motsatta kommer i sin tur att förbli sant: varje nuvarande generation kommer att se 10 år framöver och kommer inte att kunna bedöma hur mycket framsteg i AI som fortfarande är framöver.

För alla som planerar en framtid som drivs av den exponentiella tillväxten av datoranvändning är alltså utmaningen att övervinna sina egna felaktiga tolkningar. Det finns tre diagram att tänka på för att verkligen uppskatta kraften i exponentiell tillväxt. Eftersom det förflutna alltid ser platt och framtiden alltid ser vertikalt ut.

Ilya Khel

Rekommenderas: