큐:
무어의 법칙은 현재 AI 혁명에 어떻게 기여 했습니까?
ㅏ:오늘날 인공 지능의 진보는 주로 논리 및 데이터 지향 문제를 해결하는 것과 관련이 있다고 생각하고 있지만 혁신하고 계속 발전하려는 기업의 경우 더 강력한 하드웨어가 얼마나 강력한 지에 대해 생각하는 것이 도움이 될 수 있습니다 오늘날의 기계 학습 및 인공 지능 기능에 기여했습니다.
무어의 법칙이 인공 지능 발전에 도움을 준 명백한 방법 중 일부는 지난 30 년 동안 IT를 연구 해 온 사람에게는 분명합니다. 첫 번째는 인공 지능 데이터 세트에서 작동하는 실제 중앙 집중식 컴퓨터 워크 스테이션 및 데이터 센터가 컴퓨팅 초기 시절보다 작았 기 때문에 차이가 있다는 것입니다. 간단한 메인 프레임이 세탁기 / 건조기 세트의 공간을 여전히 차지하고 있다면 모든 종류의 새로운 기술의 민첩한 개발에 영향을 줄 수 있습니다.
그러나 훨씬 더 중요한 것은 무어의 법칙에 기반한 회사의 효율성 성과로 인해 초소형 모바일 데이터 수집 장치의 보급이 가능 해졌다는 것입니다. 스마트 폰이 가장 좋은 예이지만 무어의 법칙에 따라 디지털 카메라, MP3 플레이어 및 기타 많은 작은 하드웨어가 제공되어 놀라운 속도로 자체 데이터를 수집합니다. 이제 사물 인터넷은 스마트 키친 가전 제품과 칩 장착 장치가 거의 모든 곳에 배치 할 수있을 정도로 작다는 아이디어를 교환하는 모든 종류의 매우 현대적인 하드웨어로 과급됩니다.
그러나 이것이 무어의 법칙이 새로운 기계 학습 및 인공 지능 발전의 개발에 도움을 준 유일한 방법은 아닙니다. MIT Technology Review에서 필자 인 Tom Simonite는 무어의 법칙이 미래에 시장에 출시 될 것을 계획하고 개발자와 다른 사람들에게 도로와 비슷한 느낌을주는 일종의 "조정 장치"로서도 유용하다고 주장합니다. 미래의 혁신을 향한지도와 포인터.
Niel Viljoen의 또 다른 흥미로운 관점은 새로운 클라우드 기반 시스템과 새로운 인공 지능 기술의 출현에 무어의 법칙이 여전히 중요 할 수 있는지에 대해 이야기합니다.
Viljoen의 주장은 범용 시스템을 스케일링 시스템에 추가하는 것만으로는 하드웨어를 포괄적 인 방식으로 네트워크에 실제로 연결하기에 충분하지 않아 병목 현상이 발생하는 것으로 보입니다. 이에 상응하는 아이디어는 컨버전스 모델이 데이터 집약적 시스템의 모든 기능을 가속화한다는 것입니다. 다시 말해, 컴퓨팅 시스템은 하드웨어에 맞출 수있는 것에 따라 데이터 사용을 계속 확장하므로 이미지 처리, 암호화, 비디오 렌더링 등과 같은 개발의 전체 기능을 포함하는 데 결코 도움이되지 않았습니다.
결과적으로 최신 데이터 센터는 매우 강력 해졌지만 여전히 필요한 처리를 수행하기 위해 외부 요소에 의존하고 있습니다. Viljoen은 하이퍼 컨 버지 드 하드웨어가 모든 네트워킹 기능을 수행하는 데 필요한 모든 것을 갖추고있는 "칩의 시스템"의 미래 출현을 제시합니다. 데이터 흐름을 간소화하고 시스템을 민첩하고 데이터를 강력하게 만들 수 있습니다.
일반적으로 무어의 법칙은 IT 발전을 도왔으며 기본적인 방식으로 계속 도와줍니다. 이 책은 인류가 1-2 세기 동안 데이터 시스템을 구축하는 데 얼마나 멀리 왔는지를 보여주는“공상 과학은 현재”모델의 일부입니다.