Mange av oss er nå kjent med Moore's Law, det berømte prinsippet om at utvikling av datakraft følger en eksponentiell kurve, som dobler i verdi for pengene (det vil si i hastighet per enhet) hver 18. måned. Når det gjelder å anvende Moore's Law på sine egne forretningsstrategier, klarer ikke fremtidsrettet tenkere å se det enorme AI-blinde stedet. Selv de mest vellykkede, strategiske forretningsfolk som ser sin industri gjennom og gjennom kan ikke forstå hva eksponentiell utvikling er. Og på denne eksponentielle kurven er det en teknologi som særlig drar nytte av den eksponentielle: kunstig intelligens.
Eksponentielle kurver på papir
En av grunnene til at folk ikke forstår hvor raskt kunstig intelligens går frem, er latterlig enkelt: eksponentielle kurver ser ikke bra ut når vi mennesker prøver å forklare dem på papir. Av praktiske årsaker er det nesten umulig å fullstendig avbilde den bratte banen til en eksponentiell kurve i et lite rom som et diagram eller et lysbilde. Det er ikke vanskelig å skildre de tidlige stadiene av en eksponentiell kurve. Men ettersom den kjøligere delen raskt får fart, blir ting mer komplisert.
For å løse dette problemet med utilstrekkelig visuelt rom, bruker vi et praktisk matematisk triks - logaritmen. Takket være den "logaritmiske skalaen" lærte vi å vri eksponentielle kurver. Dessverre kan den utbredte bruken av logaritmiske skalaer også føre til vitenskapelig nærsynthet.
Figur 1.
Den logaritmiske skalaen er utformet slik at hver hake på den vertikale y-aksen ikke tilsvarer en konstant økning (som i den vanlige lineære skalaen), men til en multippel, for eksempel 100. Det klassiske Moores lovdiagram (diagram 1) bruker en logaritmisk skala for å eksponentielt forbedre kostnadene for datakraft (målt i databehandling / sekund / dollar) i løpet av de siste 120 årene, fra de mekaniske enhetene på 1900-tallet til moderne silisiumbaserte grafikkort.
Loggkart har blitt en verdifull form for korthet for folk som er klar over den visuelle forvrengningen som slike diagrammer presenterer. Det er nå en praktisk og kompakt måte å vise enhver kurve som vokser raskt og radikalt over tid.
Salgsfremmende video:
Men logaritmiske diagram lurer det menneskelige øyet.
Ved å matematisk komprimere enorme tall, får logaritmer eksponentiell vekst til å virke lineær. Siden de komprimerer eksponenter til linjediagrammer, er det mer praktisk for folk å se på dem og spekulere om den kommende økningen i datakraft.
Våre logiske hjerner forstår lysbildets regler. Men våre underbevisste hjerner ser buede linjer og stemmer overens med dem.
Hva å gjøre? Først må du gå tilbake til den opprinnelige lineære skalaen.
I det andre diagrammet nedenfor følger dataene en eksponentiell kurve, men skaleres lineært langs den vertikale aksen. Igjen representerer den vertikale linjen beregningshastigheten (i gigaflops) som en dollar kan kjøpe, og den horisontale aksen representerer tiden. Imidlertid tilsvarer i figur 2 hvert hake på den vertikale aksen en enkel lineær økning i bare en gigaflop (ikke en økning på 100x, som i figur 1. Floppen er en standard måte å måle beregningshastighet, som betyr "flytende punktoperasjoner per sekund").
Figur 2.
Figur 2 viser den faktiske, sanne eksponentielle kurven som kjennetegner Moores lov. Når vi ser på hvordan dette diagrammet er tegnet, er det lett for våre menneskelige øyne å forstå hvor raskt ytelsen til datamaskiner har vokst de siste ti årene.
Men det er noe galt med det andre diagrammet. Det kan se ut som om det på 1900-tallet ikke har forbedret datamaskinens kostnader og ytelse. Dette er tydeligvis ikke tilfelle.
Figur 2 viser at bruk av en lineær skala for å vise hvordan Moore's Law endrer seg over tid kan være blendende. Fortiden virker flat, som om det ikke var noen fremgang. Videre konkluderer folk feilaktig at det nåværende tidspunktet representerer en periode med unik, "nesten vertikal" teknologisk fremgang.
Lineære skalaer kan lure folk til å tro at de lever på høyden av endring.
Det blinde stedet for å leve i samtiden
La oss ta en ny titt på figur 2. Når vi ser fra 2018, ser de tidligere prisutviklingen doblinger som har skjedd hvert tiår i store deler av 1900-tallet, flate, nesten ubetydelige. En person som studerer dette diagrammet vil si: Hvor heldig jeg er å leve nå. Jeg husker året 2009 da jeg trodde min nye iPhone var rask. Jeg ante ikke hvor treg det gikk. Det er bra at jeg har nådd den vertikale delen.
Folk sier at vi gikk gjennom "knekken til hockeystokken." Men det er ikke noe slikt overgangspunkt.
Enhver kurveform i fremtiden ser den samme ut som tidligere. Nedenfor viser figur 3 eksponentiell kurve for Moore's Law i en lineær skala, men denne gangen fra et 2028-perspektiv. Kurven antyder at veksten vi har opplevd de siste 100 årene vil fortsette i minst ytterligere 10 år. Dette diagrammet viser at i 2028 kan en dollar kjøpe 200 gigaflops datakraft.
Figur 3.
Imidlertid presenterer figur 3 også en felle for analytikeren.
Se nøye på hvor moderne datakraft (2018) ligger på kurven vist i det tredje diagrammet. Fra en person som bodde og jobber i fremtiden 2028, ser det ut til at det praktisk talt ikke var noen forbedringer i datakraften i løpet av begynnelsen av 1900-tallet. Det ser ut som dataenhetene som ble brukt i 2018, var litt kraftigere enn de som ble brukt i 1950. En observatør kan også konkludere med at inneværende år 2028 representerer kulminasjonen av Moore's Law, der fremskritt innen datakraft endelig skyter opp.
Figur 3 kunne gjenskapes hvert år, og bare endre tidsperioden som ble vist. Formen på kurven ville være identisk, bare flått ville endre seg langs den vertikale skalaen. Legg merke til at formen til diagram 2 og 3 ser den samme ut, bortsett fra den vertikale skalaen. På hvert slikt diagram ville hvert fortidens øyeblikk være flatt når det sees fra fremtiden, og hvert fremtidig øyeblikk ville være en skarp avgang fra fortiden. Alas, denne misoppfatningen ville være et resultat av en mangelfull forretningsstrategi, i det minste når det gjelder kunstig intelligens.
Hva betyr det?
Eksponentielle forandringstemaer er vanskelig for det menneskelige sinn å forstå og se med øyet. Eksponentielle kurver er unike i den forstand at de er matematisk selvlignende på hvert punkt. Dette betyr at den alltid doble kurven ikke har flate deler, ikke har de stigende delene, bøyer og knekk som folk snakker om. Formen vil alltid være den samme.
Når Moores lov fortsetter å virke, er det fristende å tro at det var akkurat i dette øyeblikket vi nådde et unikt stadium av stor endring i utviklingen av kunstig intelligens (eller annen teknologi som strekker seg til Moore's Law). Imidlertid, så lenge datakraften fortsetter å følge en eksponentiell pris-ytelseskurve, vil sannsynligvis enhver fremtidig generasjon se tilbake på fortiden som en tid med relativt liten fremgang. Det motsatte vil igjen forbli sant: hver nåværende generasjon vil se 10 år fremover og vil ikke kunne vurdere hvor mye fremgang i AI som fremdeles er fremover.
Derfor, for alle som planlegger en fremtid drevet av den eksponentielle veksten i databehandling, er utfordringen å overvinne sine egne feiltolkninger. Det er tre diagrammer du må huske på for å virkelig sette pris på kraften til eksponentiell vekst. Fordi fortiden alltid vil se flat og fremtiden alltid vil se loddrett ut.
Ilya Khel
