El reciente ChatGPT (GPT-4) le permite reconocer imágenes cargándolas.
Entonces, casualmente cargué un informe JMP como el siguiente en formato de imagen (png) a ChatGPT y dije: "Este es un informe sobre el ajuste de una curva en JMP. Por favor, interprete los resultados".
Devolvió un documento como este:
Después de esto, reconocí los valores de AICc, BIC y R2 en esta imagen e interpreté los resultados, pero lo que más me sorprendió fue la siguiente frase escrita al final.
¡Vaya, reconoces que estos datos muestran la "Ley de Moore" aunque no la hayas explicado específicamente! !
ChatGPT da miedo.
"Ley de Moore" y gráficos que la muestran
La Ley de Moore es una ley que establece que el número de transistores instalados en un circuito integrado se duplica aproximadamente cada dos años. La tecnología de semiconductores avanza día a día y, a medida que aumenta el número de transistores instalados, la potencia de procesamiento de los dispositivos aumenta significativamente y nuestra vida diaria se beneficia enormemente de ello.
El siguiente gráfico se utiliza a menudo para explicar la Ley de Moore.
El año se traza en el eje horizontal (X), el número de transistores por microprocesador transformado logarítmicamente en ese año se traza en el eje vertical (Y) y se coloca una línea de regresión. Aquí utilizamos un logaritmo con base 2 para que sea más fácil entender que el valor se duplica en dos años.
El R cuadrado es muy alto, 0,994, y la línea de regresión se ajusta bien a los datos. La ecuación de regresión muestra que el número de transistores transformados logarítmicamente aumenta aproximadamente 0,5 cada año, por lo que en dos años aumenta aproximadamente 1. Si volvemos a la escala original, el número de transistores aproximadamente se duplica cada dos años, lo cual es la propia Ley de Moore.
Ajuste varios modelos no lineales con el "Ajuste de curvas" de JMP
La sección anterior muestra que la transformación logarítmica del número de transistores (Y) sigue una línea recta, pero cuando se considera en la escala original, muestra que Y aumenta exponencialmente.
Por tanto, el informe que se muestra al inicio de este blog es el resultado de ajustar un modelo no lineal a la escala de Y sin transformarlo logarítmicamente.
Volvamos a este informe mientras ajustamos varios modelos no lineales utilizando la plataforma Curve Fit de JMP.
Aquí se ajustan tres modelos: Logistic 3P (modelo logístico con 3 parámetros), Weibull growth (curva de crecimiento) y Gompertz3P (curva de Gompertz con 3 parámetros).
Cuando observa la línea de ajuste en el gráfico, puede parecer que solo se ajusta una línea, pero los tres modelos encajan casi de la misma manera, por lo que se superponen.
En el informe "Comparación de modelos" en la parte superior del informe, puede comparar el ajuste de cada modelo utilizando estadísticas como AICc, BIC y R-cuadrado. Según las especificaciones de JMP, el AICc está organizado de arriba a abajo en orden descendente de ajuste (mejor ajuste), por lo que Logistic 3P es el mejor modelo, pero las estadísticas de otros modelos son similares y el modelo parece difícil decidir cuál es mejor. o peor.
¿Seguirá siendo válida la ley de Moore?
En la sección anterior, ajustamos un modelo no lineal utilizando datos de 1971 a 2021, pero ¿qué pasaría si usáramos estos modelos para predecir la cantidad futura de transistores?
De hecho, las predicciones varían mucho según el modelo. A continuación se muestra el eje horizontal del gráfico anterior ampliado hasta alrededor de 2040.
El modelo naranja de Gomperz 3P es una predicción que supone que la ley de Moore continuará en el futuro. Por otro lado, el modelo Logístico 3P y el modelo de crecimiento de Weibull son predicciones que suponen que la ley de Moore fallará a mitad de camino y el crecimiento en el número de transistores se desacelerará.
De hecho, en los últimos años se ha dicho que la Ley de Moore ha llegado a sus límites. Luego pregúntele a ChatGPT sobre el futuro de la Ley de Moore.
Parece seguro que se ha alcanzado en cierta medida el límite. Los factores físicos y económicos parecen ser la clave para mantener la Ley de Moore en el futuro.
El hecho de que la Ley de Moore todavía se aplique hoy puede ser el resultado de los esfuerzos de los ingenieros por innovar para seguirla. Espero con interés las innovaciones tecnológicas que continuarán con la Ley de Moore y mejorarán nuestras vidas.
por Naohiro Masukawa (JMP Japón)
Naohiro Masukawa - Comunidad de usuarios de JMP
Fuente de datos: Nuestro mundo en datos ( Ley de Moore: el número de transistores por microprocesador (ourworldindata.org) )
