Le récent ChatGPT (GPT-4) permet de reconnaître les images en les téléchargeant.
J'ai donc téléchargé avec désinvolture un rapport JMP comme celui ci-dessous au format image (png) sur ChatGPT et j'ai dit : "Ceci est un rapport d'ajustement d'une courbe dans JMP. Veuillez interpréter les résultats." J'ai essayé l'invite.
Il a renvoyé un document comme celui-ci :
Après cela, j'ai reconnu les valeurs de AICc, BIC et R2 dans cette image et interprété les résultats, mais ce qui m'a le plus surpris, c'est la phrase suivante écrite à la fin.
Wow, vous reconnaissez que ces données montrent la « loi de Moore » même si vous ne l'avez pas spécifiquement expliqué ! !
ChatGPT fait peur.
"Loi de Moore" et graphiques la montrant
La loi de Moore est une loi qui stipule que le nombre de transistors installés dans un circuit intégré double environ tous les deux ans. La technologie des semi-conducteurs progresse de jour en jour et, à mesure que le nombre de transistors installés augmente, la puissance de traitement des appareils augmente considérablement, ce qui profite grandement à notre vie quotidienne.
Le graphique suivant est souvent utilisé pour expliquer la loi de Moore.
L'année est tracée sur l'axe horizontal (X), le nombre de transistors transformés logarithmiquement par microprocesseur cette année-là est tracé sur l'axe vertical (Y) et une ligne de régression est ajustée. Ici, nous utilisons un logarithme en base 2 pour mieux comprendre que la valeur double en deux ans.
Le R au carré est très élevé, à 0,994, et la droite de régression correspond bien aux données. L'équation de régression montre que le nombre de transistors à transformation logarithmique augmente d'environ 0,5 chaque année, donc en deux ans, il augmente d'environ 1. Si l'on revient à l'échelle originale, le nombre de transistors double à peu près tous les deux ans, ce qui est la loi de Moore elle-même.
Adaptez divers modèles non linéaires avec le "Curve Fitting" de JMP
La section précédente montre que la transformation logarithmique du nombre de transistors (Y) suit une ligne droite, mais considérée à l'échelle d'origine, elle montre que Y augmente de façon exponentielle.
Par conséquent, le rapport présenté au début de ce blog est le résultat de l’ajustement d’un modèle non linéaire à l’échelle de Y sans le transformer de manière logarithmique.
Revenons à ce rapport alors que nous ajustons divers modèles non linéaires à l'aide de la plateforme Curve Fitting de JMP.
Trois modèles sont installés ici : Logistic 3P (modèle logistique à 3 paramètres), croissance de Weibull (courbe de croissance) et Gompertz3P (courbe de Gompertz à 3 paramètres).
Lorsque vous regardez la ligne d'ajustement sur le graphique, il peut sembler qu'une seule ligne est ajustée, mais les trois modèles s'ajustent presque de la même manière, ils se chevauchent donc.
Dans le rapport « Comparaison de modèles » en haut du rapport, vous pouvez comparer l'ajustement de chaque modèle à l'aide de statistiques telles que AICc, BIC et R-carré. Conformément aux spécifications JMP, l'AICc est disposé de haut en bas par ordre décroissant d'ajustement (meilleur ajustement), donc Logistic 3P est le meilleur modèle, mais les statistiques des autres modèles sont similaires, et le modèle semble difficile de décider lequel est le meilleur. ou pire.
La loi de Moore sera-t-elle toujours vraie ?
Dans la section précédente, nous avons ajusté un modèle non linéaire en utilisant des données de 1971 à 2021, mais que se passerait-il si nous utilisions ces modèles pour prédire le nombre futur de transistors ?
En fait, les prédictions varient considérablement selon le modèle. Ce qui suit montre l’axe horizontal du graphique précédent étendu aux environs de 2040.
Le modèle orange Gomperz 3P est une prédiction qui suppose que la loi de Moore se poursuivra dans le futur. D'un autre côté, le modèle Logistic 3P et le modèle de croissance de Weibull sont des prédictions qui supposent que la loi de Moore s'effondrera à mi-chemin et que la croissance du nombre de transistors ralentira.
En effet, ces dernières années, on a dit que la loi de Moore avait atteint ses limites. Ensuite, interrogez ChatGPT sur l'avenir de la loi de Moore.
Il semble certain que la limite a été dans une certaine mesure atteinte. Les facteurs physiques et économiques semblent être la clé du maintien de la loi de Moore à l'avenir.
Le fait que la loi de Moore s'applique encore aujourd'hui peut être le résultat des efforts des ingénieurs pour innover afin de la suivre. J'attends avec impatience les innovations technologiques qui perpétueront la loi de Moore et amélioreront nos vies.
par Naohiro Masukawa (JMP Japon)
Naohiro Masukawa - Communauté d'utilisateurs JMP
Source des données : Notre monde en données ( Loi de Moore : le nombre de transistors par microprocesseur (ourworldindata.org) )
