Il recente ChatGPT (GPT-4) consente di riconoscere le immagini caricandole.
Quindi, ho caricato casualmente un report JMP come quello qui sotto in formato immagine (png) su ChatGPT e ho detto: "Questo è un report derivante dall'adattamento di una curva in JMP. Per favore, interpreta i risultati".
Ha restituito un documento come questo:
Successivamente ho riconosciuto i valori di AICc, BIC e R2 in questa immagine e ho interpretato i risultati, ma quello che più di tutto mi ha sorpreso è stata la seguente frase scritta alla fine.
Wow, riconosci che questi dati mostrano la "Legge di Moore" anche se non l'hai spiegata specificamente! !
ChatGPT fa paura.
"Legge di Moore" e grafici che la mostrano
La legge di Moore afferma che il numero di transistor installati in un circuito integrato raddoppia circa ogni due anni. La tecnologia dei semiconduttori avanza di giorno in giorno e, con l'aumento del numero di transistor installati, la potenza di elaborazione dei dispositivi aumenta in modo significativo e la nostra vita quotidiana ne trae grandi benefici.
Il grafico seguente viene spesso utilizzato per spiegare la Legge di Moore.
L'anno è tracciato sull'asse orizzontale (X), il numero di transistor per microprocessore trasformato logaritmicamente in quell'anno è tracciato sull'asse verticale (Y) ed è inserita una linea di regressione. In questo caso utilizziamo un logaritmo in base 2 per rendere più semplice la comprensione del fatto che il valore raddoppia in due anni.
L'R quadrato è molto alto, pari a 0,994, e la linea di regressione si adatta bene ai dati. L'equazione di regressione mostra che il numero di transistor trasformati logaritmicamente aumenta di circa 0,5 ogni anno, quindi in due anni aumenta di circa 1. Se riportiamo il valore alla scala originale, il numero di transistor circa raddoppia ogni due anni, secondo la stessa legge di Moore.
Adatta vari modelli non lineari con "Curve Fitting" di JMP
La sezione precedente mostra che la trasformazione logaritmica del numero di transistor (Y) segue una linea retta, ma se considerata sulla scala originale mostra che Y aumenta esponenzialmente.
Pertanto, il rapporto mostrato all'inizio di questo blog è il risultato dell'adattamento di un modello non lineare alla scala Y senza trasformarlo logaritmicamente.
Facciamo riferimento a questo rapporto mentre adattiamo vari modelli non lineari utilizzando la piattaforma Curve Fitting di JMP.
Qui sono montati tre modelli: Logistic 3P (modello logistico con 3 parametri), crescita di Weibull (curva di crescita) e Gompertz3P (curva di Gompertz con 3 parametri).
Quando si osserva la linea di adattamento sul grafico, potrebbe sembrare che sia adattata solo una linea, ma tutti e tre i modelli si adattano quasi allo stesso modo, quindi si sovrappongono.
Nel rapporto "Confronto modelli" nella parte superiore del rapporto, puoi confrontare l'adattamento di ciascun modello utilizzando statistiche come AICc, BIC e R quadrato. Come specifiche JMP, l'AICc è organizzato dall'alto verso il basso in ordine decrescente (adattamento migliore), quindi Logistic 3P è il modello migliore, ma le statistiche di altri modelli sono simili e il modello sembra difficile decidere quale sia migliore o peggiore .
La legge di Moore sarà ancora valida?
Nella sezione precedente abbiamo adattato un modello non lineare utilizzando i dati dal 1971 al 2021, ma cosa accadrebbe se utilizzassimo questi modelli per prevedere il numero futuro di transistor?
In effetti, le previsioni variano notevolmente a seconda del modello. Quanto segue mostra l'asse orizzontale del grafico precedente espanso fino al 2040 circa.
Il modello arancione Gomperz 3P è una previsione che presuppone che la legge di Moore continuerà nel futuro. D'altra parte, il modello Logistic 3P e il modello di crescita di Weibull sono previsioni che presuppongono che la legge di Moore fallirà a metà strada e la crescita del numero di transistor rallenterà.
Negli ultimi anni, infatti, si è detto che la Legge di Moore ha raggiunto i suoi limiti. Quindi chiedi a ChatGPT del futuro della Legge di Moore.
Sembra certo che il limite sia stato in una certa misura raggiunto. I fattori fisici ed economici sembrano essere la chiave per mantenere la Legge di Moore in futuro.
Il fatto che la legge di Moore sia ancora valida oggi potrebbe essere il risultato degli sforzi degli ingegneri di innovare per seguirla. Attendo con ansia le innovazioni tecnologiche che continueranno la Legge di Moore e miglioreranno le nostre vite.
di Naohiro Masukawa (JMP Giappone)
Naohiro Masukawa - Comunità degli utenti JMP
Fonte dati: Il nostro mondo nei dati ( Legge di Moore: il numero di transistor per microprocessore (ourworldindata.org) )
