  |
はてなキーワード: ムーアの法則とは
ムーアの法則絶頂期ならPCが爆速陳腐化してたからゲーム専用機の価値があったけど、今は停滞してるんだからAPU流用で「VAIOのゲーミングPC」が出てもいいのにな
1995年～2015年位まではPCのスペックが3年で1～2桁くらいの異常なペースで進化しており、PCゲームと言えば「2年前に30万円で買ったPCの性能が今ではドンキの激安PC未満相当まで相対的に落ちているから、このPCではもはや最新ゲームの起動自体が不可能」とか「去年組んだ最強ゲーミングPCだから、今年に出た最新ゲームでもまだ画質設定の一部をLOWにすれば、大部分MIDDLEでも遊べる」といった狂った状況が続いていた
そういった状況で、ソニー・プレステや任天堂などのゲーム専用機は、発売時は特殊なアーキテクチャでPCの進化を5年先取りして美麗なグラフィックスや新しい価値を提供し、終売時はPCには劣るがゲーム自体が特化しているので十分楽しめるという価値を残し、そして「初代」から最終型まで価格や消費電力が落ちていく一方、性能を一切変えないことで「発売日に並んで買った初期型なのに、今では最新ゲームが動かない」という状況を回避していた
しかし、2010年代くらいからゲーミングPCの進化が急減速し始め、5年で20%くらいまで落ちて今に至るので、今ではこの「ボクのおこづかいで買った初期型」現象はもう発生しなくなっている。同時に、同世代のスマホよりも画質が凄惨だったチップセット内蔵グラフィックスも性能が上がり、更にUnityなどの無料ゲームエンジンが登場してイチからC++でプログラミングを極めなくてもゲームが作れるようになり、これらの合わせ技で「殆どのゲームは殆どのPCで動く」状況が完成した
こうなった今、「ゲーム専用機だから安心」という価値はほぼ無くなっている。今こそPS2～PS3時代にどっかのソニーの久夛良木とかいうオッサンが夢見ていた「ソニーのエコシステムでマルチメディア」環境を実現すべき時が来てる。んだからさっさとSteamや一太郎やらPrime Videoやらをプレステに移植するなり、プレステにWindows実行機能を付けたモデルを作るなり、やればいいのにと思うんだがなぁ。
呆れれば？俺はお前の粘着ぶりにあきれてるけど。いわゆるハッタショ増田なの？
そういうことじゃないんだよね。
当たり前の話を無視しない結果が当初のゴールポストに絡むなら問題ない。
でも当たり前の話を無視しないことによりお前が導き出した結論は「お前の主張は身勝手ということになるからクズ」だと来たもんだ。
身勝手かどうかなどこっちはそんな話してないのだから、これは後出しじゃんけんのゴールポストずらしなんだよ。
悔しかったら最初から「身勝手なのは受け付けない」と条件書いとけ。
環境団体すら「書き込みは資源の無駄になるからやめろ」とか言ってるところないだろ？
ペットボトルの蓋の分別だって俺は些細なことに感じるが、書き込みの環境や資源への悪影響なんてのはそれと比べても無視していい塵程度のものなんだろうな。
お前はそうやって粘着して長文を書き続けてるのにだ。これを身勝手じゃなくなんという？都合のいいエゴじゃなくなんという？
おととい出直せよ。
もっと突っ込んだこと言おうか？
この分野については書き込み自体のデータ圧縮技術じゃなく、データを保存するハード自体の縮小化の効果だってある。
ムーアの法則って知ってるだろ？あれはメモリにも当然適用されるだろう。
レアメタルだっけ？そういったものの消費量がどんどん少なくて済むようになる。
しかし他の分野はどうだ？車とか人が乗るためにはどうしたって物理的に最低の大きさはいるだろう？
一定の燃料資源から取り出せるエネルギーの上限だってエネルギー保存則で底が知れちゃってるだろ？
だから逆に一定のエネルギーを得るために最低限必要な資源ってのは決まっててそれ以下にはできない。
よってもし資源を使い切ることがあるとしたらどう見積もってもそれは書き込み動向に関係なく他の分野由来の使い過ぎにによる責任なんだよね
他の様々な技術と同じく、女の子を可愛くみせる技術というのもすごい勢いで進化していて、それこそ10年で2倍みたいな勢いがある。当然その技術には「人間の弱点を突く」「男性の弱点を突く」ようなものも当然に含まれてるわけだ。
例えば人の射幸心につけいる、ギャンブル性のあるものには（後手に回りがちではあるが）歯止めがかけられる。競馬や宝くじはもちろん、脱法的と言われるパチンコや、金で返されないガチャにも法的制約がある
かわいさにはそういう対策がない。野放しだ。「かわいさは罪」は、今は冗談としてしか用いられないが。
例えば60秒間見つめ合うだけで惚れちゃうじゃん？ そういうの、本当に放置してて良いんだろうか。
じゃあお前は何か、かわいくあるための努力を否定し、天与の才能だけでランキングが決まるような社会がいいのかと責められると心苦しい。
メイクや服装、体型維持だけではなく、仕草というのも、恐らく半世紀前とは比較にならないくらい洗練されてしまっている。かわいさムーアの法則である。
この論は男女6歳にして席を同じくせず、みたいな話になってしまうんだろうか。モテるための努力、清潔感を獲得するための努力をしない方が罪なのだ、という論調は（かつて理系男子の楽園だったはずの）はてなにおいてすら主流を占めつつあるように思える。戦争のための努力より平和ボケの方がマシ、むしろそれこそが文明の目標なのだ、と言われると、そうかもしれないとは思うが......
おいおい。
なんだか、あっという間にレベルが上がっちまったようだ。
ところがどっこい。
いや、もっとすごい話もある。
もしかすると、この先の“博士レベル”まで到達するんじゃないかってな。
いまだ限界が見えないってのが、恐ろしいような、楽しみなような。
なんだってこんなに早いんだろう。
全部が噛み合った結果らしいが、素人目にゃ魔法みたいに見えるぜ。
生成AIってのは、うまい使い方を知ってるか知らねえかで大違い。
それこそ、黙って使いこなしてりゃ、自分だけ楽できる。
ところが、一度広まっちまうとみんな同じだ。
しかも、あんまり得意げに使い方を教えた日には、アドバンテージが吹っ飛ぶ。
挙句の果てには、自分の仕事自体がAIに取られちまうかもしれねえ。
そりゃ、簡単には口外したくないよな。
だからこそ、今は「こっそり使い込む」奴が得をする変な時期だ。
他の連中より早く成果を出す。
それでいて、ノウハウは共有しない。
ただ、こんなチャンスは長く続かねえ可能性もある。
そうなると、もう誰がどれだけAIを使いこなせるかで差はつきにくい。
最初にノウハウをがっつり握って、成果をバンバン上げる人もいるだろう。
けどな、いずれは公開や共有が進んで、個人の隠し技じゃなくなるはずだ。
これから先、博士レベルだろうが何だろうが、生成AIはどんどん賢くなる。
誤りが限りなく減って、新しいアイデアまで産み出すAIが現れるかもしれん。
人間の専門家が優位に立つ理由が急速に薄れてくるって話もある。
となりゃ、人間のほうはAIとどう付き合うかが大事になるだろう。
でもよ。
いま現時点では、まだ“小さく稼げる”段階なんだな。
それが一番おいしいってわけさ。
とはいえ、そんな状況もいずれ終わる。
それどころか、誰でも同じアウトプットを出せる時代が来るかもしれねえ。
そこに至るまでの隙間で、誰が何をどう稼ぐか。
まさに、一瞬の勝負どころじゃねえか。
そんなふうに、俺は思うんだよ。
私は以前、AGIへの短期的なタイムラインには懐疑的だった。その理由のひとつは、この10年を優遇し、AGI確率の質量を集中させるのは不合理に思えたからである（「我々は特別だ」と考えるのは古典的な誤謬のように思えた）。私は、AGIを手に入れるために何が必要なのかについて不確実であるべきであり、その結果、AGIを手に入れる可能性のある時期について、もっと「しみじみとした」確率分布になるはずだと考えた。
しかし、私は考えを変えました。決定的に重要なのは、AGIを得るために何が必要かという不確実性は、年単位ではなく、OOM（有効計算量）単位であるべきだということです。
私たちはこの10年でOOMsを駆け抜けようとしている。かつての全盛期でさえ、ムーアの法則は1～1.5OOM/10年に過ぎなかった。私の予想では、4年で～5OOM、10年で～10OOMを超えるだろう。
https://situational-awareness.ai/wp-content/uploads/2024/06/this_decade_or_bust-1200x925.png
要するに、私たちはこの10年で1回限りの利益を得るための大規模なスケールアップの真っ只中にいるのであり、OOMsを通過する進歩はその後何倍も遅くなるだろう。もしこのスケールアップが今後5～10年でAGIに到達できなければ、AGIはまだまだ先の話になるかもしれない。
つまり、今後10年間で、その後数十年間よりも多くのOOMを経験することになる。それで十分かもしれないし、すぐにAGIが実現するかもしれない。AGIを達成するのがどれほど難しいかによって、AGI達成までの時間の中央値について、あなたと私の意見が食い違うのは当然です。しかし、私たちが今どのようにOOMを駆け抜けているかを考えると、あなたのAGI達成のモーダル・イヤーは、この10年かそこらの後半になるはずです。
マシュー・バーネット（Matthew Barnett）氏は、計算機と生物学的境界だけを考慮した、これに関連する素晴らしい視覚化を行っている。
どうしてこうなった？ディープラーニングの魔法は、それがただ機能するということであり、あらゆる場面で否定的な意見にもかかわらず、その傾向線は驚くほど一貫している。
https://situational-awareness.ai/wp-content/uploads/2024/06/sora_scaling-1024x383.png
効果的な計算のOOMが増えるごとに、モデルは予測通り、確実に良くなっていく。OOMを数えることができれば、能力の向上を（大まかに、定性的に）推定することができる。そうやって、先見の明のある数人がGPT-4の到来を予見したのだ。
GPT-2からGPT-4までの4年間の進歩を、スケールアップの3つのカテゴリーに分解することができる：
1. コンピュート：計算：これらのモデルを訓練するために、より大きなコンピューターを使うようになった。
2.アルゴリズムの効率化：アルゴリズムの進歩には継続的な傾向がある。これらの多くは「コンピュート・マルチプライヤ」として機能し、有効なコンピュート量の増加という統一された尺度に乗せることができます。
3.「趣味のない」利益：デフォルトでは、モデルは多くの素晴らしい生の能力を学習しますが、あらゆる種類の間抜けな方法で足かせとなり、実用的な価値が制限されます。人間のフィードバックからの強化学習（RLHF）、思考の連鎖（CoT）、ツール、足場などの単純なアルゴリズムの改善により、潜在的な能力を大きく引き出すことができる。
これらの軸に沿って、改善の「OOMを数える」ことができる。つまり、有効計算量の単位でそれぞれのスケールアップをトレースするのだ。3倍は0.5OOM、10倍は1OOM、30倍は1.5OOM、100倍は2OOMといった具合だ。2023年から2027年まで、GPT-4の上に何を期待すべきかを見ることもできる。
ひとつひとつ見ていくが、OOMの数を急速に増やしていることは明らかだ。データの壁には逆風が吹いている可能性があり、それについては後述するが、全体的には、2027年までにGPT-4の上に、GPT-2からGPT-4規模のジャンプがもう1回起こると予想される。
まず、最近の進歩の原動力として最もよく議論されている、モデルへの（大量の）コンピュート投入について説明します。
多くの人は、これは単にムーアの法則によるものだと考えている。しかし、ムーアの法則が全盛期を迎えていた昔でさえ、その進歩は比較的緩やかなものでした。しかし、ムーアの法則が全盛期だった昔でさえ、10年で1～1.5OOMと、比較的ゆっくりとしたスピードだった。(かつては1つのモデルに100万ドルを費やすことさえ、誰も考えもしないことだった。）
| モデル | 推定コンピュート | 成長率 |
|---|---|---|
| GPT-2 (2019) | ~4e21 FLOP | |
| GPT-3 (2020) | ~3e23 FLOP + | ~2 OOMs |
| GPT-4 (2023) | 8e24～4e25 FLOP + | ~1.5～2 OOMs |
エポックAI（AIトレンドの優れた分析で広く尊敬されている情報源）の公開推定値を使用して、2019年から2023年までのコンピュートスケールアップを追跡することができます。GPT-2からGPT-3へのスケールアップは迅速で、小規模な実験から大規模な言語モデルを訓練するためにデータセンター全体を使用するまでにスケールアップし、コンピュートのオーバーハングが大きくなりました。GPT-3からGPT-4へのスケールアップでは、次のモデルのためにまったく新しい（はるかに大きな）クラスタを構築しなければならないという、最新の体制に移行しました。それでも劇的な成長は続いています。エポックAIの試算によると、GPT-4のトレーニングでは、GPT-2の3,000倍から10,000倍の計算量を使用しています。
大雑把に言えば、これは長期的なトレンドの継続に過ぎない。過去10年半の間、主に投資（およびGPUやTPUの形でAIワークロードに特化したチップ）の幅広いスケールアップのため、フロンティアAIシステムに使用されるトレーニング計算量は、およそ〜0.5OOM/年で成長してきた。
https://situational-awareness.ai/wp-content/uploads/2024/06/compute_long_run_trend-1024x968.png
GPT-2からGPT-3への1年間のスケールアップは異例のオーバーハングであったが、長期的なトレンドが続くことは間違いない。SF-rumor-millは、巨額のGPU受注の劇的な話で一杯だ。その投資は並大抵のものではないが、動き始めている。
この分析によれば、2027年末までにさらに2OOMsのコンピュート（数十億ドル規模のクラスター）が実現する可能性は非常に高いと思われる。さらに＋3OOMsのコンピュート（1,000億ドル規模以上）に近いクラスターも可能性がありそうだ（マイクロソフト／OpenAIで計画中と噂されている）。
https://situational-awareness.ai/wp-content/uploads/2024/06/stacked_compute-1024x866.png
続き I.GPT-4からAGIへ：OOMを数える(5) https://anond.hatelabo.jp/20240605205449
未だに「謎の半導体メーカー」程度の認識の方になぜNVIDIAが時価総額世界4位なのかをあれこれ説明する必要があるので短めにメモ。半導体業界のすみっこの人間なので機械学習まわりの説明は適当です
・～1993年 AI冬の時代。エージェントシステムがさほど成果を挙げられなかったり。まだ半導体やメモリの性能は現代とくらべてはるかに劣り、現代のような大規模データを用いた統計的処理など考えられなかった。2006年のディープラーニングの発明まで実質的な停滞は続く。
・1995年 NVIDIAが最初のグラフィックアクセラレータ製品NV1を発売。
・1999年 NVIDIAがGeForce 256発売。GPUという名が初めて使われる。以降、NVIDIAはGPU業界1位の座を守り続ける。
・2006年 GPGPU向け開発基盤CUDAを発表。以降、その並列計算に特化した性能を大規模コンピューティングに活用しようという動きが続く。
・2006年 ディープラーニングの発明。のちのビッグデータブームに乗り、これまでよりはるかに高性能なAIを模索する動きが始まる（第3次AIブームのおこり）
・2006年 CPU業界2位のAMDがGPU業界2位のATIを買収、チップセットにGPUを統合することで事実上自社製品をNVIDIAと切り離す戦略に出る。CPU業界1位のインテルも、同じく自社CPUに自社製GPUを統合する動きを強める。NVIDIAはこれまでの主力だったGPUチップセット製品の販売を終了し、データセンター向けGPGPUのTeslaシリーズ、ゲーム用外付けGPUのGeForceシリーズ、ARM系CPUと自社GPUを統合したTegraシリーズの3製品に整理する。このうちTeslaシリーズが性能向上やマイクロアーキテクチャ変更を経て現代のAIサーバ製品に直接つながる。GeForceシリーズはゲーマー向け需要や暗号通貨マイニング向け需要も取り込み成長。Tegraシリーズは後継品がNintendoSwitchに採用される。
・2012年 ディープラーニングが画像認識コンテストで圧倒的な成績を収め、実質的な第3次AIブームが始まる。
・2017年 Transformerモデル発表。これまでのNN・DLと異なり並列化で性能を上げるのが容易＝デカい計算機を使えばAIの性能が上がる時代に突入。
・2018年 IBMがNVIDIAと開発した「Summit」がスパコン世界ランキング1位の座を5年ぶりに中国から奪還。全計算のうち96%がGPUによって処理され、HPC（ハイパフォーマンスコンピューティング）におけるGPUの地位は決定的になる。NVIDIAの開発したCPU-GPU間の高速リンク「NVLink」が大規模に活用される。「Summit」は2020年に「富岳」にトップを奪われるまで1位を維持。
・2018~2021年 BERTやXLNet、GPT2など大規模言語モデルの幕開け。まだ研究者が使うレベル。
・2019年 NVIDIA CEOジェスン・ファン（革ジャンおぢ）が「ムーアの法則は終わった」と見解を表明。半導体のシングルスレッド性能の向上は限界に達し、チップレットを始めとした並列化・集積化アーキテクチャ勝負の時代に入る。
・2022年 NVIDIAがH100発表。Transformerモデルの学習・推論機能を大幅に強化したサーバ向けGPUで、もはや単体でもスパコンと呼べる性能を発揮する。H100はコアチップGH100をTSMC N4プロセスで製造、SK Hynix製HBMとともにTSMC CoWoSパッケージング技術で集積したパッケージ。※N4プロセスは最新のiPhone向けSoCで採用されたN3プロセスの1つ前の世代だが、サーバ/デスクトップ製品向けプロセスとモバイル製品向けプロセスはクロックや電流量が異なり、HPC向けはN4が最新と言ってよい。
・2022年 画像生成AIブーム。DALL-E2、Midjourney、Stable Diffusionなどが相次いで発表。
・2022年 ChatGPT発表。アクティブユーザ1億人達成に2カ月は史上最速。
・2023年 ChatGPT有料版公開。Microsoft Copilot、Google Bard（Gemini）など商用化への動きが相次ぐ。各企業がNVIDIA H100の大量調達に動く。
・2024年 NVIDIAが時価総額世界4位に到達。半導体メーカー売上ランキング世界1位達成（予定）。
こうして見るとNVIDIAにとっての転換点は「ディープラーニングの発明」「GPGPU向けプログラミング環境CUDAの発表」「チップセットの販売からコンピューティングユニットの販売に転換」という3つが同時に起こった2006年であると言えそう。以降、NVIDIAはゲーマー向け製品やモバイル向け製品を販売する裏で、CUDAによってGPGPUの独占を続け、仮装通貨マイニングやスパコンでの活躍と言ったホップステップを経て今回の大きな飛躍を成し遂げた、と綺麗にまとめられるだろう。
| 年 | 機種 | 演算性能 | ||
| 1980 | HITAC M-200H | 48 MFLOPS | ||
| 1985 | HITAC M-280D , S-810/10 | 630 MFLOPS | 13.1倍 | |
| 1994 | HITAC S-3800/180 | 8 GFLOPS | 12.7倍 | |
| 1999 | HITACHI SR8000 | 288 GFLOPS | 36倍 | |
| 2004 | NEC SX-6 タイプE | 2894 GFLOPS | 10.1倍 | |
| 2009 | HITACHI SR16000 モデルL2 | 72.7 TFLOPS | 25.1倍 | |
| 2015 | FUJITSU PRIMEHPC FX100 ,FUJITSU PRIMERGY CX2550M1 | 1268 TFLOPS | 17.4倍 | 2015年にムーアの法則が終わったと言われている。 |
| 2020 | FUJITSU PRIMERGY CX2550M5 | 2.81 PFLOPS | 2.2倍 | ←5年でたった2.2倍 |
ピーター・ムーアというアディダスやナイキのロゴを作った人から命名された法則。
ジャガイモとビールが合うように、ある食べ物には必ず合う飲み物があるという法則。
オープンワールドのゲームでは、アンカリングされた地点にファストトラベルできる機能があると便利だよいう意味。
「オデ…オデ…」と一人称をオデにするだけでゴーレムのように見えてしまう効果。
監獄にスタンフォードの本を配ったらみんな改心したという感動の実験。
蝶はよく見ると気持ち悪いのに、みんなに愛されている。
父母も火を見ると恐れるようなぐらいにネッツでカードを使うことを恐れている人々で、
私もその恐ろしさに戦々恐々なんだけど、
でも少しはインターネッツに慣れ親しんでいるつもりなので
代わりに買ってあげることにしたの。
私も初めて使うインターネッツのウエブのサイトで買おうとしたのね。
そしたら、
私全然限度額とか行ってないし、
困ってたんだけど事情をカード会社に電話して即解除してもらえたから良かったものの、
私もこんな事態初めての状況のことだったので、
そんで、
無事母の頼みたい、
世の中は便利なものねって思ったのよ。
それなら
移動中のレジャー先で冷たい飲み物とか冷たく冷やした飴玉とか飲んだり食べたりできるから
ドライブ快適ね！っておもったら
そうじゃなくて
どうやら釣った魚を保管する用の冷蔵庫だそうよ。
そんな冷蔵庫がいるぐらい釣れてるのかしら？って思っちゃうけど、
まんざらお魚って素人が売っても売るところがあること自体がビックリだし、
まさに松方弘樹の世界を釣る！的なビッグドリームかつビッグフィッシングだな！って思ったの。
そんで、
翌朝メールを開けてみたら
カード会社からカードを止めた緊急連絡の最終告知だからな！って
もちろん
私は心当たりがあるから開こうとしたらブロックされてよく見たら紛らわしいフィッシングメールで
手当たり次第にメールを送っておけば、
なにかしら
心当たりのある人に引っかかるだろうと言う
でも今はインターネッツの技術的革新がムーアの法則で1日1歩日進月歩いや秒進分歩だから
私がそんなおっちょこちょいなことを
つまり、
私自体がフィッシングサイトを開いて自らビッグフィッシングにならなかっただけの、
これって
効いたよね！早めのパブロン！って
なにやってんのよ！って惣流アスカラングレーが言うあんたバカって言われそうなほど
大手物流倉庫を運営している会社みたいな空目をしそうだったわよ。
だから
お届けは未定です！って
冷蔵庫でそんな人気商品あんの？って思わず二度見してしまいそうで
誰も昔そんなこと思っていなかったけど、
お刺身をそこに入れておいて、
出すときのスペースコロニーの船外活動を終えて戻ってきて減圧しているときのプシュって言う開けたときの音に
いてもたってもいられたかったわけだったのよ。
とりあえず、
うふふ。
本気味おにぎり！
道端に自生しているミントはやっぱりどうしても使う気にはなれないしね。
すいすいすいようび～
今日も頑張りましょう！
| 年 | 名前 | 性能(PFLOPS) | 性能比 | 消費電力(MW) | 性能/MW(PFLOPS) | 性能比 |
| 2002 | 初代地球シミュレータ | 0.0359 | 6 | 0.0059833 | ||
| 2011 | 京 | 10 | 278.5倍 | 12.7 | 0.7874 | 131.599倍 |
| 2020 | 富岳 | 415 | 41.5倍 | 28.3 | 14.6643 | 18.623倍 |
| 年 | 名前 | 性能(TFLOPS) | 性能比 |
| 2000 | PS2 | 0.0062 | |
| 2006 | PS3 | 0.23 | 37.1倍 |
| 2013 | PS4 | 1.843 | 8倍 |
| 2020 | PS5 | 10 | 5.42倍 |
ゲーム機だとこうなる
だんだん性能が伸びなくなってるよな
ブコメにワットパフォーマンスの話が出たのでスーパーコンピュータのWとか調べてワッパで比べてみた
だけどPSにかんしては、調べるとみんな言うこと違ってて
初期型PS2は50W、初期型PS3は380Wが有力みたいなんだけど、ただこれも電源にそれが乗ってた程度の話で
申し訳ないがあまりにも突っ込みどころが多すぎて突っ込みきれない。そのレスも分かってない感を上塗りしてるだけだ。
まず学習に必要な計算量と推論に必要な計算量は違うということを理解するべきだし、ムーアの法則が律速になってからここ10年で計算量がどれだけ増加したか・それは何故なのかを知るべきだし、意味も分からず教師データを学習モデルに突っ込んで精度が良いとか悪いとか言う前に統計学の基本を勉強するべき。つうか「機械学習までは勉強した」ってなんだよ。何を勉強したら「機械学習を勉強した」ことになるのか全く分からないので情報量がない。まともに勉強してたらこんな言い方は絶対にしない。
統計学の勉強には東大出版会の「自然科学の統計学」や竹村先生の「現代数理統計学」あたりを読むといいだろう。線形代数をある程度分かってる前提だが。
（年収270の人です）
機械学習や深層学習とかの、AI は無理だって。根拠は半導体のパフォーマンスが線形にしか伸びないのに、医療側の要求はムーアの法則を超えていく勢いだから、シリコンベースの人工知能開発だと微細化の限界が先に来てしまう。考えてみてくれ、CPU,GPU,TPU はチューリング機械なんだぞ。俺が AI のレン中に欺瞞を感じるのはだな、あまりに計算量を無視してプログラミングをして人工知能をやる馬鹿者たちしかいない現状よ。たとえば、富岳で人工知能開発ができたとして、ペイできる可能性あるか？人間のほうが安い可能性が高いと思うよ。それに教師あり学習でAIすると、元になった画像の著作権が問題になって、EU が揉めてるじゃん。やめようよ、理想の人工知能の開発なんて。
私の20数年のプログラム人生の殆どにおいて開発PCのメモリが4GBだった。これほど恐ろしい話は無い。
(中略)
中小企業は特例もあるが、PCの減価償却のシステムが日本のITを劣化させているのは間違いない。
そろそろ8GB以下は人権侵害ということで良いのではないだろうか。
ほんそれ。禿同！
全国津々浦々のSE・プログラマ諸氏は団結して、国会議員やら経産省？の官僚やらに圧力をかけて、
ある年度のPCメモリ容量を「最低8GB」とか定めて、次年度からは毎年√2倍（約2年で2倍のムーアの法則準拠）に増加させないと、そのプログラマを雇用しているまたは派遣を受けている企業には課徴金を払わせる！とかw
自粛要請に従わない店とかに50万とか払わせるんだから、最低メモリを守らない企業にも一人アタマ50万くらい払ってもらおう！
