Uudenvuoden toivotus

Joka vuosi juoksen a ennustusartikkeli. Se on sekoitus ajatuksia monilta alan ihmisiltä, ​​ja vaikka monet ennustukset ovat jokseenkin itsekkäitä, on muitakin, jotka tulevat enemmän sydämestä – tai ehkä ne ovat unelmia kuin odotuksia. Näen toivoa joissakin niistä, erityisesti niissä, jotka tähtäävät kestävään kehitykseen alallamme ja toimialallamme.

Aivan kuten todentamisessa, sen tarkoitusta kuvaavat kaksi sanaa - todentaminen ja validointi. Varmennus tarkoittaa sitä, että malli näyttää vastaavan eritelmää, kun taas validointi varmistaa, että spesifikaatio on mitä halusit. Toinen on sisäänpäin katsova, toinen enemmän ulospäin. Sama pätee kestävyyteen.

Kestävässä kehityksessä on kaksi näkökohtaa – teemmekö kaiken kestävimmällä tavalla ja johtaako luomamme kestävämpi tulevaisuus?

Asioiden tekeminen kestävästi

Kun ajattelen todentamista, näen valtavia määriä hukattua aikaa, vaivaa ja valtavia määriä laskentaa, joita ei pitäisi vaatia. Käytössä oleva menetelmä on suoraan sanoen lapsellinen. Alan parhaat mielet eivät ole onnistuneet keksimään menetelmää, jolla ei olisi minkäänlaista käsitystä tehokkuudesta. Heilutamme käsiämme ilmassa sanoen, että se on mahdoton tehtävä ja että emme koskaan pääse sulkeutumaan. Ja silti parasta, mitä teollisuus voi keksiä, on satunnainen menetelmä, joka ohjaa ärsykkeitä ja suorittaa ad hoc -tarkistuksia keräämällä implisiittisiä kattavuustietoja.

Nykyisen määritelmän mukainen rajoitettu satunnaistestausmallimenetelmä lisää simulaattorilisenssien myyntiä, ja kasvavat suunnittelukoot ovat vaihtaneet sen emulaattoreihin. Mutta kattavuus määritellään siten, että on lähes mahdotonta ajatella todellista täydellisyyttä tai optimaalista ärsykesarjaa ja samoja asioita tarkistetaan luultavasti miljardeja kertoja enemmän kuin vaaditaan.

Olen erittäin iloinen nähdessäni, että jotkut yritykset ovat alkaneet pohtia todellisia hierarkkisia lähestymistapoja useisiin alan ongelmiin, ja todentamista on harkittava uudelleen. Abstraktien mallien automaattinen luominen yksityiskohtaisista malleista on tämän avaintekijä. Lohkotason todentamisen tulisi luoda korkeamman tason malli, jota voidaan käyttää integraation varmentamiseen tai muihin korkeampiin varmennusmuotoihin. Nämä luodut mallit ovat erityisiä ylemmän tason todentamisen tarkoitusta varten. Esimerkiksi korkeamman tason malli voi olla abstrakti funktio ja tilastollinen ajoituksen malli, tai se voi vain kaapata I/O-mallin, joka ilmoittaa varoituksen, jos se näkee joukon kuvioita ja tiloja, joita lohko ei kata. tason varmistus. Mahdollisuuksia on niin monia.

Sitten suunnittelussa on tehokkuutta. On selvää, että yritykset yrittävät kovasti vähentää virrankulutusta tähän tehtävään liittyvien siruvikojen lukumäärän perusteella. Teollisuus tarvitsee paljon parempia työkaluja tehokkuusetujen löytämiseksi ja niiden vaikutuksen todentamiseksi.

Luoda asioita kestävää tulevaisuutta varten

Syöttääkö se, mitä työskentelet, maailmaan, joka on energiatehokkaampi kuin se oli ennen tuotteesi saatavuutta? Joissakin tapauksissa tähän voi olla melko helppo vastata, kuten tuottaa prosessori, joka tekee enemmän toimintoja wattia kohden kuin edellinen sukupolvi. Mutta tässä on monia tasoja.

Yksi ajatusmalli on häirinnyt minua pitkään. Ohjelmisto-ohjelmoinnin paradigma on niin juurtunut, että teollisuus tekee kaikkensa säilyttääkseen sen, vaikka se olisi niin tehoton, että se pitäisi romuttaa ja korvata jollain muulla. Se voi johtaa ohjelmiston vaatimaan enemmän aikaa, mutta tuote tulee lopulta olemaan suuruusluokkaa energiatehokkaampi. Kuka esimerkiksi suorittaa ML:n yleiskäyttöisellä suorittimella? He tekivät jonkin aikaa ennen kuin löysivät sopivampia vaihtoehtoja, mutta monet muut tehtävät käyttävät edelleen väärää käsittelyarkkitehtuuria.

Samoin AI/ML:ssä tutkijat ovat vähentäneet tarpeettoman suuren tarkkuuden tarvetta. Sitä käytettiin alun perin, koska siinä ei ollut mitään muuta, mutta täyden tarkkuuden liukulukulla tuhlataan niin paljon energiaa. Reunapäättely on parantunut nopeammin, koska ilman sitä tuotteet eivät olisi mahdollisia. Mutta paljon enemmän on pohdittava oppimisenergian massiivista vähentämistä.

Sitten on tuoteluokka, joka uhmaa kaikkia kestävyyden käsitteitä. Heidän ainoa syynsä olemassaoloon on tehdä rahaa ympäristön kustannuksella. Esimerkki, jonka valitsen aina, ovat suositusmoottorit. Voimmeko lopettaa tämän tyhmyyden? Ne eivät toimi, eikä niillä ole hyvää tarkoitusta. Ihmiset, jotka työskentelevät näiden tuotteiden parissa, harkitse uudelleen, mihin sijoitat lahjakkuutesi, ja jos sinulla on mahdollisuus muuttua johonkin, joka on yhteiskunnan hyväksi, tee se.

Toimialallamme on valtava valta vaikuttaa yhteiskunnan kaikkiin osa-alueisiin. Vaikka uskon, että meillä on kohtuullinen ennätys, se on kaukana täydellisestä. Olemme joka kerta valinneet helpon tien, mikä tarkoittaa, että olemme kaukana siitä, missä voisimme olla energiatehokkuuden suhteen. Meidän on mietittävä sitä jokaisessa toimintamme kulmassa. COVID osoitti, että jopa työolojen muutoksella voi olla suuri vaikutus. Meidän on löydettävä tasapaino toimistotyön ja "paikallisten" resurssien hyödyntämisen välillä. Meidän on lakattava ajattelemasta, että laskentateho on ääretön, ja keskittyä enemmän siihen, kuinka vähennämme tarvitsemamme laskennan määrää tai kuinka voimme suorittaa laskennan tehokkaammin.

Me kaikki voida tehdä eroa. Käytä uutta vuotta miettiäksesi sitä hieman enemmän. Yksittäin emme voi ratkaista ongelmaa, mutta jokainen meistä voi antaa pienen panoksen.