IzpÄtiet aptuveno skaitļoÅ”anu ā paradigmu, kas upurÄ precizitÄti, lai gÅ«tu ievÄrojamus veiktspÄjas un energoefektivitÄtes ieguvumus. AtklÄjiet tÄs pielietojumus, metodes un izaicinÄjumus.
NepilnÄ«bas pieÅemÅ”ana: dziļa iedziļinÄÅ”anÄs aptuvenajÄ skaitļoÅ”anÄ un precizitÄtes kompromisÄ
Nebeidzamajos centienos pÄc ÄtrÄkas, jaudÄ«gÄkas un efektÄ«vÄkas skaitļoÅ”anas mÄs tradicionÄli esam darbojuÅ”ies saskaÅÄ ar pamatpieÅÄmumu: katram aprÄÄ·inam jÄbÅ«t pilnÄ«gi precÄ«zam. No finanÅ”u darÄ«jumiem lÄ«dz zinÄtniskÄm simulÄcijÄm, bitu lÄ«meÅa precizitÄte ir bijis zelta standarts. Bet ko darÄ«t, ja Ŕī tiekÅ”anÄs pÄc pilnÄ«bas kļūst par ŔķÄrsli? Ko darÄ«t, ja lielai daļai mÅ«sdienu lietojumprogrammu bÅ«t "pietiekami labam" ir ne tikai pieÅemami, bet arÄ« daudz pÄrÄk?
Laipni lÅ«dzam aptuvenÄs skaitļoÅ”anas pasaulÄ ā revolucionÄrÄ paradigmÄ, kas izaicina mÅ«su ierasto pareizÄ«bas definÄ«ciju. TÄ ir dizaina filozofija, kas apzinÄti ievieÅ” kontrolÄtas, pÄrvaldÄmas kļūdas aprÄÄ·inos, lai sasniegtu ievÄrojamus ieguvumus veiktspÄjÄ, energoefektivitÄtÄ un resursu izmantoÅ”anÄ. Runa nav par kļūdainu sistÄmu veidoÅ”anu; runa ir par inteliÄ£entu neliela, bieži vien nemanÄma precizitÄtes daudzuma iemainÄ«Å”anu pret milzÄ«giem uzlabojumiem rÄdÄ«tÄjos, kas mÅ«sdienÄs ir vissvarÄ«gÄkie: Ätrums un enerÄ£ijas patÄriÅÅ”.
KÄpÄc tagad? AptuvenÄs skaitļoÅ”anas virzÄ«tÄjspÄki
PÄreja uz aptuveno skaitļoÅ”anu nav patvaļīga. TÄ ir tieÅ”a atbilde uz fundamentÄliem fiziskiem un tehnoloÄ£iskiem ierobežojumiem, ar kuriem mÄs saskaramies 21. gadsimtÄ. VairÄki galvenie faktori saplÅ«st, lai padarÄ«tu Å”o paradigmu ne tikai interesantu, bet arÄ« nepiecieÅ”amu.
Äras beigas: MÅ«ra likums un Denarda mÄrogoÅ”ana
Gadu desmitiem tehnoloÄ£iju nozare guva labumu no divÄm paredzamÄm tendencÄm. MÅ«ra likums novÄroja, ka tranzistoru skaits mikroshÄmÄ dubultojas aptuveni ik pÄc diviem gadiem, izraisot eksponenciÄlu apstrÄdes jaudas pieaugumu. To papildinÄja Denarda mÄrogoÅ”ana, kas noteica, ka, tranzistoriem kļūstot mazÄkiem, to jaudas blÄ«vums paliek nemainÄ«gs. Tas nozÄ«mÄja, ka mÄs varÄjÄm ievietot vairÄk tranzistoru, mikroshÄmai proporcionÄli nesakarstot.
Ap 2000. gadu vidu Denarda mÄrogoÅ”ana faktiski beidzÄs. Tranzistori kļuva tik mazi, ka noplÅ«des strÄvas kļuva par lielu problÄmu, un mÄs vairs nevarÄjÄm proporcionÄli samazinÄt spriegumu. Lai gan MÅ«ra likums ir palÄninÄjies, tÄ galvenais izaicinÄjums tagad ir jauda. MÄs joprojÄm varam pievienot vairÄk tranzistoru, bet mÄs nevaram tos visus vienlaikus darbinÄt ar pilnu Ätrumu, neizkausÄjot mikroshÄmu. To sauc par "tumÅ”Ä silÄ«cija" problÄmu, un tÄ ir radÄ«jusi steidzamu vajadzÄ«bu pÄc jauniem veidiem, kÄ uzlabot energoefektivitÄti.
Enerģijas siena
SÄkot ar milzÄ«giem, pilsÄtas izmÄra datu centriem, kas darbina mÄkoni, lÄ«dz sÄ«kiem, ar baterijÄm darbinÄmiem sensoriem lietu internetÄ (IoT), enerÄ£ijas patÄriÅÅ” ir kritisks ierobežojums. Datu centri veido ievÄrojamu daļu no pasaules elektroenerÄ£ijas patÄriÅa, un to enerÄ£ijas pÄda ir nozÄ«mÄ«gas ekspluatÄcijas izmaksas un vides problÄma. OtrÄ spektra galÄ IoT ierÄ«ces lietderÄ«bu bieži nosaka tÄs akumulatora darbÄ«bas laiks. AptuvenÄ skaitļoÅ”ana piedÄvÄ tieÅ”u ceļu uz enerÄ£ijas patÄriÅa samazinÄÅ”anu, vienkÄrÅ”ojot pamatÄ esoÅ”Äs aparatÅ«ras un programmatÅ«ras darbÄ«bas.
KļūdÄm noturÄ«gu lietojumprogrammu uzplaukums
IespÄjams, visnozÄ«mÄ«gÄkais virzÄ«tÄjspÄks ir mÅ«su darba slodžu mainÄ«gÄ daba. DaudzÄm no vissvarÄ«gÄkajÄm un skaitļoÅ”anas ziÅÄ intensÄ«vÄkajÄm lietojumprogrammÄm mÅ«sdienÄs ir raksturÄ«ga noturÄ«ba pret nelielÄm kļūdÄm. Apsveriet:
- MaŔīnmÄcÄ«Å”anÄs (MI): Neironu tÄ«kla lÄmums klasificÄt attÄlu kÄ "kaÄ·is" vai "suns" ir balstÄ«ts uz statistiskÄm varbÅ«tÄ«bÄm. Neliela viena no miljoniem svaru vÄrtÄ«bas perturbÄcija, visticamÄk, nemainÄ«s galÄ«go, augsta lÄ«meÅa rezultÄtu.
- Multivides apstrÄde: CilvÄka uztveres sistÄma ir piedodoÅ”a. JÅ«s nepamanÄ«siet, ja daži pikseļi vienÄ 4K video kadrÄ bÅ«s nedaudz citÄ krÄsÄ vai ja audio straumei bÅ«s niecÄ«gs, nedzirdams artefakts.
- Lielo datu analÄ«ze: AnalizÄjot tÄ«mekļa mÄroga datu kopas, lai identificÄtu tendences, svarÄ«ga ir rezultÄta statistiskÄ nozÄ«mÄ«ba. Dažu atseviŔķu datu punktu precÄ«zÄ vÄrtÄ«ba no miljardiem bieži ir nenozÄ«mÄ«gs troksnis.
Å Ä«m lietojumprogrammÄm prasÄ«t bitu lÄ«meÅa precizitÄti ir skaitļoÅ”anas pÄrspÄ«lÄjums. Tas ir kÄ izmantot mikrometru, lai mÄrÄ«tu futbola laukumu ā papildu precizitÄte nesniedz praktisku vÄrtÄ«bu un prasa milzÄ«gas laika un enerÄ£ijas izmaksas.
Pamatprincips: PrecizitÄtes-veiktspÄjas-enerÄ£ijas trÄ«sstÅ«ris
AptuvenÄ skaitļoÅ”ana darbojas uz vienkÄrÅ”a, bet spÄcÄ«ga kompromisa pamata. IedomÄjieties to kÄ trÄ«sstÅ«ri ar trim virsotnÄm: PrecizitÄte, VeiktspÄja (Ätrums) un EnerÄ£ija. TradicionÄlajÄ skaitļoÅ”anÄ precizitÄte ir fiksÄta 100% lÄ«menÄ«. Lai uzlabotu veiktspÄju vai samazinÄtu enerÄ£ijas patÄriÅu, mums ir jÄievieÅ” jauninÄjumi citÄs jomÄs (piemÄram, arhitektÅ«rÄ vai materiÄlzinÄtnÄ), kas kļūst arvien grÅ«tÄk.
AptuvenÄ skaitļoÅ”ana pÄrvÄrÅ” PrecizitÄti par elastÄ«gu mainÄ«go. Atļaujot nelielu, kontrolÄtu precizitÄtes samazinÄjumu, mÄs atveram jaunas optimizÄcijas dimensijas:
- PrecizitÄte pret Ätrumu: VienkÄrÅ”Äki aprÄÄ·ini tiek izpildÄ«ti ÄtrÄk. Izlaižot sarežģītus soļus vai izmantojot mazÄk precÄ«zu loÄ£iku, mÄs varam dramatiski palielinÄt caurlaidspÄju.
- PrecizitÄte pret enerÄ£iju: VienkÄrÅ”Äkas loÄ£iskÄs shÄmas prasa mazÄk tranzistoru un var darboties ar zemÄku spriegumu, kas noved pie ievÄrojama gan statiskÄ, gan dinamiskÄ enerÄ£ijas patÄriÅa samazinÄjuma.
- PrecizitÄte pret platÄ«bu/izmaksÄm: AptuvenÄs aparatÅ«ras komponenti var bÅ«t mazÄki, kas nozÄ«mÄ, ka uz vienas mikroshÄmas var ietilpt vairÄk apstrÄdes vienÄ«bu, samazinot ražoÅ”anas izmaksas un palielinot paralÄlismu.
MÄrÄ·is ir atrast katrai lietojumprogrammai "ideÄlo punktu" ā punktu, kurÄ mÄs sasniedzam maksimÄlus veiktspÄjas un enerÄ£ijas ieguvumus ar minimÄlu, pieÅemamu kvalitÄtes zudumu.
KÄ tas darbojas: AptuvenÄs skaitļoÅ”anas metodes
AproksimÄciju var ieviest katrÄ skaitļoÅ”anas steka lÄ«menÄ«, sÄkot no fundamentÄlajiem loÄ£iskajiem vÄrtiem procesorÄ lÄ«dz augsta lÄ«meÅa algoritmiem lietojumprogrammÄ. Å Ä«s metodes bieži tiek izmantotas kombinÄcijÄ, lai maksimizÄtu to priekÅ”rocÄ«bas.
AparatÅ«ras lÄ«meÅa aproksimÄcijas
Å Ä«s metodes ietver datora fizisko komponentu pÄrveidoÅ”anu, lai tie bÅ«tu pÄc bÅ«tÄ«bas neprecÄ«zi.
- AptuvenÄs aritmÄtiskÄs shÄmas: CPU pamatelementi ir aritmÄtiskÄs shÄmas, piemÄram, summatori un reizinÄtÄji. PrecÄ«zs 32 bitu reizinÄtÄjs ir sarežģīta, energoietilpÄ«ga loÄ£ikas daļa. Aptuvenais reizinÄtÄjs varÄtu bÅ«t izstrÄdÄts tÄ, lai ignorÄtu aprÄÄ·inus mazÄk nozÄ«mÄ«gajiem bitiem. TÄ rezultÄtÄ tiek iegÅ«ta shÄma, kas ir ievÄrojami mazÄka, ÄtrÄka un energoefektÄ«vÄka, vienlaikus radot tikai niecÄ«gu kļūdu gala produktÄ.
- Sprieguma pÄrmÄrogoÅ”ana (Voltage Over-scaling - VOS): Katrai mikroshÄmai ir minimÄlais droÅ”ais darba spriegums. Zem tÄ var rasties laika kļūdas, jo signÄliem nav pietiekami daudz enerÄ£ijas, lai savlaicÄ«gi izplatÄ«tos caur shÄmÄm. VOS apzinÄti darbina mikroshÄmu zem Ŕī droÅ”Ä sprieguma. Tas krasi ietaupa enerÄ£iju, bet ievieÅ” neregulÄras laika kļūdas. AptuvenÄ kontekstÄ Å”Ä«s nejauÅ”Äs, retÄs kļūdas ir pieÅemamas, ja to ietekme uz gala rezultÄtu ir niecÄ«ga.
- AptuvenÄ atmiÅa: AtmiÅas sistÄmas, piemÄram, SRAM un DRAM, ir lieli enerÄ£ijas patÄrÄtÄji. Aptuveni atmiÅas dizaini pieļauj augstÄkus kļūdu lÄ«meÅus, lai ietaupÄ«tu enerÄ£iju. PiemÄram, varÄtu samazinÄt DRAM Ŕūnu atsvaidzes intensitÄti, ietaupot enerÄ£iju, riskÄjot ar dažu bitu apvÄrÅ”anos. AtmiÅÄ saglabÄtÄ attÄla gadÄ«jumÄ daži apgriezti biti var izpausties kÄ nemanÄms "dzirksteļu" troksnis.
ProgrammatÅ«ras lÄ«meÅa aproksimÄcijas
Å Ä«s metodes bieži var ieviest bez Ä«paÅ”as aparatÅ«ras, padarot tÄs pieejamas plaÅ”Äkam izstrÄdÄtÄju lokam.
- Ciklu perforÄcija: Daudzos algoritmos visvairÄk laika aizÅem cikls, kas tiek izpildÄ«ts miljoniem vai miljardiem reižu. Ciklu perforÄcija sistemÄtiski izlaiž noteiktu skaitu Å”o iterÄciju. PiemÄram, tÄ vietÄ, lai apstrÄdÄtu katru atseviŔķo pikseli attÄla filtrÄ, algoritms varÄtu apstrÄdÄt katru otro pikseli un interpolÄt rezultÄtus. Tas var gandrÄ«z uz pusi samazinÄt izpildes laiku ar minimÄlu ietekmi uz vizuÄlo kvalitÄti.
- PrecizitÄtes mÄrogoÅ”ana (kvantÄÅ”ana): MÅ«sdienu datori bieži pÄc noklusÄjuma izmanto 64 bitu (dubultas precizitÄtes) vai 32 bitu (vienkÄrÅ”as precizitÄtes) peldoÅ”Ä punkta skaitļus. TomÄr daudzÄm lietojumprogrammÄm nav nepiecieÅ”ams Å”Äds precizitÄtes lÄ«menis. Izmantojot mazÄkus datu tipus, piemÄram, 16 bitu pusprecizitÄtes peldoÅ”Ä punkta skaitļus vai pat 8 bitu veselus skaitļus, mÄs varam ievÄrojami samazinÄt atmiÅas nospiedumu, samazinÄt atmiÅas joslas platuma prasÄ«bas un nodroÅ”inÄt ÄtrÄkus aprÄÄ·inus specializÄtÄ aparatÅ«rÄ (piemÄram, GPU un MI paÄtrinÄtÄjos).
- Uzdevumu izlaiÅ”ana: ReÄllaika sistÄmÄs dažreiz ir labÄk atmest uzdevumu, nekÄ aizkavÄt visu. IedomÄjieties paÅ”braucoÅ”as automaŔīnas uztveres sistÄmu. Ja viena sensora kadra apstrÄde aizÅem pÄrÄk ilgu laiku un ir pienÄcis jauns, svarÄ«gÄks kadrs, labÄk ir izlaist veco un strÄdÄt ar paÅ”reizÄjiem datiem, lai saglabÄtu reÄllaika reakciju.
- MemoizÄcija ar aproksimÄciju: MemoizÄcija ir klasiska optimizÄcijas tehnika, kurÄ dÄrgu funkciju izsaukumu rezultÄti tiek keÅ”oti. AptuvenÄ memoizÄcija to paplaÅ”ina, ļaujot "pietiekami tuvinÄtam" ievaddatam izgÅ«t keÅ”oto rezultÄtu. PiemÄram, ja tiek pieprasÄ«ts `f(2.001)` un `f(2.0)` jau ir keÅ”atmiÅÄ, sistÄma var atgriezt saglabÄto rezultÄtu, ietaupot dÄrgu pÄrrÄÄ·inu.
ReÄlÄs pasaules pielietojumi: Kur nepilnÄ«ba spÄ«d
AptuvenÄs skaitļoÅ”anas teorÄtiskÄs priekÅ”rocÄ«bas kļūst taustÄmas, ja tÄs tiek pielietotas reÄlÄs pasaules problÄmÄm. Tas nav futÅ«ristisks koncepts; to jau izmanto lielÄkÄs tehnoloÄ£iju kompÄnijas visÄ pasaulÄ.
MaŔīnmÄcÄ«Å”anÄs un MI
Å is, iespÄjams, ir galvenais aptuvenÄs skaitļoÅ”anas pielietojums. Lielu neironu tÄ«klu apmÄcÄ«ba un darbinÄÅ”ana ir neticami resursietilpÄ«ga. TÄdas kompÄnijas kÄ Google (ar savÄm Tensor Processing Units jeb TPU) un NVIDIA (ar Tensor Cores savos GPU) ir izveidojuÅ”as specializÄtu aparatÅ«ru, kas izceļas ar zemas precizitÄtes matricu reizinÄÅ”anu. TÄs ir pierÄdÄ«juÅ”as, ka samazinÄtas precizitÄtes formÄtu, piemÄram, Bfloat16 vai INT8, izmantoÅ”ana var dramatiski paÄtrinÄt apmÄcÄ«bu un secinÄjumu izdarÄ«Å”anu ar nelielu vai nekÄdu modeļa precizitÄtes zudumu, tÄdÄjÄdi veicinot MI revolÅ«ciju, ko mÄs redzam Å”odien.
Multivides apstrÄde
Katru reizi, kad straumÄjat video YouTube vai Netflix, jÅ«s gÅ«stat labumu no principiem, kas saistÄ«ti ar aproksimÄciju. Video kodeki (piemÄram, H.264 vai AV1) pamatÄ ir "zudumradoÅ”i". Tie atmet vizuÄlo informÄciju, ko cilvÄka acs, visticamÄk, nepamanÄ«s, lai sasniegtu neticamus kompresijas koeficientus. AptuvenÄ skaitļoÅ”ana to var virzÄ«t tÄlÄk, nodroÅ”inot reÄllaika video renderÄÅ”anu un efektus mazjaudas mobilajÄs ierÄ«cÄs, aprÄÄ·inot krÄsas vai apgaismojumu ar pietiekamu precizitÄti, lai izskatÄ«tos reÄlistiski.
Lielo datu analÄ«ze un zinÄtniskÄ skaitļoÅ”ana
MeklÄjot konkrÄtu gÄnu sekvenci milzÄ«gÄ genomu datubÄzÄ vai analizÄjot petabaitiem lielu sensoru datu apjomu no daļiÅu paÄtrinÄtÄja, aproksimÄcija var bÅ«t nenovÄrtÄjama. Algoritmus var izstrÄdÄt tÄ, lai veiktu sÄkotnÄju, Ätru "aptuveno meklÄÅ”anu", lai Ätri identificÄtu daudzsoloÅ”us reÄ£ionus, kurus pÄc tam var analizÄt ar pilnu precizitÄti. Å Ä« hierarhiskÄ pieeja ietaupa milzÄ«gu laika daudzumu.
Lietu internets (IoT) un malas ierīces
Ar baterijÄm darbinÄmam vides sensoram ilgmūžība ir viss. IerÄ«ces mÄrÄ·is ir ziÅot par apkÄrtÄjÄs vides temperatÅ«ru. Vai ir svarÄ«gi, vai tas ziÅo 22.5Ā°C vai 22.51Ā°C? PilnÄ«gi nÄ. Izmantojot aptuvenÄs shÄmas un agresÄ«vas enerÄ£ijas taupÄ«Å”anas metodes, Ŕī sensora akumulatora darbÄ«bas laiku var pagarinÄt no mÄneÅ”iem lÄ«dz gadiem, kas ir izŔķiroÅ”i, lai izvietotu masÄ«vus, mazapkopes sensoru tÄ«klus viedajÄm pilsÄtÄm, lauksaimniecÄ«bai un vides monitoringam.
AptuvenÄs skaitļoÅ”anas izaicinÄjumi un robežas
Lai gan solÄ«jums ir milzÄ«gs, ceļŔ uz plaÅ”u ievieÅ”anu nav bez bÅ«tiskiem ŔķÄrŔļiem. Å Ä« ir aktÄ«va un aizraujoÅ”a pÄtniecÄ«bas joma gan akadÄmiskajÄs aprindÄs, gan industrijÄ.
- KvalitÄtes kontrole un kļūdu ierobežoÅ”ana: LielÄkais izaicinÄjums ir aproksimÄcijas pÄrvaldÄ«ba. KÄ mÄs varam garantÄt, ka kļūda nepÄrsniegs pieÅemamu slieksni? Mums ir nepiecieÅ”amas robustas metodes, lai analizÄtu un ierobežotu kļūdu, nodroÅ”inot, ka neliela, kontrolÄta aproksimÄcija nekaskadÄjas un neizplatÄs pa sistÄmu, izraisot katastrofÄlu neveiksmi. PaÅ”braucoÅ”a automaŔīna, kas pÄrmÄrÄ«gas aproksimÄcijas dÄļ nepareizi klasificÄ stop zÄ«mi, ir nepieÅemams rezultÄts.
- ProgrammÄtÄju un rÄ«ku atbalsta trÅ«kums: PaÅ”reizÄjÄ programmÄÅ”anas ekosistÄma ir veidota precizitÄtei. IzstrÄdÄtÄjiem trÅ«kst valodu, kompilatoru un atkļūdotÄju, lai viegli norÄdÄ«tu "aproksimÄjamÄ«bu". Mums ir nepiecieÅ”ami rÄ«ki, kas ļauj programmÄtÄjam vienkÄrÅ”i atzÄ«mÄt funkciju vai datu struktÅ«ru kÄ "aptuvenu" un ļaut kompilatoram un izpildlaika sistÄmai automÄtiski pÄrvaldÄ«t kompromisus.
- AtkļūdoÅ”ana un verifikÄcija: KÄ atkļūdot programmu, kas ir izstrÄdÄta, lai radÄ«tu mainÄ«gus vai nedaudz nepareizus rezultÄtus? TradicionÄlÄ atkļūdoÅ”ana balstÄs uz reproducÄjamu, deterministisku uzvedÄ«bu. Aptuveno programmu atkļūdoÅ”ana prasa fundamentÄlu domÄÅ”anas maiÅu, koncentrÄjoties uz statistiskajÄm Ä«paŔībÄm un izvades kvalitÄtes sadalÄ«jumiem, nevis precÄ«zÄm vÄrtÄ«bÄm.
- PÄrnesamÄ«ba un paredzamÄ«ba: Aptuvena programma var radÄ«t augstas kvalitÄtes rezultÄtu uz viena veida aparatÅ«ras, bet nepieÅemami sliktu rezultÄtu uz citas. Paredzama pakalpojuma kvalitÄtes (QoS) nodroÅ”inÄÅ”ana dažÄdÄs platformÄs ir liels izaicinÄjums programmatÅ«ras izstrÄdÄtÄjiem un sistÄmu arhitektiem.
NÄkotne ir aptuvena: praktiski ieskati profesionÄļiem
AptuvenÄ skaitļoÅ”ana ir paradigmas maiÅa, kas ietekmÄs profesionÄļus visÄ tehnoloÄ£iju spektrÄ. TÄs principu izpratne kļūst izŔķiroÅ”a, lai saglabÄtu konkurÄtspÄju.
ProgrammatÅ«ras izstrÄdÄtÄjiem un datu zinÄtniekiem:
SÄciet domÄt par savÄm lietojumprogrammÄm kļūdu noturÄ«bas kontekstÄ. IdentificÄjiet moduļus, kur precizitÄte ir kritiska (piemÄram, finanÅ”u aprÄÄ·ini, droŔība), un tos, kur tÄ nav (piemÄram, lietotÄja saskarnes animÄcijas, statistisko datu apstrÄde). EksperimentÄjiet ar zemÄkas precizitÄtes datu tipiem savos maŔīnmÄcÄ«Å”anÄs modeļos. ProfilÄjiet savu kodu, lai atrastu skaitļoÅ”anas karstvietas un jautÄjiet: "Ko darÄ«t, ja Å”ai daļai nebÅ«tu jÄbÅ«t pilnÄ«gai?"
AparatÅ«ras arhitektiem un mikroshÄmu dizaineriem:
SpecializÄtÄs aparatÅ«ras nÄkotne slÄpjas aproksimÄcijas pieÅemÅ”anÄ. IzstrÄdÄjot nÄkamÄs paaudzes ASIC vai FPGA mÄkslÄ«gajam intelektam, signÄlu apstrÄdei vai datorredzei, iekļaujiet aptuvenÄs aritmÄtiskÄs vienÄ«bas. IzpÄtiet jaunas atmiÅas arhitektÅ«ras, kas iemaina nelielu, labojamu kļūdu lÄ«meni pret zemÄku enerÄ£ijas patÄriÅu un lielÄku blÄ«vumu. LielÄkie veiktspÄjas uz vatu ieguvumi nÄks no aparatÅ«ras un programmatÅ«ras kopÄ«gas izstrÄdes ap aproksimÄciju.
Biznesa lÄ«deriem un tehnoloÄ£iju stratÄÄ£iem:
AtzÄ«stiet, ka "pietiekami laba" skaitļoÅ”ana ir spÄcÄ«ga konkurences priekÅ”rocÄ«ba. TÄ var novest pie produktiem, kas ir lÄtÄki ražoÅ”anÄ, ÄtrÄki darbÄ«bÄ un ilgtspÄjÄ«gÄki. SacensÄ«bÄ par MI dominanci un lietu interneta paplaÅ”inÄÅ”anos, uzÅÄmumi, kas apgÅ«s precizitÄtes un efektivitÄtes kompromisu, bÅ«s tie, kas piegÄdÄs visinovatÄ«vÄkos un rentablÄkos risinÄjumus globÄlajam tirgum.
SecinÄjums: Jaunas "pareizÄ«bas" definÄ«cijas pieÅemÅ”ana
AptuvenÄ skaitļoÅ”ana nav par kļūdainu rezultÄtu pieÅemÅ”anu. TÄ ir par pareizÄ«bas pÄrdefinÄÅ”anu lietojumprogrammas kontekstÄ. TÄ ir pragmatiska un inteliÄ£enta atbilde uz skaitļoÅ”anas fiziskajiem ierobežojumiem, pÄrvÄrÅ”ot paÅ”u "kļūdas" jÄdzienu no problÄmas, kas jÄnovÄrÅ”, par resursu, kas jÄpÄrvalda. ApdomÄ«gi upurÄjot mums nevajadzÄ«go precizitÄti, mÄs varam atslÄgt veiktspÄju un efektivitÄti, ko mÄs izmisÄ«gi vÄlamies.
Virzoties uz Äru, kurÄ dominÄ datu ietilpÄ«gas, uz uztveri balstÄ«tas lietojumprogrammas, spÄja skaitļot "tieÅ”i pareizi" bÅ«s izsmalcinÄtas un ilgtspÄjÄ«gas tehnoloÄ£ijas pazÄ«me. SkaitļoÅ”anas nÄkotne daudzÄjÄdÄ ziÅÄ nebÅ«s pilnÄ«gi precÄ«za, bet tÄ bÅ«s neticami gudra.