HN 日本語サマリー

← 一覧へ戻る
科学・技術

テクノロジーは探索問題である

Technology as a Search Problem (construction-physics.com)

17 pointsby dverlaeckt802 コメント

要約

この記事は、新しい技術の創出を、広大な「設計空間」または「技術空間」を探索するプロセスとして捉える考え方を提示しています。この空間は想像を絶するほど広大であり、情報収集と応用がこの探索を可能にする鍵となります。筆者は、現象、オブジェクト、プロパティ(PTOP)モデルを提案し、このモデルのレベル1、2、3のバージョンを通じて、モジュール性、情報、科学的知識、そして「性的」な繁殖が技術開発の効率にどのように影響するかをシミュレーションで示しています。

全文翻訳

テクノロジーは探索問題である

私が継続的に研究している関心事の一つは、技術進歩の本質を理解することです。新しい技術はどのようにして生まれ、時間とともに向上していくのでしょうか?どのような要因がそれに影響を与えるのでしょうか?一般的に、私たちはそれをどのように考えるべきでしょうか?私はこの問いにいくつかの異なる角度からアプローチしてきました。ベル研究所のオペレーションとレガシーを考察した投稿、特定の 技術が時間とともにどのように進歩したかを考察した投稿、複数の発明がどれほど頻繁に起こるか、そして新しい発明をどれくらい待つかを考察した投稿などです。

私の現在の考えでは、新しい技術を創造することは、探索プロセスとして考えるのが最も良いということです。ある技術は、考えられるすべての部品、材料、自然現象などの配置を含む、高次元の「設計空間」または「技術空間」内の1点として考えることができます。発明を目指す者の仕事は、この空間をナビゲートし、機能しない要素の配置をふるい分け、機能するものを発見することです。

この探索プロセスは、他の多くの要素の可能な組み合わせを列挙する状況と同様に、技術空間が途方もなく広大であるという事実によって困難になっています。「技術は避けられないものか?」の中で、経済学者のマット・クランシーは、ウィキペディアに272の「命名された方程式」が掲載されており、流体の運動を記述するナビエ–ストークス方程式から、化学反応速度を温度の関数として記述するアレニウス方程式、堆積物を記述するエクスナー方程式まで、世界中の様々な規則性を記述していると指摘しています。これを(非常に大まかな)推定値として、技術が利用できる現象の数とすると、創造可能な技術の膨大な数が示唆されます。クランシーが書いているように:

例えば、272の規則性があるとすると、これらの規則性の可能な組み合わせの数は、2の272乗(各規則性は使用されるかされないかの2つの選択肢があるため)になります。しかし、2^272は、観測可能な宇宙の原子の数に関するいくつかの推定値よりも大きいです。そして、それは可能な技術の数の過小評価でなければなりません。なぜなら、同じ原理を組み合わせて使用するすべての技術を同じものとして数えているからです。たとえそれらが非常に異なる方法で編成されていたり、非常に異なる規模で使用されていたりしてもです。

比較すると、宇宙の原子の数に関する最も一般的な推定値は約10^80、つまり約2^265です。そして、272よりもはるかに多くの現象が技術によって活用される可能性があると考えられます。(この件に関する私の未完了の作業の一部は、少なくとも数千の現象が存在することを示唆しています。)

そしてクランシーが指摘するように、この途方もなく大きな数は、同じ現象が多くの異なる方法で使用されることを考慮していないため、可能な技術の数を劇的に過小評価しています。ブライアン・アーサーとウォルフガング・ポラックの論文「コンピュータモデルにおける技術の進化」(今年初めに検討した)では、アーサーとポラックは、3つの基本的な要素(NANDゲート、値1と0)からなる論理回路の宇宙でさえ、少数の入力と出力を持つ回路でさえ、作成できる回路の数は驚くほど大きいと指摘しています:

8ビット加算器のような回路の出現は難しくないように思えます。しかし、組み合わせを考えてみましょう。コンポーネントがn個の入力とm個の出力を持つ場合、(2^m)^(2^n)の可能な表現型があり、それぞれが多数の異なる回路によって実用的に実現される可能性があります。例えば、8ビット加算器は、16個の入力と9個の出力を持つ10^177,554を超える表現型の一つです。

したがって、新しい技術の探索空間は広大です。そして、広大な探索空間に対処する方法は情報です。情報の各ビットは探索空間を半分にカットするため、比較的少量の情報でも、巨大に見える探索空間をすぐに絞り込むことができます。新しい技術を創造するとき、私たちは情報を収集しています。何が機能し、何が機能しないか、何が有望で何がそうでないかを理解し、技術的な可能性の巨大な空間を絞り込み、その中で特定の目標を達成するものを見つけるのです。

例えば、19世紀には、多くの人々が機械式飛行機の製造に興味を持っていましたが、成功する飛行機を生み出す正確な要素の配置は明らかではありませんでした。物理法則の知識と、鳥の存在証明のおかげで、発明を目指す人々はすでにかなり絞り込まれた探索空間で作業していました。彼らは、飛行機が必要とするであろう要素(揚力面、推進システム、制御手段)をおおよそ知っており、それらがどのように配置されるべきかについての一般的な考えを持っていました。しかし、これらの基本的な要素から飛行機を構築する方法は無数にあり、人々は実際に機能しないさまざまな種類の機械を構築するために多くの時間と労力を費やしました。ライト兄弟の最終的な成功は、彼らが情報を収集することに非常に長けていたという事実に大きく起因しており、競合他社よりもはるかに早く、機能する航空機の設計に収束することができました。

私は以前、アーサーとポラックの技術進化論文を見た際に、技術的探索の本質を探求しました。この論文では、単純なシミュレーションを使用してさまざまな論理回路を進化させ、膨大な可能性の中から機能的な技術を見つけ出しています。私はアーサーがこの論文で使用した基本的なシミュレーション方法(機能的なものを見つけるのがどれほど簡単か難しいかを見るために、技術をランダムに生成する)を非常に気に入っており、技術的探索のダイナミクスをさらに探求するために、自分自身でシミュレーションを使用したいと思いました。しかし、アーサーがデジタル回路(NAND、OR、ANDなどの論理ゲートのさまざまな配置で、加算などの機能を実行できる)を使用するのに対し、私はさまざまな種類の技術の本質を捉えつつ、簡単にシミュレーションできるほど単純な、より一般的なモデルを望んでいました。

PTOPモデル

私が考案したモデルは、ブライアン・アーサーの技術の本質に関する別の考察、彼の著書『The Nature of Technology』に触発されています。この本の中で、アーサーは技術を根本的に「捉えられて利用される現象のセット」と描写しています。彼は次のように書いています:

…実用的な技術は、多くの現象が協力して機能することから成り立っています。ラジオ受信機は単なる部品の集まりではありません。それは単なるミニチュア信号処理工場でもありません。それは、誘導、電子の引力と斥力、電子放出、抵抗にかかる電圧降下、共鳴周波数といった、特定の目的のために集められ、連携して機能するように設定された現象のオーケストラなのです。

例えば、エジソンの電球は、いくつかの異なる現象を利用しました。ジュール熱(電流が物質を流れると温度が上昇する現象)。白熱(十分に熱くなった物体が光を発する現象)。透明性(特定の物質が光を通す現象)。などです。

このような現象は、適切な条件が作成されたときに自動的にトリガーされます。これは、適切な特性を持つ適切なオブジェクトが特定の配置に置かれたときと考えることができます。電球では、フィラメントに電流が流れるとジュール熱が自動的に発生し、フィラメントが十分に熱くなると白熱が発生します。また、電球には真空の雰囲気があり、別の望ましくない現象(炭素が酸素と反応すること)が自動的に発生して炭素フィラメントを破壊するのを防いでいました。

これらの3つの要素—現象、オブジェクト、プロパティ—が、私が考案した技術モデルの基本的な構成要素であり、私はそれを「プロパティによってトリガーされる現象(Phenomena Triggered by Objects with Properties)」の略でPTOPと呼んでいます。このモデルでは、オブジェクトのコレクションがあり、それぞれが指定されたプロパティのセットを持つことができます。適切なプロパティを持つ適切なオブジェクトが適切な配置に置かれると、現象が自動的にトリガーされ、既存のオブジェクトのプロパティを変更したり、新しいオブジェクトを作成したりするなどのさまざまな効果をもたらすことができます。正しいオブジェクトと現象を正しい順序で連鎖させることにより、望ましい特性を持つ特定のオブジェクトまたはオブジェクトのセットという、望ましい結果を作成できます。電球の単純で概念的なPTOPモデルは、例えば次のようになります:

[ [画像: Opus 5.5による、電球のPTOPモデルの概念図] ]

適切な種類のフィラメント、雰囲気、電球容器、および電流を配置することにより、望ましい特性を持つ光の生成につながる一連の現象をトリガーできます。

そして、これはより複雑な技術であるゼロックス機のPTOPモデルのスケッチです。これは、「光伝導」や「コロナ放電」などのさまざまな現象を利用して、文書のコピーを生成します:

[ [画像: Opus 5.5による、ゼロックス機のPTOPモデルの概念図] ]

このモデルが気に入っているのは、すべての種類の技術に固有の基本的な要素—自然現象とそのトリガー条件—を捉えており、可能な技術の「空間」を研究できることです。そして、基本的なアイデアは多くの異なる方法で実装でき、非常に単純な技術表現から非常に複雑なものまで対応できます。ある意味ではこれは悪いことですが(例えば、シミュレーション可能な実装を思いつくのに非常に長い時間がかかりました)、技術的探索のさまざまな側面を研究するのに役立ちます。PTOPモデルのいくつかの異なる実装を見て、何が見つかるか見てみましょう。

レベル1 PTOPモデル

PTOPの非常に単純なバージョンから始めましょう。このバージョンでは、10個の可能なオブジェクトがあり、それぞれに2つの可能なプロパティがあります。最初のプロパティ、P0は1から10までの値を取ることができ、そのオブジェクト固有でユニークです。これは、モデルに10種類の異なる化学元素があり、それぞれが異なるP0値を取ると考えることができます。2番目のプロパティはサイズで、これも1から10までの値を取ることができますが、調整可能です。したがって、P0が1でサイズが10の大きなオブジェクトや、P0が1でサイズが1の小さなオブジェクトを持つことができます。全体として、100種類の可能なオブジェクトがあります:10種類のオブジェクトタイプがあり、それぞれが10種類のサイズを持つことができます。

このモデルのバージョンには、合計4つの現象があります。各現象は、適切な2つのオブジェクトが接続され、最初のオブジェクト(入力オブジェクトと呼びます)が正しいサイズを持っている場合にトリガーされます。現象がトリガーされると、2番目のオブジェクト(出力オブジェクトと呼びます)に新しいプロパティが追加されます。したがって、下の画像では、P0値が1でサイズが5のオブジェクトがP0値が2のオブジェクトに接続されると、現象がトリガーされ、新しいプロパティP1が2番目のオブジェクトに追加されます。

[ [画像: Opus 5.5による、PTOPレベル1の現象トリガーの例] ]

このモデルの現象は階層的に配置されています。各現象をトリガーするには、前の現象によって追加されたプロパティを持つオブジェクトが必要です。したがって、P2を追加する現象をトリガーするには、P1プロパティを持つオブジェクトが必要です。P3は、次にP2を持つオブジェクトを必要とし、以下同様です。この現象の階層は、「白熱をトリガーするには、高温のオブジェクトが必要です。高温を達成するには、ジュール熱の現象を使用する必要があります。これは適切な種類の電流でトリガーできます。電流を作成するには…」といったことを表していると考えることができます。

このモデルのバージョンでは、目標は「最終」プロパティP4を持つオブジェクトを作成することです。これは、「適切なサイズの鉛ショット」や「適切な明るさの光」などを表していると考えることができます。これは、オブジェクトの正確な配置を作成することによって達成できます。つまり、各オブジェクトが正しいP0プロパティとサイズを持ち、直線に配置された5つのオブジェクトです。

[ [画像: Opus 5.5による、PTOPレベル1でP4を達成するためのオブジェクト配置例] ]

これはPTOPの非常に単純な実装であり、「レベル1モデル」と呼びます。しかし、技術的探索プロセスに関するいくつかのことを捉えています。第一に、この非常に単純なモデルでさえ、探索空間は非常に大きいです。10個のオブジェクトタイプ、10個のサイズ、合計5個のオブジェクトは、(10x10)^5 = 100億の可能な配置でP5レベルの現象を生成します。1。それを100個のオブジェクト、100個のサイズ、10種類の現象に増やした場合、10^40の可能なオプションになります。さらに多くのプロパティタイプ(オブジェクトはサイズに加えて「温度」や「密度」のプロパティを持つことができる)を追加すると、その数はすぐに天文学的になります。

しかし、この単純なバージョンは、情報が巨大な探索空間にもたらす力を示しています。アーサーの回路探索を見たとき、探索が実行可能になったのはモジュール性—サブコンポーネントの機能的な設計を見つけ、そのモジュール設計をシステムに固定し、さらなる組み合わせのための繰り返し可能な「プリミティブ」要素として使用することでした。設計のすべての部分を一度に正しくする必要がないようにすることで、モジュール性は実質的に多くの可能性を排除し、通過する必要のある探索空間のサイズを削減します。シミュレーションで見つけたように:

68個のNANDゲートの探索を考えるための有用な方法は、巨大で分岐する木のようなものです。各ステップ—ゲートを追加するたびに—数千の分岐があり、それぞれがゲートの配線方法の1つの可能な方法を表しています。各分岐はさらに数千に分岐し(次のゲートの配線のすべての可能な方法を表す)、さらに数千に分岐し、さらに数千に分岐して、最終的に2^852の可能な「葉」があり、それぞれが68個すべてのゲートのユニークな配線方法を表しています。一度に68個すべてのゲートを正しく設定し、それが正しかったかどうかを確認することは、単一の葉、つまり木の根元から枝の先端までの1つのパスを調べるようなものです。間違った推測をする可能性が圧倒的に高いだけでなく、可能性を全く絞り込めていません。単一の葉が正しくなかったことがわかっただけで、残りの2^852の可能な葉をふるいにかける必要があります。

対照的に、次に進む前に、追加する各ゲートが正しいかどうかを確認することは、可能性の数を劇的に絞り込みます。ゲートが正しい位置にないことが判明するたびに、その時点から分岐するすべての可能性が排除されます。各ゲートの配線方法が1000通りある場合、正しく推測するたびに、その選択ポイントの下流の可能性が99.9%絞り込まれます。各正しい推測で膨大な数の可能性が排除され、正しい答えにずっと早く収束できるようになります。

PTOPモデルでも同じ基本的なメカニズムが見られます。10個のオブジェクトタイプ、10個のサイズ、4つの現象、そして10億の効果的な可能性を持つ場合、ランダムに可能な技術を生成して一度に完全な正しい設計を推測するには、(平均して)10億回の試行が必要です。

[ [画像: Opus 5.5による、PTOPレベル1でのランダム探索とモジュール探索の比較グラフ] ]

しかし、モジュール探索を行う場合—オブジェクトを1つだけランダムに追加し、前のオブジェクトのサイズをランダムに調整して次の現象をトリガーするまで行い、その成功した設計を固定してから次に進む—探索ははるかに高速になります。なぜなら、10億の可能性を持つ単一の空間を、100の可能性を持つ一連の空間に置き換えたからです。10個のタイプ、10個のサイズ、4つの現象の答えを見つけるには平均1,300回の試行で済み、たとえ天文学的に巨大な技術空間の探索問題でさえ実行可能になります。

[ [画像: Opus 5.5による、PTOPレベル1でのモジュール探索の効率性を示すグラフ] ]

このバージョンは、モジュール性の程度が、技術を見つけやすいかどうかに大きな違いをもたらすことも示しています。固定できるモジュールの数が多いほど、機能的な技術への梯子を登る各ステップは短くなり、各ステップは容易になります。10個のオブジェクトタイプ、10個のサイズのモデルを100個の現象レベルまで引き上げると、10^200の巨大な探索空間になりますが、固定できる100個のステップがあれば、それを見つけるのは些細なことです。ランダム探索は平均約10,000回の試行で見つかります。10個の現象レベルで生成された同じサイズの探索空間でも、100億の可能なオブジェクトタイプとサイズ(これは100ステップではなく10ステップしか与えません)では、モジュール探索を使用してもランダムに見つけることは完全に不可能になります。

[ [画像: Opus 5.5による、モジュール数と現象レベルが探索の容易さに与える影響を示すグラフ] ]

このモデルのバージョンは、異なる種類の知識が探索プロセスをどのように容易にするかを見ることも可能にします。例えば、ジョエル・モキールが『Athenaの贈り物』で指摘しているように、科学的知識は新しい技術を作成しようとする際に非常に役立ちます。「なぜなら、自然の原理について何も知らない探索者にとっては、探索する必要のある実験の可能性の範囲ははるかに広くなるからです。」私たちのレベル1 PTOPモデルでは、科学的知識は「現象3はオブジェクトタイプ2では機能しない」とか「現象4では、その2つのオブジェクトのサイズが同じでなければならない」といったものになります。

この種の科学的知識の有用性は、それがどれだけの可能性を排除するか(スクリーニングするか)の関数です。排除する可能性が多いほど、より多くの情報ビットを提供し、より有用になります。したがって、「現象5はオブジェクト1を使用できない」とか「オブジェクト3はオブジェクト4に触れてはならない」といったものは、それほど多くの可能性を排除しないため、比較的少量の情報を提供します。対照的に、「現象4はオブジェクト1を使用しなければならない」とか「オブジェクト3はオブジェクト4に触れなければならない」といった知識は、より多くの可能性を排除し、より多くの情報を提供し、探索をより効果的に絞り込みます。

現実世界で技術開発プロセスが実行可能である理由の1つは、私たちの知識の多くが後者のタイプであることです。現象は通常、特定のトリガー条件を持っており、それを観察して発見することができます。マルコーニは無線に取り組んでいたときに電磁波を生成するために何が必要かを知っていました。エジソンは電球のフィラメントで白熱を生成するために何が必要かを知っていました。そして、マンハッタン計画の科学者たちは、核連鎖反応をトリガーするために必要な条件をおおよそ知っていました。

レベル2 PTOPモデル

この高度に単純化されたPTOPモデルでさえ、さまざまな技術的探索ダイナミクスを探求するのに役立ちます。しかし、最終的には、より興味深い技術的探索ダイナミクスの多くを捉えるには少し単純すぎます。そこで、いくつかの複雑さを追加しましょう。第一に、実際の現象は、1つではなく、複数の「入力」オブジェクトを必要とすることがよくあります。ガソリンエンジンの「燃焼」現象をトリガーするには、燃料、酸化剤、および電気火花が必要です。そこで、各現象が1つではなく複数の入力オブジェクトを持つことができるようにします。第二に、特定の目標を達成するために使用できる現象は複数あることがよくあります。例えば、機械的な動きを作りたい場合、それを実現するために利用できるさまざまな現象があり、それらを活用して構築されたモーター—電気モーター、油圧モーター、内燃機関—はすべて異なる方法で機能します。そこで、各レベルに1つの現象だけでなく、複数存在できるようにし、それぞれがトリガーするために適切なプロパティを持つオブジェクトの異なるセットを必要とするようにします。

レベル1 PTOPモデルでは、技術の実行可能なバージョンは1つだけでした。レベル2モデルでは、複数の実行可能な設計があります。そして、前のモデルのまっすぐなオブジェクトの線とは異なり、これは分岐した木のような連鎖を作成します。

[ [画像: Opus 5.5による、PTOPレベル2の分岐構造の例] ]

このバージョン(「レベル2モデル」と呼びます)では、多数の可能な実行可能な設計があるにもかかわらず、機能しない技術の数ははるかに多く、純粋な盲目的な探索で実行可能なオプションを見つけることはすぐに実行不可能になります。

これは、少し異なる種類のモジュール探索で解決できます。これは、アーサーが技術進化論文で使用する「カプセル化」に非常に似ています。このバージョンでは、モデルはさまざまなオブジェクトをさまざまなプロパティでランダムに組み合わせることから始まります。オブジェクトの配置が何らかの現象をトリガーすると、その配置は新しいオブジェクトにバンドルされ、そのオブジェクトはシミュレーションによってランダムに他のオブジェクトと組み合わせるために選択できるようになります。以前の、より単純なモジュール探索と同様に、これによりシミュレーションは部分的なソリューションを蓄積し、非常に大きな探索空間の中でも機能的な技術を迅速に見つけることができます。

[ [画像: Opus 5.5による、PTOPレベル2でのモジュール探索の進捗を示すグラフ] ]

レベル2 PTOPモデルは、性的繁殖の情報蓄積能力を示すためにも使用できます。以前のエッセイ(生物学的進化と情報)で述べたように、性的繁殖はそれ自体がモジュール探索の一種です。子供が両親から遺伝子を受け継ぐことを許可することで、性は多くの異なる系統によって行われた有用な遺伝子の「発見」が個体群全体に広がることを可能にします。これは、単一の特定の系統だけが最終的に生き残り、他の系統によって行われた発見が「クローン干渉」と呼ばれる現象のために消滅する無性繁殖とは対照的です。これにより、性的に繁殖する個体群は、より早く最大適応度に収束できます。

レベル2 PTOPモデルを使用して、この同じことを確認できます。私はそれを2つの異なる技術「個体群」で実行しました。各個体群には1,000個のランダムに生成された技術が含まれていました。一方の個体群では、無性繁殖を実装しました。各世代で、すべての技術はオブジェクトに1つのランダムな突然変異を受けました(オブジェクトの削除、追加、またはプロパティの変更)。個体群の中で最も適したメンバー(最も高い現象レベルを解除したメンバー)が次の世代に生き残りました。もう一方の個体群では、性的繁殖を実装しました。ランダムな突然変異に加えて、子供は両親の系統をランダムに交差させることによって生成されました。5段階の現象で、無性繁殖は以下の例で2,000世代後も最大現象レベルを達成できませんでした。対照的に、性的繁殖はわずか100世代強でそれを見つけました。

[ [画像: Opus 5.5による、PTOPレベル2での無性繁殖と性的繁殖の比較グラフ] ]

レベル3 PTOPモデル

このPTOPのバリエーションは少し豊かで、より幅広い技術的探索ダイナミクスを示すことができますが、まだ少し単純なので、さらに複雑さを追加しましょう。

まず、トリガーされたプロパティ(P1、P2、P3など)をバイナリ(オンまたはオフ)にするのではなく、複数の値を取れるようにします。プロパティがオンになる前は値0を持ち、現象がそれをトリガーすると、1から10までの値を取ることができます。トリガーされる値は、2つの要因の関数になります。入力オブジェクトのサイズと、先行現象の値です。したがって、P2をトリガーする現象の場合、P2の値はP1の値とオブジェクトのサイズに依存します。これは、「電球のフィラメントの温度は、それを流れる電流の特性に依存する」といったことを表していると考えることができます。より高いアンペア数や電圧は、より高いフィラメント温度を意味します。次に放出される光の明るさは、フィラメントの温度の値の関数になります。

トリガーされた現象の値は、次の2つの方法のいずれかで決定されます。1つは、先行現象とオブジェクトサイズが等しい(両方1、両方2、両方3)場合に最大化されるか、または可能な限り異なる場合に最大化されます。したがって、P2は、P1とサイズが同じ場合に10になるか、または一方が10で他方が1の場合に10になります。(複数の入力オブジェクトによってトリガーされる現象の場合、各オブジェクトに対して計算された値の平均を取ります。)このPTOPモデルのバージョンを「レベル3モデル」と呼びます。

[ [画像: Opus 5.5による、PTOPレベル3のプロパティ値の決定方法の例] ]

この変更により、技術的探索の初期段階が実際にははるかに容易になります。正しいオブジェクトサイズは現象をトリガーするために必要なくなったため(正しいオブジェクトタイプだけでよい)、最終現象をトリガーする技術を容易に見つけることができます(ただし、トリガーされる現象の値がサイズに依存するのではなく、新しいプロパティに依存するようにし、現象がトリガーされるかどうかをサイズに依存させ続けることで、これを変更するのは簡単です)。しかし、今やパフォーマンスチューニングの要素があります。機能する技術(つまり、最終現象に正の値を持つ)はすぐに見つかるかもしれませんが、パフォーマンスを最大化するため—値10の最終現象を達成するため—には、さまざまなオブジェクトのサイズを調整してパフォーマンスを徐々に向上させるために、繰り返し反復する必要があります。

この調整段階は、技術開発プロセスを捉えることを意図しています。ある程度機能する技術を採用し、そのパフォーマンスを向上させたり、特定の方法で機能するバージョンを構築したりすることです。例えば、エジソンの電球では、19世紀初頭から白熱電球は実演されていましたが、そのパフォーマンスは低かったです。すぐに燃え尽きたり、電球の内部が黒ずんだり、電力が使いすぎたりしました。エジソンは、ほとんどの構成がすでに解明されていた技術—高融点フィラメント、ガラス球、反応性を最小限に抑えるための雰囲気—を採用し、真空のレベル、フィラメントのサイズ、炭素の正確な種類などのさまざまな要素のプロパティを微調整することで、パフォーマンスを向上させました。

レベル2モデルでは、各レベルに複数の現象がありました(例えば、P2をトリガーする複数の異なる方法)。レベル3モデルでは、同じ機能を維持しますが、ひねりを加えます。異なる現象は、トリガーされるプロパティの達成可能な範囲が異なります。したがって、P2をトリガーする一方の方法は値7しか達成できないかもしれませんが、もう一方は値10を達成できるかもしれません。一部の技術ではこれで十分かもしれませんが、他のケースではパフォーマンスを最大化するために、別の異なる現象を使用する必要があります。

これは、現実世界の技術に見られることとも似ています。新しい技術を開発する際、設計者は特定のジョブを実行するための多くの可能な方法に直面し、要求されるパフォーマンスに応じて、異なるオプションが最適に機能する可能性があります。電球では、炭素フィラメントのパフォーマンスはそれ以上高くすることはできず、最終的に電球はタングステンフィラメントに切り替わりました。これは、延性のあるタングステンワイヤーを製造する新しいプロセスを発明する必要がありました。同様に、内燃機関のバルブには、シリンダーにガスを出入りさせるためのさまざまな実装方法があります。フォーミュラ1カーに必要な毎分回転数のような非常に高いエンジンパフォーマンスを達成するには、圧縮空気を使用した複雑なバルブなどが使用されますが、4ドアセダンを構築する場合は、より安価で簡単なワイヤースプリングで十分です。

レベル3モデルにさらに要素を追加しましょう。これまでは、1つの単一のプロパティチェーンがありました。1つの現象が別の現象をトリガーし、それがさらに別の現象をトリガーするという具合です。今度は、並列の現象セットによってトリガーされる並列のプロパティセットを追加しましょう。電球の例では、これはフィラメントの温度が白熱だけでなく、熱膨張と熱電子放出もトリガーすることとして考えることができます。

(この例では、これらの現象はすべて同じプロパティである温度によってトリガーされます。モデルでは、モデリングの容易さのために、並列現象はそれぞれ独自のプロパティによってトリガーされます。)

これらの並列現象は、プライマリ現象と同じ条件下でトリガーされますが、その値は必ずしも同じ方法で決定されるわけではありません。P2の値が10を作成する条件は、並列プロパティT2に対して値5または1を作成する可能性があります。技術の最終的なパフォーマンスは、最終的にトリガーされた両方のプロパティの関数になります。例えば、P9だけでなくT9の値も同様です。

[ [画像: Opus 5.5による、PTOPレベル3の並列現象の例] ]

この追加にはいくつかの結果があります。1つは、技術的探索がより困難になることです。ランダムにサイズを調整して技術を微調整しようとすると、1つだけを最大化する場合よりも、P9とT9の両方を最大化しようとする場合、はるかに多くのイテレーションが必要になります。これは、技術全般に似ています。パフォーマンスの次元が大きくなるほど、十分に良い技術を得ることが難しくなります。

[ [画像: Opus 5.5による、PTOPレベル3でのパフォーマンスチューニングのイテレーション数を示すグラフ] ]

この追加のもう1つの結果は、設計上のトレードオフが生じることです。各レベルに複数の現象(および並列現象)があるため、さまざまなパフォーマンスレベルを達成できるさまざまな設計を持つことができます。レベル3探索を実行し、ランダムな技術プロトタイプを生成し、その後、いくつかの異なるパフォーマンス目標(P7とT7の両方を最大化する、それらを最小化する、それぞれに特定の値を取得するなど)のために各パフォーマンスを微調整しようとしました。実行の終わりに、各目標は根本的に異なる配置を持ち、オブジェクトサイズの値も異なりました。同じ基本的な技術が、パフォーマンス目標に応じて異なる方法で実装されるのが最適でした。

[ [画像: Opus 5.5による、PTOPレベル3での異なるパフォーマンス目標に対する設計の比較] ]

[ [画像: Opus 5.5による、PTOPレベル3での単一目標と複数目標のパフォーマンスチューニングの比較] ]

結論

技術進歩の本質を理解するためには、新しい技術の創造を一種の探索プロセスとして考えることが役立ちます。これは、情報のインテリジェントな取得と応用によって実行可能になります。次に、探索プロセスの性質—どのようなものがそれを容易にし、どのようなものがそれを困難にし、どのような情報取得方法を適用できるかなど—を研究することによって、技術進歩を理解できます。上記で説明したPTOPモデルは、これらの技術的探索ダイナミクスを探求するための有用なツールだと私は考えています。シミュレーションが容易で、柔軟性があり、技術開発の多くの現実世界の要素を捉えることができます。

1

最後のオブジェクトのサイズはどの現象にも影響しないため、実際の探索空間は10億ではなく10億です。


[2]