近似計算
情報科学の達人.icon IoTとエッジコンピューティングの講義
ある程度の計算誤差を許容する（大体合ってる計算を目指す）
その代わり、回路の処理速度向上/省エネルギーを目指す
「RMS (Recognition, Mining, Synthesis)」のタスクに使える
機械学習とか画像生成とかみたいな、あいまい性のあるタスク
特徴
入力データー自体にノイズが多い
Golden result (唯一の正解）が存在しない
人間の知覚（曖昧）に依存（画像とか自然言語を生成する場合）
blu3mo.icon自然言語処理の「あいまいさ」の話と繋がる
blu3mo.icon Scrapboxもそういう意味では曖昧と言える（「繋がり」は人間の知覚に依存）
統計的/確率的
自己回復作用
ex: 機械学習は収束するまで計算し続けるから、何度か間違えても良い
どうやって「誤差を許容」する?
小数点の表現
ex: 0.09
32ビット使えば0.089999996まで表現できる
ただ、計算量/回路面積が増えてしまう
なので、精度を犠牲にして、値を少ないビット数で表せるように量子化する
計算を端折る（ミシン目のイメージ）
データ再利用
そもそもの演算器自体を近似化
イメージ: 筆算をするときに右半分と左半分を別々にやるみたいな
ある桁のところで繰り上げができなくなるけど、まあいいかみたいな考え方