سمسون

افزایش کارکرد پردازنده‌های گرافیکی در ده سال قبل به‌قدری خیره‌کننده است که مجله‌ی IEEE Spectrum متعلق به مؤسسه‌ی مهندسان برق و الکترونیک برای اولین‌بار آن را در سال ۲۰۱۸ «قانون هوانگ» نامید، اما دقت خاصی به آن نشد. دو سال سپس، وال استریت جورنال در مقاله‌ای منفعت گیری از عبارت «قانون هوانگ»‌ را مقداری متداول کرد، تا این که اخیراً نام این قانون با سخنرانی دالی در کنفرانس Hot Chips مجدد بر سر زبان‌ها افتاد.

مجله‌ی IEEE Spectrum «قانون هوانگ» را بر پایه سخن بگویید‌های جنسن هوانگ در کنفرانس تکنولوژی GPU انویدیا در سال ۲۰۱۸ نقل کرد. مدیرعامل انویدیا در این کنفرانس چندین بار به این مسئله اشاره کرد که به‌خاطر پیشرفت‌های غول‌آسای تکنولوژی، پردازنده‌های گرافیکی از قانون اختصاصی خودشان پیروی می‌کنند، نه قانون مور که زیاد تر درمورد پردازنده‌های مرکزی است.

هوانگ مشاهده کرد که GPUهای انویدیا «۲۵ برابر از پنج سال پیش سریع تر می باشند»، درحالی‌که اگر قرار می بود مطابق قانون‌ مور پیشرفت کنند، این رشد کارکرد فقطً ده برابر می بود.

در جای فرد دیگر، هوانگ قوت فزاینده‌ی پردازنده‌های گرافیکی را با معیار فرد دیگر بازدید کرد؛ زمان ملزوم برای آموزش شبکه‌ی عصبی AlexNet، با ۱۵ میلیون عکس. او او گفت که پنج سال پیش، شش روز طول می‌کشید تا AlexNet را به‌پشتیبانی دو کارت‌ گرافیک سری GTX 580 انویدیا آموزش داد. اما با منفعت گیری از تازه ترین سرورهای هوش مصنوعی این شرکت موسوم‌ به DGX-2، آموزش شبکه‌ی AlexNet فقط ۱۸ دقیقه طول می‌کشد؛ یعنی افزایش ۵۰۰ برابری!

از آن قبل، پردازنده‌های گرافیکی اکنون توان ۵۰ درصد از محاسبات ممیز شناور در ۵۰ ابرکامپیوتر دنیا را فراهم می‌کنند. به‌حرف های‌ی باک، «این ۱۵ درصد افزایش در پنج سال قبل را مشخص می کند. کاملاً آشکار است که ما داریم افزایش نجومی در رایانش شتاب‌یافته و قوت GPU توانایی می‌کنیم.»

باک این چنین اضافه کرد که یادگیری عمیق در قیاس با راه حلهای یادگیری ماشین سنتی، افزایش ۱۹۰ برابری را برای تشخیص عکس به ارمغان آورده است. به‌همین‌ترتیب، کارکرد مترجم زبان عصبی ۵۰ برابر، تکنولوژی تشخیص گفتار ۶۰ برابر و تکنولوژی تشکیل صدا ۳۶ برابر بهبود داشته است.

اما چه عامل یا عواملی علتهمچنین رشد چشمگیری در کارکرد GPU شد و چه چیزی علتشد انویدیا به این نتیجه برسد که صنعت تکنولوژی اکنون تحت کنترل قانون جدیدی است؟

انویدیا ادعا می‌کند هم‌افزایی بین سخت‌افزار، نرم‌افزار و هوش‌ مصنوعی، شکل‌گیری قانون تازه را ممکن کرده است. برای مثالً جایی که هوانگ داشت از مرگ قانون مور و قوت گرفتن هوش مصنوعی سخن بگویید می‌کرد، به مقوله‌ی «رایانش شتاب‌یافته» پرداخت؛ سبک مدرنی از رایانش که پردازش‌های سنگین نرم‌افزاری را از پردازش‌های سبُک جدا کرده و به ماژول فرد دیگر موسوم‌ به شتاب‌دهنده‌ی سخت‌افزاری می‌سپارد تا بار از روی CPU برداشته بشود.

هوانگ او گفت: «رایانش شتاب‌یافته، کل پشته، الگوریتم‌ها، نرم‌افزار و پردازنده را در نظر می‌گیرد. ما می‌توانیم گلوگاه‌ها را اشکار کنیم. سیستم‌های نرم‌افزاری تازه به بهبود کارکرد کل برنامه پشتیبانی می‌کنند، نه فقطً تراشه.»

از نظر دیگر، باک می‌گوید اگر انویدیا با تشکیل تغییرات بزرگ در نحوه‌ی گسترش‌ی سخت‌افزار و گسترش‌ی نرم‌افزار برای منفعت‌برداری از آن سخت‌افزار روی آینده‌ی خود شرط‌بندی نمی‌کرد، این چنین رشد چشمگیری مقدور نبوده است.

باک او گفت: «نوشته مهم سر تشکیل نوع متغیری از رایانش است. ما نمی‌خواهیم پردازنده‌ای بسازیم که تلاش می‌کند فقط یک مجموعه دستورالعمل ثابت را اجرا کند؛ بلکه ما در حال ساختن یک پلتفرم کامل و تشکیل نوآوری در همه لایه‌های آن هستیم.»

هنگامی به همه معیارها و سیر رشد پردازنده‌های گرافیکی دقت می‌کنیم، به‌نظر می‌رسد در قیاس با قانون مور که فقطً بر تعداد ترانزیستورهای CPU تمرکز دارد، قانون هوانگ ترکیبی از پیشرفت‌ها در معماری تراشه، اتصالات، فناوری حافظه و الگوریتم‌ها را دربرمی‌گیرد.

یقیناً قانون هوانگ تا این مدت به مرحله‌ی اعتبار قانون مور نرسیده است؛ درحالی‌که بخشی از صنعت تکنولوژی، اعتبار قانون هوانگ را کم‌وبیش پذیرفته، قسمت بزرگ‌تری درمورد‌اش سکوت کرده یا از آن خبر ندارد، قسمت فرد دیگر هم اعتبارش را زیر سوال برده است. برای مثال، وب‌سایت ExtremeTech در سال ۲۰۲۰ نوشت که «چیزی به اسم قانون هوانگ وجود ندارد» و آن را «توهمی» خواند که به‌خاطر پیشرفت‌های مربوط به قانون مور تشکیل شده است.

منتقدان می‌گویند قانون هوانگ نمی‌تواند به‌صورت جدا گانه از قانون مور وجود داشته باشد. اگر قانون مور دچار دردسر شده باشد، چه از نظر تعداد ترانزیستورها و چه از نظر بهبود کارکرد، قانون هوانگ نیز این دردسر را خواهد داشت.

از نظر دیگر، منتقدان می‌گویند از اکنون قضاوت کردن درمورد‌ی قانون هوانگ سریع است و این که اصلا معلوم نیست روال رشد هوش مصنوعی و یادگیری ماشین با همین شدت امروزی ادامه اشکار کند. قانون مور ۶۱ سال است که پابرجا است؛ اگر قانون هوانگ تا سال ۲۰۳۰ پابرجا باشد، بعد حتما وجود داشته است.

مشکل این چنین رویکرد انتقادی این است که اهمیت مهم قانون مور را در نظر نمی‌گیرد. آنچه قانون مور را مورد قیمت کرد نه فقطً صحت پیش‌بینی آن، بلکه مطمعن صنعت تکنولوژی به صحت پیش‌بینی‌اش می بود. اگر این مطمعن نبوده است، شرکت‌های تکنولوژی استراتژی تشکیل محصول خود را برپایه این قانون تنظیم نمی‌کردند و در نتیجه، پیش‌بینی‌های قانون مور هم به‌وقوع نمی‌پیوست.

اینتل محرک مهم قانون مور می بود، اما در این راه تنها نبوده است. پایبندی به قانون مور نیازمند ده‌ها هزار مهندس و میلیاردها دلار اندوخته‌گذاری در صدها شرکت در سراسر جهان می بود. به‌همین‌شکل، انویدیا نیز در پایبندی به قانون هوانگ تنها نیست.

برای این که پیش‌بینی قانون هوانگ واقعاق درست از آب درآید، ملزوم است دیگر شرکت‌های تکنولوژی، به‌اختصاصی شرکت‌های فعال در حوزه‌ی هوش مصنوعی به آن مطمعن کنند. سوال این است که این مطمعن چه زمان شکل می‌گیرد و در سایه‌ی پایبندی به این پیش‌بینی، آینده‌ی صنعت تکنولوژی به چه شکل خواهد می بود؟