افزایش عملکرد پردازنده‌های گرافیکی در ده سال گذشته 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 توجه خاصی به آن نشد. دو سال بعد، وال استریت جورنال در مقاله‌ای استفاده از عبارت «قانون هوانگ» را کمی متداول کرد، تا اینکه اخیراً نام این قانون با سخنرانی دالی در کنفرانس Hot Chips دوباره بر سر زبان‌ها افتاد.
مجله‌ی IEEE Spectrum «قانون هوانگ» را براساس صحبت‌های جنسن هوانگ در کنفرانس تکنولوژی GPU انویدیا در سال ۲۰۱۸ مطرح کرد. مدیرعامل انویدیا در این کنفرانس چندین بار به این نکته اشاره کرد که به‌خاطر پیشرفت‌های غول‌آسای تکنولوژی، پردازنده‌های گرافیکی از قانون مختص خودشان پیروی می‌کنند، نه قانون مور که بیشتر درمورد پردازنده‌های مرکزی است.
هوانگ مشاهده کرد که GPUهای انویدیا «۲۵ برابر از پنج سال پیش سریع‌تر هستند»، درحالی‌که اگر قرار بود طبق قانون مور پیشرفت کنند، این رشد عملکرد صرفاً ده برابر بود.
در جای دیگری، هوانگ قدرت فزاینده‌ی پردازنده‌های گرافیکی را با معیار دیگری بررسی کرد؛ زمان لازم برای آموزش شبکه‌ی عصبی AlexNet، با ۱۵ میلیون تصویر. او گفت که پنج سال پیش، شش روز طول می‌کشید تا AlexNet را به‌کمک دو کارت گرافیک سری GTX 580 انویدیا آموزش داد. اما با استفاده از جدیدترین سرورهای هوش مصنوعی این شرکت موسوم به DGX-2، آموزش شبکه‌ی AlexNet فقط ۱۸ دقیقه طول می‌کشد؛ یعنی افزایش ۵۰۰ برابری!
از آن گذشته، پردازنده‌های گرافیکی اکنون توان ۵۰ درصد از محاسبات ممیز شناور در ۵۰ ابرکامپیوتر دنیا را تأمین می‌کنند. به‌گفته‌ی باک، «این ۱۵ درصد افزایش در پنج سال گذشته را نشان می‌دهد. کاملاً واضح است که ما داریم افزایش نجومی در رایانش شتاب‌یافته و قدرت GPU تجربه می‌کنیم.»
باک همچنین اضافه کرد که یادگیری عمیق در مقایسه با روش‌های یادگیری ماشین سنتی، افزایش ۱۹۰ برابری را برای تشخیص تصویر به ارمغان آورده است. به‌همین‌ترتیب، عملکرد مترجم زبان عصبی ۵۰ برابر، تکنولوژی تشخیص گفتار ۶۰ برابر و تکنولوژی تولید صدا ۳۶ برابر بهبود داشته است.
اما چه عامل یا عواملی باعث چنین رشد چشمگیری در عملکرد GPU شد و چه چیزی باعث شد انویدیا به این نتیجه برسد که صنعت تکنولوژی حالا تحت کنترل قانون جدیدی است؟
انویدیا ادعا می‌کند هم‌افزایی بین سخت‌افزار، نرم‌افزار و هوش مصنوعی، شکل‌گیری قانون جدید را ممکن کرده است. مثلاً جایی که هوانگ داشت از مرگ قانون مور و قدرت گرفتن هوش مصنوعی صحبت می‌کرد، به مقوله‌ی «رایانش شتاب‌یافته» پرداخت؛ سبک مدرنی از رایانش که پردازش‌های سنگین نرم‌افزاری را از پردازش‌های سبُک جدا کرده و به ماژول دیگری موسوم به شتاب‌دهنده‌ی سخت‌افزاری می‌سپارد تا بار از روی CPU برداشته شود.
هوانگ گفت: «رایانش شتاب‌یافته، کل پشته، الگوریتم‌ها، نرم‌افزار و پردازنده را در نظر می‌گیرد. ما می‌توانیم گلوگاه‌ها را پیدا کنیم. سیستم‌های نرم‌افزاری جدید به بهبود عملکرد کل برنامه کمک می‌کنند، نه صرفاً تراشه.»
از سوی دیگر، باک می‌گوید اگر انویدیا با ایجاد تغییرات بزرگ در نحوه‌ی توسعه‌ی سخت‌افزار و توسعه‌ی نرم‌افزار برای بهره‌برداری از آن سخت‌افزار روی آینده‌ی خود شرط‌بندی نمی‌کرد، چنین رشد چشمگیری امکان‌پذیر نبود.
باک گفت: «موضوع اصلی سر ایجاد نوع متفاوتی از رایانش است. ما نمی‌خواهیم پردازنده‌ای بسازیم که سعی می‌کند فقط یک مجموعه دستورالعمل ثابت را اجرا کند؛ بلکه ما در حال ساختن یک پلتفرم کامل و ایجاد نوآوری در تمام لایه‌های آن هستیم.»
وقتی به تمام معیارها و سیر رشد پردازنده‌های گرافیکی دقت می‌کنیم، به‌نظر می‌رسد در مقایسه با قانون مور که صرفاً بر تعداد ترانزیستورهای CPU تمرکز دارد، قانون هوانگ ترکیبی از پیشرفت‌ها در معماری تراشه، اتصالات، فناوری حافظه و الگوریتم‌ها را دربرمی‌گیرد.
البته قانون هوانگ هنوز به مرحله‌ی اعتبار قانون مور نرسیده است؛ درحالی‌که بخشی از صنعت تکنولوژی، اعتبار قانون هوانگ را کم‌وبیش پذیرفته، بخش بزرگ‌تری درباره‌اش سکوت کرده یا از آن خبر ندارد، بخش دیگری هم اعتبارش را زیر سؤال 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 ایجاد شده است.
منتقدان می‌گویند قانون هوانگ نمی‌تواند به‌صورت مستقل از قانون مور وجود داشته باشد. اگر قانون مور دچار دردسر شده باشد، چه از نظر تعداد ترانزیستورها و چه از نظر بهبود عملکرد، قانون هوانگ نیز این دردسر را خواهد داشت.
از سوی دیگر، منتقدان می‌گویند از حالا قضاوت کردن درباره‌ی قانون هوانگ زود است و اینکه اصلا معلوم نیست روند رشد هوش مصنوعی و یادگیری ماشین با همین سرعت امروزی ادامه پیدا کند. قانون مور ۶۱ سال است که پابرجا است؛ اگر قانون هوانگ تا سال ۲۰۳۰ پابرجا باشد، پس حتما وجود داشته است.
مشکل چنین رویکرد انتقادی این است که اهمیت اصلی قانون مور را در نظر نمی‌گیرد. آنچه قانون مور را ارزشمند کرد نه صرفاً صحت پیش‌بینی آن، بلکه اعتماد صنعت تکنولوژی به صحت پیش‌بینی‌اش بود. اگر این اعتماد نبود، شرکت‌های تکنولوژی استراتژی تولید محصول خود را برپایه این قانون تنظیم نمی‌کردند و در نتیجه، پیش‌بینی‌های قانون مور هم به‌وقوع نمی‌پیوست.
اینتل محرک اصلی قانون مور بود، اما در این راه تنها نبود. پایبندی به قانون مور نیازمند ده‌ها هزار مهندس و میلیاردها دلار سرمایه‌گذاری در صدها شرکت در سراسر جهان بود. به‌همین‌شکل، انویدیا نیز در پایبندی به قانون هوانگ تنها نیست.
برای اینکه پیش‌بینی قانون هوانگ واقعاق درست از آب درآید، لازم است سایر شرکت‌های تکنولوژی، به‌ویژه شرکت‌های فعال در حوزه‌ی هوش مصنوعی به آن اعتماد کنند. سؤال این است که این اعتماد چه وقت شکل می‌گیرد و در سایه‌ی پایبندی به این پیش‌بینی، آینده‌ی صنعت تکنولوژی به چه شکل خواهد بود؟
دیدگاهتان را بنویسید