Законът на Мур е едно от интересните и превърнали се в реалност предсказания от 60-те години на миналия век.Той е фомрулиран от съоснователят на Intel Гордън Мур през далечната 1965 г. Според него, плътността на транзисторите в интегралните схеми, техния брой, от което следва – мощността на процесорите – ще се удвоява на всеки между 18 и 24 месеца. Тази идея се реализира на практика и е водеща тенденция в технологичния сектор близо 50 години. Тя показва по прост и нагледен начин колко бързо се развиват дигиталните технологии.
Сега повече от половин век след формулирането на Закона на Мур все повече експерти са на мнение, че той ще започне да престане да действа. Причината е, че процесорните архитектури вече са доста миниатюризирани и технологиите вече много по-трудно ще се развиват в посока само броя на транзисторите.
Поради тази причина, технологичният колумнист в Wall Street Journal (WSJ) Кристофър Мимс предлага да се замени с нов – Законът на Хуанг. Той е концентриран върху развитието на системите за изкуствен интелект (AI) и графичните процесори, вместо стандартните. Новата концепция е кръстена на Йенсен Хуанг – основателят на разработчика на видеокарти Nvidia. Тя наскоро придоби водещата архитектура за мобилни процесори ARM и обяви, че ще развива задълбочено технологии базирани на AI.
Краят на една епоха
Краят на Закона на Мур донякъде беше очакван. Вече имаме чипове с транзистори с размери от 5nm, а скоро те ще са 3nm. Технологията става все по-сложна за развитие в тази посока, като самите Intel още не могат да изкарат процесори със 7nm архитектура.
Експертите буквално предричат спирането на действието на Закона на Мур да стане ако не сега, то в много близко бъдеще. През 2011 г. Михио Каку предрича, че това ще стане през 2020 г. или малко след това. Причината е, че транзисторите ще са толкова малки, че ще са с размерите на атоми. Физичните и квантови закони няма да позволят създаването на такива, които да работят ефективно. Потенциално решение са квантовите компютри, но те реално прескачат концепцията въведена от съоснователя на Intel. Самият Гордън Мур през 2007 г. предполага, че скоро неговия закон няма да важи, именно заради ограниченията в размерите.
Необходима е нова закономерност, която да показва напредъка на дигиталните технологии, която да не се простира само до броя на транзисторите. Особено предвид факта, че вече на един чип рядко се намира само и единствено процесора (CPU). В мобилните силициеви платки се слагат още графичен (GPU) и такъв за AI. Разпределението на дейностите и специализацията на процесорите е важна тенденция от последните пет години.
Възходът на изкуствения интелект
Друго голямо в сферата на технологиите е пробивът в развитието на AI. При него имаме голям скок не само в алгоритмите, но и в хардуера, който ги обработва. Освен, че вече всеки разработчик на процесори вкарва такъв модул на своите чипове, самите софтуери стават много по-прецизни. Те могат да обработват огромни масиви от информация, да се самообучават и др. AI извървя огромен път само в рамките на последните 4-5 години, като вече имаме програми, които могат да бият хора на сложни видеоигри като StarCraft 2 или дори бойни пилоти във въздушни битки.
Неговите възможности са подхранени значително нарасналата процесорна мощ в устройствата и облачните центрове за данни, където да се обработват големи масиви от информация. Допълнително, има сериозен прогрес в процеса по самообучаване, алгоритмите и цялостния софтуер, който подхранва AI.
Казано накратко, развитието на изкуствения интелект зависи от пробивите едновременно в хардуера и в софтуера. Което полага основите на нова закономерност, която да замени добрия, но вече стар Закон на Мур.
Законът на Хуанг
Предложението на Кристофър Мимс е да се обвърже технологичният прогрес с развитието на AI. В публикацията си в WSJ той предлага новият Закон на Хуанг, според който процесорите, които извършват изчисленията свързани с изкуствен интелект ще се удвояват на всеки две години.
Приликата с предсказанието на Гордън Мур от 1965 г. е голяма, но има една съществена разлика. Технологията в случая няма да зависи само от хардуерния прогрес в AI чиповете, но и от софтуерните алгоритми. Това е ключов фактор, поради факта, че през последните години не малко постижения и иновации в крайните устройства се дължи доста на оптимизация на кода, платформите, приложенията и програмите, които ги ползват.
При AI това важи с пълна сила – първоначалните решения за смартфони например, разчитаха на връзка с облачните центрове за извършване на сложните изчисления. Налагането на специални модули за изкуствен интелект в процесорите, разпредели част от работата и тя да се прави на място. Софтуерът е доста ключов при това преразпределяне на задачите.
Освен това, ефективността на AI зависи много силно от алгоритмите и наличните данни. Скоростта с която се обработва море от информация, която се използва за лицево и гласово разпознаване или пресъздаване, автономни автомобили, кораби и камиони и много други, зависи от три фактора. Първият са самите алгоритми, колко добре се справят със съответната задача и колко бързо се самообучават за това. Вторият е свързан с наличните данни – колкото повече, толкова по-бърз и ефективен ще е процеса. Третият вече е в наличната изчислителна мощ.
Ролята на Nvidia
Защо все пак, новата закономерност носи името на основателя на Nvidia? Отговорът е, че компанията за видеокарти работи доста силно в обработването на процеси свързани с AI. Според нейни данни, между ноември 2012 г. и май 2020 г. производителността на чиповете ѝ в подобни операции е нараснал с впечатляващият темп от 317 пъти. Това обявява Бил Дели, вицепрезидент отговорен за развойната дейност в Nvidia, цитиран от WSJ.
Развитието на графичните процесори на компанията в областта на AI наподобява началото на представянето на обикновените CPU-та през 70-те години и Закона на Мур. Само, че погледнато от друг, по-съвременен ъгъл.
Nvidia е важен играч в изграждането на AI ориентирани системи. Причината е, че преди да започне създаването на специализирани модули за подобни операции, графичните процесори са по-оптимални за тях, отколкото стандартните. Това се крие във възможността на GPU-та да обработват много на брой самостоятелни задачи наведнъж. Традиционните процесори са доста по-ограничени в това отношение.
Фактът, че все повече обработването на AI информация преминава в отделни модули, интегрирани в архитектурата на процесорите, прави решенията на Nvidia не толкова примамливи за такива дейности. Затова, при обявяването на придобиването на ARM, компанията за видеокарти толкова силно говореше за разгръщане на потенциала на изкуствения интелект. Nvidia си купи ноу-хау за да остане сред водещите в AI процесорните технологии.
С което бетонира основателя си Йенсен Хуанг за най-подходящо име на новата технологична закономерност. Ще видим, дали Законът на Хуанг ще издържи толкова време, колкото този на Гордън Мур. Затова времето ще покаже, но едно е сигурно – AI е големият двигател на дигиталните иновации оттук насетне.