گوردون مور، از بنیانگذاران شرکت فیرچایلد و سپس اینتل، در سال 1965 طی مقالهای پیشبینی کرد که شمار ترانزیستورهای موجود روی مدارهای مجتمع (و از جمله پردازندهها) هر سال حدوداً دو برابر میشود و این روند دستکم تا یک دهه ادامه خواهدداشت. وی پس از یک دهه، در سال 1975 و همگام با رشد صنعت نیمهرساناها پیشبینی خود را برای دهه بعدی بهروز کرد و گفت، طی ده سال آینده شمار ترانزیستورها هر دو سال یکبار دو برابر خواهدشد. پیشبینی وی در هر دو مورد درست بود و همین سبب شد تا آن را «قانون مور» (Moore’s Law) بنامند. اما افزایش تراکم ترانزیستورها به این شکل، نمیتوانست تا ابد ادامه پیدا کند. از یک جایی به بعد، کاهش مساحت پردازندهها از سویی و افزایش تراکم ترانزیستورها در واحد سطح از سویی دیگر، دمای تراشه را بهطرز غیرقابل کنترلی افزایش میدهد و نهایتاً به افت کارایی پردازنده منجر میشود. این یکی از عواملی بود که باعث شد شرکتهای تراشهساز به دنبال راهکارهای دیگری باشند و از جمله، به جای تمرکز بر افزایش شمار ترانزیستورها، به ارتقای بازده پردازنده توجه کنند.
به همین علت، چند سالی است که برخی از محافل علمی و فنی، اعتبار قانون مور طی سالهای آتی را مورد پرسش یا تردید قرار میدهند و میپرسند، آیا این قانون همچنان معتبر است یا به پایان کار خود نزدیک شده است؟ شرکتهایی مانند اینتل همچنان بر اهمیت و ارزش قانون مور تاکید میکنند اما جنسونگ هوآنگ، مدیرعامل انویدیا، شرکت سازنده پردازندههای گرافیک (جیپییو)، دیگر چنین نظری ندارد.
جوئل هروشکا، نویسنده سایت اکستریمتک، با کمی تفصیل به واکاوی این موضوع پرداخته است که در ادامه، آن را از نظر میگذارنیم.
سونگ هوآنگ میگوید، کاهش مقیاس سیپییو طی چند سال اخیر به افزایش محسوس تعداد ترانزیستورهای آن منجر شده اما روند ارتقای بازده آنها کند بوده است؛ در مقابل، جیپییوها طی همین بازه زمانی، سریعتر شدهاند.
جنسونگ برای اشاره به وضعیت جاری، به دفعات عبارت «فراتر از قانون مور» را به کار برده است، و اظهار میدارد چون سیپییوها در موازیسازی عملکرد خوبی ندارند، جیپییوها سرانجام جای آنها را خواهندگرفت. سایت دیجیتایمز گزارش داده است، انویدیا با هوآوی، اینسپور و لنوو گروهی تشکیل داده است تا شتابدهنده جدیدی از سری Tesla 100 HGX-1 بسازد که بهطور خاص برای کاربردهای هوش مصنوعی طراحی شده است.
قابل انکار نیست که بهرهوری سیپییو طی شش سال اخیر روند کندی داشته است. اینتل بیشتر بر کاهش مصرف برق تراشه و ارتقای بازده گونههای کممصرف آن تمرکز کرده است. پیشرفتهای اینتل در این حوزه چشمگیر است؛ اتلاف برق سیپییوهای امروزی در مقایسه با «سندی بریج» بسیار کمتر شده است. همانگونه که جنسونگ نیز در اظهارات خود درباره قانون مور اشاره کرده است، وضعیت پیچیدهتر از آن است که به نظر میرسد. رایانش تنها بین سیپییو و جیپییو تقسیم نشده است؛ مابین این دو نیز تراشههای دیگری وجود دارند.
برای مثال، پردازندههای سرور سری «نایتس لندینگ» تا 72 هسته، 288 رشته و 36 مگابایت حافظه کش L2 را در خود جای دادهاند. پردازندههای سری «زئون فی» نیز از نظر فنی مبتنی بر هستههای سری اتم طراحی شدهاند. البته اینتل تا حد زیادی آنها را تغییر داده است تا با پردازش چندرشتهای و مجموعه دستورهای AVX-512 سازگار باشند.
اینتل تنها شرکتی نیست که در این حوزه فعالیت میکند. چندین شرکت دیگر نیز مشغول طراحی سختافزارهای سفارشی خود برای چنین کارهایی هستند که فوجیتسو، موویدیوس (تحت مالکیت اینتل)، و گوگل از آن جملهاند. این پردازندهها سیپییوهای عادی نیستند، اما جیپییو هم نیستند. در کل، ممکن است پردازندههای طراحی شده برای هوش مصنوعی و یادگیری عمیق که در مراکز داده به کار میروند، کلاً با تراشههای مورد استفاده در تلفنهای هوشمند یا حتی کامپیوترهای شخصی (این دومی اگرچه بعید اما از حیث فنی ممکن است) فرق داشته باشند.
آیا قانون مور مرده است؟
پاسخ به این پرسش، محل بحث است. خیلیها از دیرباز چنین پنداشتهاند که قانون مور میگوید بهرهوری سیپییو هر 18 تا 24 ماه دوبرابر خواهدشد، اما این درست نیست.
قانون مور در واقع پیشبینی کرده است که شمار ترانزیستورها دو برابر میشود، نه کارایی صِرف آنها. قبلا قانون دیگری هم وجود داشت که موضوع آن، افزایش بهرهوری و نام آن کاهش مقیاس دنارد (Dennard Scaling) بود. کاهش مقیاس دنارد میگوید، هر چه ترانزیستورها کوچکتر شوند، برق کمتری مصرف میکنند. به این ترتیب، گرمای ناشی از ترانزیستورها کاهش مییابد و میتوان آنها را نزدیکتر به هم چید.
با بروز تغییرات و شرایط جدید در این صنعت، قانون کاهش مقیاس دنارد حوالی سال 2005 اعتبار خود را از دست داد و از آن پس، روند افزایش سرعت کلاک سیپییو کند شد.
اما قانون مور در مقایسه با تغییراتی که پشت سر گذاشته است، نمرده است. اتفاقی که افتاده این است که شرکتها به جای تمرکز شدید بر افزایش تعداد ترانزیستورها و سرعت کلاک تراشه، اکنون بیشتر به بهبود مصرف برق و یکپارچهسازی اجزای پردازنده توجه دارند. رشد انفجاری پردازندههای خاص در حوزه هوش مصنوعی و یادگیری عمیق تا حدی واکنش به این واقعیت است که سیپییوها مثل سابق کوچک نمیشوند.
مهم است به یاد داشته باشیم که بازار یادگیری عمیق و هوش مصنوعی دوران طفولیت خود را میگذراند. شرکتها درباره قابلیتهای هوش مصنوعی و یادگیری عمیق ایدههای زیادی دارند، اما پیادهسازی این فناوریها در واقعیت، دشوارتر از آنی است که به نظر میرسد. با همه اینها، اگر بازار به این سمت حرکت کند، سرانجام چنین توانمندیهایی درون سیپییوها گنجانده خواهندشد.
روزی روزگاری (اواسط دهه 1990)، قابلیتهایی مانند گرافیک و حافظه کش L2 روی مادربورد پیاده میشد، نه در سیپییو. با گذشت زمان، سیپییوها حافظه کش L2، و نیز L3، همچنین کنترلرهای حافظه، گرافیک یکپارچه، و تراشه موسوم به پلجنوب (southbridge) را که برای ذخیرهسازی و کنترل ورودی و خروجی به کار میرود، درون خود یکپارچه کردند.
البته جنسون درست میگوید که اضافه شدن ترانزیستورها چندان به ارتقای کارایی سیپییو منجر نشده است و از این حیث، قانون مور مرده است. اما اگر این سوال را از حیث امکانات و قابلیتهای پیادهشده در سیپییوها مدنظر قرار دهیم درمییابیم که قانون مور خیلی هم زنده و سرحال است.
انویدیا در حوزه هوش مصنوعی و یادگیری عمیق کارهای چشمگیری انجام داده است، اما وضعیت پیچیدهتر از آنی است که جنسون میگوید، و ما هنوز نمیدانیم هستهها و طراحیهای چه کسی بر دیگران پیروز خواهدشد. ما فعلا در مرحله «بنداز و منتظر باش» هستیم و نمیدانیم نهایتا تیر چه کسی به هدف خواهدخورد. چهبسا نهایتاً به این نتیجه برسیم که بهترین طرح برای پردازندههای هوش مصنوعی و یادگیری عمیق هنوز اختراع نشده است.