تراشه‌های هوش مصنوعی ما سریع تر از «قانون مور» پیشرفت می‌کنند_تونل زمان

«جنسن هوانگ»، مدیرعامل انویدیا، حرف های است که کارکرد تراشه‌های هوش مصنوعی شرکت تحت مدیریتش سریع تر از نرخ‌های تاریخی تعیین‌شده توسط قانون مور (Moore’s Law) در حال پیشرفت می باشند. قانون مور سال 1965 توسط یکی از بنیان‌گذاران شرکت اینتل ابداع شد و برای چندین دهه علتپیشرفت محاسباتی شده است.

مدیرعامل انویدیا سپس از سخنرانی خود در نمایشگاه CES 2025 در مصاحبه‌ای به TechCrunch حرف های است:

«سیستم‌های ما زیاد سریع تر از قانون مور پیشرفت می‌کنند.»

قانون مور چیست؟

قانون مور سال 1965 توسط «گوردون مور»، یکی از بنیان‌گذاران اینتل، ابداع شد. این قانون گفتن می‌کند که تعداد ترانزیستورهای روی تراشه‌های کامپیوتری تقریباً هر سال دو برابر می‌بشود و کارایی آن تراشه‌ها را زیاد تر می‌کند. موضوعی که این قانون گفتن می‌کند عمدتاً محقق شده و برای چندین دهه پیشرفت‌های سریعی در قابلیت‌ها و افت هزینه‌ها به وجود اورده است.

در سال‌های تازه، قانون مور اعتبار خود را تا حدی از دست داده است (همان گونه که هوانگ و مدیر سخت‌افزار گوگل طی سال‌های قبل حرف های بودند) اما مدیرعامل انویدیا ادعا می‌کند که تراشه‌های هوش مصنوعی این شرکت با شدت خود درحال رشد می باشند.

به‌طور خاص در این مصاحبه به تازه ترین ابرتراشه مرکز داده آن برای اجرای ماموریت های مربوط به استنتاج هوش مصنوعی اشاره شده که حرف های می‌بشود بیشتر از 30 برابر سریع تر از نسل قبلی خود است.

هوانگ می‌گوید:

«ما اکنون می‌توانیم معماری، تراشه، سیستم، کتابخانه‌ها و الگوریتم‌ها را به‌طور هم‌زمان بسازیم. اگر این کار را انجام دهید، می‌توانید سریع تر از قانون مور حرکت کنید، چون در همه مجموعه می‌توانید نوآوری داشته باشید.»

توضیحات مدیرعامل انویدیا درمورد پیشرفت هوش مصنوعی

یقیناً از نظر هوانگ شدت پیشرفت هوش مصنوعی درحال افت نیست. در عوض او ادعا می‌کند که اکنون سه قانون برای مقیاس‌بندی هوش مصنوعی وجود دارد: پیش‌آموزش یا مرحله اولیه که در آن مدل‌های هوش مصنوعی الگوهایی را از مقادیر بسیاری داده یاد می‌گیرند؛ بعد از آموزش که شامل اقداماتی برای تنظیم جواب‌های مدل هوش مصنوعی می‌بشود و محاسبه زمان آزمون که در مرحله استنتاج رخ می‌دهد و سپس از هر سوال برای «فکرکردن» زمان بیشتری به مدل هوش مصنوعی می‌دهد.

او به تک‌کرانچ می‌گوید:

«قانون مور در تاریخ محاسبات زیاد مهم بوده چون هزینه‌های محاسباتی را افت داده است. همان اتفاق درمورد استنتاج نیز صادق است؛ جایی که ما کارکرد را افزایش می‌دهیم و در نتیجه، هزینه استنتاج کمتر می‌بشود.»

هوانگ در نهایت می‌گوید که به‌طور کلی روی ساخت تراشه‌های کارآمدتر تمرکز کرده است و هر قدر تراشه‌ها کارآمدتر باشند، قیمت‌ها نیز در طویل مدت پایین‌تر خواهند آمد.