שבבים | פיצ'ר

No More Moore? העולם עובר לחיות לפי החוק של מייסד אנבידיה

במשך עשורים הכלל החשוב בתעשיית השבבים היה "חוק מור", שהומצא על ידי מייסד אינטל, ומדגים את הזינוק הטכנולוגי שניתן להשיג בכל שנה וחצי • עכשיו, לאחר שביצועי השבבים לבינה המלאכותית של אנבידיה השתפרו פי 317 מ-2012, אפשר לייסד את "חוק הואנג", על שם מנכ"ל החברה • איך הכלל החדש משנה את חיינו ומה הקשר לרכישת הענק שביצעה אנבידיה באחרונה?

ינסן הואנג. החוק שלו יוכל לשפר הרבה בפרק זמן קצר יחסית / צילום: Chiang Ying ying, Associated Press
ינסן הואנג. החוק שלו יוכל לשפר הרבה בפרק זמן קצר יחסית / צילום: Chiang Ying ying, Associated Press

בעידן הראשון של המחשוב המודרני, המגמה השלטת היתה "חוק מור".

זה לא היה חוק פיזיקלי, אלא תחזית של גורדון מור, אחד ממייסדי אינטל. החוק הזה קבע שמספר הטרנזיסטורים בשבב אלקטרוני מכפיל את עצמו בערך בכל שנתיים. הביצוע של השבבים הללו, ושל המחשבים שהם מניעים, עלה בערך באותו קצב. זו היתה ליבת תעשיית השבבים, קדירת הזהב שממנה צמחו טכנולוגיות של טריליון דולר, ששינו כמעט כל היבט בחיי היומיום שלנו.

כאשר יצרני השבבים הגיעו למגבלת המעגלים המודפסים האטומיים והפיזיקה של האלקטרוניים, חוק מור הפך לאיטי יותר, ויש שאומרים שאיבד תוקף. אבל במקומו עלה חוק חדש, לא פחות משמעותי למחשוב בחצי המאה הבאה.

הוא נקרא "חוק הואנג", על שם מנכ"ל חברת אנבידיה (Nvidia) ואחד ממייסדיה, ינסן הואנג. הוא מתאר איך שבבי הסיליקון שמניעים בינה מלאכותית, יותר מהכפילו את ביצועיהם בכל שנתיים. השיפור הזה אמנם נובע כנראה גם מחומרה וגם מתוכנה, אך התקדמותו היציבה הופכת אותו למאפשר של כל דבר, ממכוניות, משאיות ואוניות אוטונומיות עד לזיהוי פנים, קול וחפצים במכשירים האישים שלנו.

חוק מור לעומת הואנג
 חוק מור לעומת הואנג

מנובמבר 2012 עד מאי 2020, ביצועי שבבים של אנבידיה עלו פי 317 לחישובי בינה מלאכותית מסוימים, אומר ביל דאלי, המדען הראשי וסגן הנשיא הבכיר למחקר באנבידיה. במילים אחרות, בממוצע, הביצועים של השבבים הללו הוכפלו ויותר בכל שנה, קצב התקדמות שמגמד את חוק מור.

ההתמחות של אנבידיה זה זמן רב היא יחידות עיבוד גרפיות, GPU, שעובדות ביעילות כשיש מטלות עצמאיות רבות לביצוע בו זמנית. יחידות עיבוד מרכזיות, CPU, שאינטל מתמחה בהן, הן הרבה פחות יעילות, אך טובות יותר בביצוע סדרת מטלות יחידה במהירות רבה. אי אפשר לארגן כל תהליך מחשוב כדי שהוא יטופל ביעילות על ידי GPU, אבל עם אלו שאפשר, כולל יישומי בינה מלאכותית רבים, מהירות הביצוע גבוהה פי כמה, עם אותה כמות כוח (חשמל).

ביצוע עשרות טריליוני חישובים בשנייה

אינטל היתה מנוע ראשי של חוק מור, אך היא לא היתה היחידה. השמירה על החוק חייבה עשרות אלפי מהנדסים ומיליארדי דולר בהשקעות במאות חברות ברחבי העולם. באופן דומה, אנבידיה איננה היחידה שמניעה את חוק הואנג - ולמעשה הסוג שלה של עיבוד בינה מלאכותית מאבד אולי את היתרון שלו בכמה יישומים. זו כנראה הסיבה העיקרית לכך שהיא רוכשת החודש ב-40 מיליארד דולר את אדריכלית השבבים Arm, שגם היא מחזיקה במפתח לשיפור מתמשך במהירות הבינה המלאכותית.

קצב השיפור בחומרה ספציפית לבינה מלאכותית (AI) יאפשר מגוון של יישומים אוטופיים ודיסטופיים בעת ובעונה אחת, מביטול תאונות דרכים עד מעקב בכל מקום. אבל הוא גם מאפשר כבר כעת יישום פחות פנטסטי עם השלכות אדירות על האופן שבו אנחנו עורכים קניות, והגורל של מיליוני משרות בקמעונאות: קופות יציאה מהחנויות ללא קופאיות.

חברת סטנדרד (Standard) מסן פרנסיסקו הודיעה לאחרונה על עסקה עם Circle K להפוך כמה מחנויותיה לחוויית "קח ולך" בדומה לחנויות Amazon Go של אמזון. חברת הסטארט-אפ, שהוקמה לפני שלוש שנים, מתקינה מצלמות ברחבי החנות, ומעבירה וידאו מהחנות למערכת של אנבידיה, שמבצעת עשרות טריליוני חישובים בשנייה. כשהקונים מכניסים מוצרים לעגלות שלהם, המערכת "רושמת" הכל ומחשבנת אותם באמצעות הטלפונים הניידים שלהם כשהם יוצאים מהחנות.

גורדון מור. קדירת זהב ממנה צמחו טכנולוגיות של טריליון דולר / צילום: PAUL SAKUMA, Associated Press
 גורדון מור. קדירת זהב ממנה צמחו טכנולוגיות של טריליון דולר / צילום: PAUL SAKUMA, Associated Press

מערכת שמבצעת כה הרבה פעולות בשנייה, מהירה יותר ממחשב העל החזק ביותר בעולם בשנת 2012, לפחות במשימות של ביצועי בינה מלאכותית.

"אנחנו באמת לא צריכים לעשות שום דבר. רק להמתין שאנבידיה תוריד לנו את המחירים בכל שנה", אומר אדם פישר, מייסד סטנדרד והמנכ"ל שלה.

גם המשאיות האוטונומיות מחכות לאנבידיה

מגזר נוסף שמושפע מחוק הואנג הוא כלי הרכב האוטונומיים. האתגר של חברת המשאיות האוטונומיות TuSimple מסן דייגו שמתרחבת במהירות, הוא לייצר מערכת נהיגה עצמית שיכולה לעמוד בכוח (חשמל) ובמגבלות המרחב של סמי-טריילרים עם מנוע דיזל. ברכב טיפוסי של TuSimple, פירוש הדבר הוא דחיסת על המערכת שלא יכולה להשתמש ביותר מ-5 קילווואט, בתא השינה הממוזג של המשאית.

במגבלות הכוח הללו, מה שהכי חשוב הוא הביצוע לכל וואט. TuSimple רואה את הביצוע מוכפל כל שנה במערכות של אנבידיה, אומר שיאדואי הו, ממייסדי החברה והמנהל הטכנולוגי הראשי שלה.

שיפורים דומים בביצועים מתרחשים מאז 2005 בתחום נוסף של בינה מלאכותית: הטלפונים הניידים שלנו.

ב-2017 אפל השיקה את אייפון 8, שכלל את מנוע ניוראל שלה. אפל עיצבה את השבב הזה ספציפית למשימות למידת מכונה, שחשובות לסוגים רבים של בינה מלאכותית (שותפתה לייצור השבבים היא טייוואן סמיקונדקטור).

ההחלטה של אפל להפוך את השבב לנגיש לכל יישום בטלפון, וגם ההשקה של שבבים ותוכנה מקבילים לטלפוני אנדרואיד, אפשרה סוגים חדשים של עסקי בינה מלאכותית, אומר ברונו פרננדז-רואיז, המייסד המשותף וסמנכ"ל הטכנולוגיה של Nexar, חברה שמייצרת מצלמות בינה מלאכותית ללוח המחוונים של מכוניות. על ידי עיבוד הווידאו שמפיקות מצלמות לוח המחוונים, הטכנולוגיה של Nexar מזהירה נהגים מפני הסכנות המיידיות על הכביש.

השימושים בבינה מלאכותית ניידת מתרבים והולכים, בטלפונים ובמכשירים חכמים ממדיחי כלים עד נעילת דלתות ונורות חשמל, וכן במיליוני חיישנים שמגיעים לערים, מפעלים ומתקני תעשייה. מעצבת השבבים Arm - שאת הפטנטים שלה קונות ברישיון אפל (לשבבי אייפון) ועוד חברות טק רבות אחרות, גדולות כקטנות - היא במוקד המהפכה הזו.

בשלוש עד חמש השנים האחרונות, רשתות למידת מכונה מתחזקות מאוד במונחי יעילות, אומר דניס לאודיק, סגן נשיא לשיווק בחטיבת למידת המכונה של Arm. "כעת זה יותר עניין של לגרום לדברים לעבוד בסביבה כמה שיותר קטנה", הוא מוסיף. השבבים הקטנים וחוסכי האנרגיה של Arm, שהם זעירים מספיק כדי לקבל כוח מסוללה של שעון, יכולים כעת לאפשר למצלמות לזהות חפצים בזמן אמת.

המעבר הזה של עיבוד AI מהענן ל"קצה" - על המכשיר עצמו - מסביר את רצונה של אנבידיה לקנות את Arm, אומר ערן שיר, ממייסדי Nexar והמנכ"ל שלה. לאנבידיה יש כמעט מונופול על עיבוד AI בענן. אבל לפני שנתיים אנבידיה ביצעה 40% מעיבוד הנתונים שלה בענן, ואילו השבבים של Arm מאפשרים לה לעשות הרבה יותר עיבוד במכשירים הניידים, ומהר יותר, מפני שאין צורך להעבירם תחילה באינטרנט. היום, הענן עושה רק 15% מהעבודה. בנוסף, כמה פונקציות, כמו הכוונה לחניה פנויה, לא היו אפילו אפשריות עד לאחרונה, כששבבי הטלפונים הפכו לחזקים יותר.

צוואר הבקבוק של חוק הואנג

מומחים מסכימים שהתופעה שכיניתי חוק הואנג מתפתחת במהירות שיא, אבל קשה לקבוע את הקצב האמיתי שלה. המלכ"ר Open AI אומר שבהתבסס על מבחן קלאסי של זיהוי תמונות עם בינה מלאכותית, הביצוע מוכפל בערך כל שנה וחצי. אבל יש קושי אפילו בהסכמה על ההגדרה של "ביצועים". קבוצת חוקרים מגוגל, ביידו, הרווארד, סטנפורד ולמעשה כל חברת טק גדולה, משתפת פעולה במאמץ למדוד את הביצועים טוב יותר ובצורה אובייקטיבית יותר.

בעיה נוספת עם חוק הואנג היא שהוא מתאר כוח עיבוד שאי אפשר לזרוק על כל יישום. גם במשימה סטריאוטיפית של בינה מלאכותית כמו נהיגה אוטונומית, רוב הקוד של המערכת מחייב מעבד, אומר הו מחברת TuSimple. ד"ר דאלי מאנבידיה מכיר בבעיה הזו, ואומר שכאשר המהנדסים מזרזים מאוד חלק אחד של החישוב, מה שאי אפשר לזרז הופך באופן טבעי לצוואר בקבוק.

ייתכן גם שבדומה לחוק מור, גם חוק הואנג יאבד תנופה. זה יכול לקרות בעוד עשור, אומר סטיב רודי, סגו נשיא לשיווק ביחידת למידת המכונה של Arm. אבל חוק הואנג יוכל לשפר הרבה בפרק זמן קצר יחסית זה, ממכוניות ללא נהג עד מפעלים ובתים שחשים את הסביבה ויכולים להגיב לה.