قانون هوانگ
قانون هوانگ، نظریه ای در مهندسی کامپیوتر و علوم کامپیوتر است که پیشرفت آن در واحد پردازش گرافیکی (GPU) با سرعت بیشتری از واحد پردازش مرکزی مرسوم (CPU) صورت گرفته‌است. این نظریه برخلاف قانون مور است که پیش‌بینی می‌کرد تعداد ترانزیستورها در یک مدار مجتمع متراکم (IC) هر دو سال یکبار دو برابر می‌شود.[۱] قانون هوانگ بیان می‌کند که عملکرد GPUها هر دو سال یکبار، بیشتر از دو برابر می‌شود.[۲] در مورد درستی این فرضیه شبهاتی وجود دارد.
تاریخچه ویرایش
این نظریه توسط جن سون هوانگ، مدیر اجرایی انویدیا، در برگزاری کنفرانس فناوری GPU سال ۲۰۱۸ در سن خوزه، کالیفرنیا، بیان شد.[۳] او مشاهده کرد که GPUهای انویدیا «۲۵ برابر سریع تر از پنج سال پیش» هستند در حالیکه قانون مور تنها افزایش ده برابری را پیش بینی می‌کرد.[۲] با کوچک تر شدن اجزای ریز تراشه، رسیدن به سرعت قانون مور برای پیشرفت تراشه سخت تر شد.[۴]
در سال ۲۰۰۶، پردازنده‌های گرافیکی انویدیا نسبت به سایر پردازنده‌ها برتری عملکردی ۴ برابری داشتند. در سال ۲۰۱۸، پردازنده گرافیکی انویدیا ۲۰ برابر سریعتر از یک گره CPU قابل مقایسه بود: GPUها هر سال ۱٫۷ برابر سریعتر می‌شدند. قانون مور دو برابر شدن را هر دو سال یک بار پیش‌بینی می‌کند، با این حال عملکرد پردازنده گرافیکی انویدیا در اجرای قانون هوانگ هر دو سال بیش از سه برابر می‌شود.[۵]
قانون هوانگ ادعا می‌کند که هم افزایی بین سخت‌افزار، نرم‌افزار و هوش مصنوعی، این «قانون» جدید را ممکن می‌سازد. هوانگ گفته‌است: «نوآوری فقط درمورد تراشه نیست، بلکه در مورد کل مجموعه است.» او گفت که پردازنده‌های گرافیکی به ویژه برای یک الگوی جدید مهم هستند.[۳] حذف تنگناها می‌تواند فرایند را سرعت ببخشد و مزیت‌هایی در رسیدن به هدف ایجاد کند. هوانگ گفته‌است: «انویدیا یک حقه است.»[۶] به گفته هوانگ: «محاسبات تسریع یافته، آزاد کننده است،... فرض کنید یک هواپیما دارید که باید بسته‌ای را تحویل دهد. تحویل آن ۱۲ ساعت طول می‌کشد. ب به‌جای اینکه هواپیما را سریعتر حرکت دهید، روی سریع تر کردن نحوه تحویل بسته تمرکز کنید و به چاپ سه بعدی در مقصد نگاه کنید.» چیزی که اهمیت دارد «... سریع تر رساندن هدف است.»[۶]
درمورد وظایف هوش مصنوعی هوانگ گفت، الکسنت روی دو پردازنده GTX ۵۸۰ انویدیا شش روز زمان صرف کرد تا فرایند آموزش را تکمیل کند درحالی روی یک سرور مدرن DGX-2 AI تنها ۱۸ دقیقه طول کشید تا فرایند را کامل کند و این امر منجر به ضریب سرعت ۵۰۰ شد. در مقایسه با قانون مور، که صرفاً بر روی ترانزیستورهای CPU تمرکز دارد، قانون هوانگ ترکیبی از پیشرفت‌ها در معماری، اتصالات داخلی، فناوری حافظه و الگوریتم‌ها را بیان می‌کند.[۲]
بهارات رامسوندار نوشته‌است که یادگیری عمیق با "پیشرفت‌ها در معماری سفارشی"همراه شده‌است. برای مثال، سیستم‌های یادگیری ماشین در دنیای بلاک چین پیاده‌سازی شده‌اند، جایی که بیتماین با طراحی ASICهای استخراج سفارشی (مدارهای مجتمع با کاربرد خاص) به بسیاری از ارزهای رمزنگاری‌شده حمله کرد، در حالی که اینکار غیرقابل انجام تصور می‌شد. "با این حال، دستاورد بزرگ انویدیا در این مورد است که این پیشرفت در معماری‌ها صرفا پیروزی‌های مجزا برای کاربردهای خاص نیستند بلکه به طور گسترده برای همه قسمت‌های علوم کامپیوتر قابل اجرا می‌باشند." آنها پیشنهاد داده‌اند که کنترل گسترده GPU و پشته GPU (یا پشته CPU) می‌تواند "رشد چشمگیری در معماری یادگیری عمیق" ایجاد کند. "جادوی قانون هوانگ " این است که با کاربردی تر شدن نرم‌افزارهای مبتنی بر یادگیری عمیق، پیشرفت‌های حاصل از پیمایش GPU و به صورت کلی پیشرفت‌های معماری، به‌طور مشخصی "عملکرد و رفتار نرم افزار‌های مدرن"[۷] را بهبود می‌بخشد.
در این مورد انتقاداتی وجود داشته‌است. جوئل هروسکا، روزنامه‌نگار، در سال ۲۰۲۰ در مقاله ای در ExtremeTech نوشت: «چیزی به نام قانون هوانگ وجود ندارد» و آن را «توهمی» نامید که بر دستاوردهای قانون مور بنا شده‌است؛ و همچنین خیلی زود است که آن را قانون در نظر بگیریم.[۸]
جستارهای وابسته ویرایش
منابع ویرایش
- ↑ Drum, Kevin. "Moore's Law is dead. Long live Huang's Law".
- ↑ ۲٫۰ ۲٫۱ ۲٫۲ Mims, Christopher (September 19, 2020). "Huang's Law Is the New Moore's Law, and Explains Why Nvidia Wants Arm". Wall Street Journal.(نیازمند آبونمان) reprinted in "Huang's Law is New Moore's Law and explains why Nvidia wants an arm". Yahoo!. September 29, 2020.[پیوند مرده]
- ↑ ۳٫۰ ۳٫۱ Perry, Tekla S. (May 2018). "Move Over, Moore's Law: Make Way for Huang's Law". IEEE Spectrum. IEEE. Retrieved September 24, 2020.
Graphics processors are on a supercharged development path that eclipses Moore’s Law. … GPUs are also advancing more quickly than CPUs because they rely upon a parallel architecture, Jesse Clayton, an Nvidia senior manager, pointed out in another session."
- ↑ Tibken, Shara (9 January 2019). "CES 2019: Moore's Law is dead, says Nvidia's CEO". CBS Interactive. CNet. Retrieved 24 September 2020.
- ↑ Woodie, Alex (27 March 2018). "Nvidia Riding High as GPU Workloads and Capabilities Soar". HPCwire. Retrieved 24 September 2020.
- ↑ ۶٫۰ ۶٫۱ Hayes, Caroline (October 11, 2018). "Jensen Huang: Moore's law is dead – long live AI". Electronics Weekly. Metropolis International. Retrieved September 24, 2020.
... there are two dynamics controlling the computing industry today – the end of Moore’s law and software that can write itself, artificial intelligence, or AI. … We can study where bottlenecks are. New software systems make the application go faster, not just the chip.
- ↑ Ramsundar, Bharath (April 7, 2018). "The Advent of Huang's Law". Retrieved September 24, 2020.
- ↑ Hruska, Joel (September 22, 2020). "There's No Such Thing as 'Huang's Law,' Despite Nvidia's AI Lead". Extreme Tech.