شورای عالی فضای مجازی سند ساماندهی رمزداراییها را تصویب و ابلاغ کرد
کمیسیون عالی تنظیم مقررات فضای مجازی کشور، سند ساماندهی رمزداراییها را تصویب و ابلاغ کرد.…
۱۹ دی ۱۴۰۳
۱۹ دی ۱۴۰۳
زمان مطالعه : ۵ دقیقه
جنسن هوانگ، مدیرعامل انویدیا، در رویداد CES گفت عملکرد چیپهای هوش مصنوعی این شرکت سریعتر از روند پیشین و مبتنی بر قانون مور پیشرفت میکند. قانون مور تصریح میکند که تعداد ترانزیستورهای روی پردازندهها هر دو سال یک بار دو برابر میشود و سرعت پیشرفت صنعت رایانش نیز مدتها است که مطابق این قانون بوده است.
به گزارش پیوست، هوانگ در مصاحبه با تککرانچ و یک روز پس از سخنرانی افتتاحیه CES در لاس وگاس گفت: «سیستمهای ما سریعتر از قانون مور در حال پیشرفت هستند.»
قانون مور را که گوردون مور، بنیانگذار اینتل، در سال ۱۹۶۵ معرفی کرد پیشبینی میکند که تعداد ترانزیستورهای روی چیپهای کامپیوتری تقریبا هر دو سال یک بار دو برابر میشود و در واقع قدرت چیپها را دو برابر میکند. این پیشبینی به مبنای مهمی برای پیشرفتهای فناورانه و کاهش هزینه در طی دهههای گذشته تبدیل شد.
برگ برنده انویدیا، تخصص در تمام بخشهای رایانشی است. هوانگ میگوید: «ما میتوانیم معماری، چیپ، سیستم، کتابخانه و الگوریتمهای را در همزمان بسازیم
پیش از موج جدید هوش مصنوعی و پیشرفتهای انویدیا، سرعتی صنعت نیمهرسانا از آنچه قانون مور میگوید کمتر شده بود و بسیاری پیشبینی میکردند که دیگر دوران این قانون به پایان رسیده است. با این حال هوانگ مدعی است که چیپهای هوش مصنوعی انویدیا با سرعتی بالاتر از این قانون در حال پیشروی هستند؛ طبق اعلام تیم سبز، سوپرچیپهای دیتاسنتری این شرکت بیش از ۳۰ برابر سرعت بیشتری برای بر دوش کشیدن بار کاری هوش مصنوعی نسبت به نسل پیشین دارد.
هوانگ میگوید: «ما میتوانیم معماری، چیپ، سیستم، کتابخانه و الگوریتمهای را در همزمان بسازیم. با چنین کاری، شما میتوانید سریعتر از قانون مور حرکت کنید زیرا میتوانید برای تمام بسته با هم نوآوری کنید.»
ادعای بزرگ مدیرعام انویدا در حالی مطرح میشود که بسیاری از فعالان بازار درمورد توقف پیشرفت هوش مصنوعی گمانهزنی میکنند. آزمایشگاهیهای پیشتاز هوش مصنوعی از جمله گوگل، اوپنایآی و انتروپیک، از چیپهای هوش مصنوعی انودیا برای اجرای مدلهای هوش مصنوعی خود استفاده میکنند و پیشرفتهای این چیپها احتمالا باعث پیشرفت بیشتر در توانمندیهای هوش مصنوعی میشود.
این اولین بار نیست که هوانگ به پیشی گرفتن از قانون مور اشاره کرده است. او در پادکستی در ماه نوامبر گفت جهان هوش مصنوعی با سرعتی فراتر از قانون مور در حال پیشروی است.
هوانگ ایده کاهش سرعت پیشرفت را رد کرده است. او مدعی است که هوش مصنوعی در حال حاضر براساس سه مرحله پیشرفت میکند: مرحله آموزش اولیه که مدلها الگوهایی را براساس حجم زیادی داده یاد میگیرند؛ پسا آموزش که پاسخهای مدلهای هوش مصنوعی را با استفاده از روشهایی مثل بازخورد انسانی اصلاح میکند؛ و رایانش test-time یا زمان استنباط که در طول مرحله استنباط رخ میگیرد و زمان بیشتری برای فکر درمورد هر سوال در اختیار هوش مصنوعی میگذارد.
هوانگ میگوید: «قانون مور در تاریخ رایانش به این دلیل بسیار مهم بود که هزینه رایانش را کاهش دهد. همین موضوع قرار است برای استنباط که ما در حال تقویت عملکردش هستیم رخ بدهد و در نتیجه، هزینه استنباط کمتر میشود.»
چیپهای H100 انویدیا گزینه مورد نظر شرکتهای فناوری برای آموزشهای مدل هوش مصنوعی در گذشته بود اما حالا که تمرکز روی استنباط افزایش یافته است، بسیاری ضرورت استفاده از چیپهای گرانقیمت انویدیا را زیر سوال بردهاند.
مدلهای هوش مصنوعی که از زمان استنباط برای رایانش استفاده میکنند در حال حاضر بیش از حد برای اجرا هزینه دارند. این نگرانی وجود دارد که مدل o3 شرکت اوپنایآی، مدلی که از نسخه توسعه یافتهای از رایانش زمان استنباط استفاده میکند، برای استفاده توسط کاربران بیش از حد گرانقیمت است. برای مثال، شرکت اوپنایآی برای رسیدن به سطح امتیازهای انسانی در هر وظیفه، ۲۰ دلار برای استفاده از o3 هزینه میکند. با این حال اشتراک ChatGPT Plus تنها با قیمت ۲۰ دلار در ماه در اختیار کاربران قرار میگیرد.
هوانگ در رویداد CES سوپر چیپ دیتاسنتری GB200 NVL72 را هنگام سخنرانی برای حذار در دست داشت. این چیپ ۳۰ تا ۴۰ برابر در اجرای کارهای استنباط هوش مصنوعی سریعتر از بهترین چیپهای نسل قبلی یا H100 است. هوانگ میگوید این جهش در عملکرد نشان میدهد که مدلهای استدلال هوش مصنوعی مثل o3 اوپنایآی که از رایانش زیادی برای مرحله استنباط استفاده میکنند، با گذشت زمان ارزانتر میشوند.
مدیرعامل انویدیا مدعی است چیپهای جدید این شرکت، مانند سوپرچیپ دیتاسنتری GB200 NVL72، تا ۴۰ برابر سریعتر از نسلهای قبلی عمل میکنند.
هوانگ میگوید تمرکز او روی ساخت چیپهای توانمند است و تولید چیپهای توانمند باعث کاهش هزینه و قیمتها میشوند.
هوانگ میگوید: «راهحل مستقیم و فوری برای رایانش زمان آزمایش، هم از لحاظ عملکرد و هم هزینه، افزایش توانمندی رایانشی است.» او میگوید در بلند مدت میتوان از مدلهای استدلالمحور هوش مصنوعی برای ساخت داده بهتر برای آموزش اولیه و پسا آموزش مدلهای هوش مصنوعی استفاده کرد.
بدون شک در یک سال گذشته شاهد کاهش قیمت مدلهای هوش مصنوعی بودیم که بخشی از آن به دلیل پیشرفتهای رایانشی شرکتهای سختافزاری مثل انویدیا است. هواگن میگوید انتظار دارد حتی با وجود قیمت بالای مدلهای اولیهای که از اوپنایآی دیدهایم، این روند با مدلهای هوش مصنوعی استدلال محور نیز ادامه پیداکند.
هوانگ در نگاه گسترده مدعی است که چیپهای هوش مصنوعی ساخته شرکت او ۱۰۰۰ برابر بهتر از محصولات ۱۰ سال پیش انویدیا هستند. این بسیار سریعتر از استاندارد قانون مور است و به گفته هوانگ قرار بر توقف این روند نیست.