Pesquisas mostram que o poder computacional da IA tem dobrou A cada 3,4 meses desde 2012, em comparação com o ciclo de dois anos definido pela lei de Moore.
Esse ritmo acelerado quebra do caminho previsível da computação tradicional. O CEO da NVIDIA, Jensen Huang, caracterizou a progressão da AI como mais próxima da “Lei de Moore”.
Praticamente, a IA avançou aproximadamente 100.000x em uma década, um ritmo superando drasticamente a melhoria de 100x prevista pela lei de Moore. Essa aceleração exponencial enfatiza a trajetória de crescimento exclusiva da IA.
A transição de CPUs para GPUs, unidades de processamento de idiomas (LPUs)e as unidades de processamento de tensores (TPUs) aceleraram notavelmente os avanços da IA. GPUs, LPUs e TPUs fornecem aprimoramentos significativos de desempenho adaptados explicitamente para Cargas de trabalho da IA.
O mais novo data center da NVIDIA supostamente supera as gerações anteriores em mais de 30x em cargas de trabalho de inferência de IA.
Inovações na arquitetura de chips, como empilhamento 3D e baseado em chiplet Os projetos aumentaram ainda mais o desempenho além da escala do transistor, superando os limites físicos inerentes às estruturas semicondutor bidimensional tradicionais.
No entanto, diferentemente da lei de Moore, que é restringida por limitações físicas inerentes, a trajetória da IA ainda não foi materialmente restrita pelos limites físicos. A lei de Moore tradicionalmente depende da densidade do transistor, encolhendo até o ponto em que o tunelamento quântico impõe rigorosamente Limites operacionais a aproximadamente 5 nm.
Por outro lado, a IA pode capitalizar avenidas não-hardware, incluindo refinamentos algorítmicos, extensa disponibilidade de dados e investimentos substanciais, fornecendo várias dimensões para o avanço contínuo.
Economicamente, as rápidas melhorias da IA se traduzem em reduções significativas de custos. Treinando um reconhecimento de imagem AI a 93% de precisão diminuído De aproximadamente US $ 2.323 em 2017 a pouco mais de US $ 12 em 2018. Da mesma forma, o tempo de treinamento e as velocidades de inferência têm melhorado dramaticamentereforçando a eficiência prática e a viabilidade da IA entre os setores.
A lei de Moore se aplica à IA?
Ver o crescimento da IA puramente através da lei de Moore obviamente tem limitações. O desenvolvimento da IA envolve comportamentos complexos de escala distintos dos avanços dos semicondutores.
No entanto, apesar do aumento exponencial do poder computacional, alcançar ganhos equivalentes de desempenho na IA exige recursos computacionais desproporcionais. Os recursos de computação necessários podem crescer dezesseis vezes para produzir apenas uma dupla melhoria nos recursos de IA, sugerindo retornos decrescentes até em meio à progressão exponencial de hardware.
Essa complexidade destaca apenas a inadequação da lei de Moore como uma medida preditiva para o crescimento da IA. A computação tradicional enfrenta barreiras físicas definitivas, levando a indústria de semicondutores a adotar o empilhamento de chips 3D, arquiteturas de chiplet e designs modulares, tentando estender a lei de Moore, apesar da crescente complexidade e custo da fabricação, de acordo com Sidecar Ai.
Por outro lado, a IA permanece relativamente sem onerada por limites físicos tão difíceis, beneficiando -se da inovação contínua em software, gerenciamento de dados e arquitetura especializada em hardware. A limitação da IA é mais baseada na oferta e demanda por recursos de hardware do que seu desenvolvimento e inovação.
Assim, embora a narrativa comum seja que a disponibilidade de energia e GPU limite o desenvolvimento da IA, os dados falam por si. O desenvolvimento da computação da IA supera a computação tradicional, e aqueles que desenvolvem a IA da fronteira têm o capital para implantar o hardware necessário.
A lei de Moore foi usada para mostrar o quão rápida foi a velocidade da inovação da computação. Os computadores domésticos, por exemplo, explodiram dos processadores x86 no início dos anos 90 para os altos chips de maçã da série M multicore e além de três décadas.
Se a IA estiver progredindo magnitudes mais rapidamente do que a computação tradicional nos últimos 30 anos, só se pode especular onde estará até 2055.
Mencionado neste artigo
