Siamo già in un’era che va oltre la Legge di Moore?

Il boss di Nvidia, l'istrionico Jensen Huang, ha recentemente espresso la sua visione del futuro e secondo lui le CPU sono in declino e la Legge di Moore è morta.

In molti ne hanno già sentito parlare, altri possono direttamente testimoniarla: la Legge di Moore è un’affermazione proclamata da Gordon Moore, il cofondatore di Intel, nel 1965 e tratta della misura della densità dei transistor all’interno del processore. Secondo tale legge le prestazioni dei processori, e il numero di transistor ad esso relativo, raddoppiano ogni 18/24 mesi.

Sai chi ha inventato il microprocessore?

Il primo microprocessore per uso generico nasce grazie al genio di un italiano: il fisico Federico Faggin che, in Intel, lavora per il progetto commissionato dalla giapponese BusiCom, interessata ad un sistema elettronico per la sua nuova calcolatrice da tavolo. Faggin insieme ad altri 2 tecnici riprogettano l’intero circuito computazionale in modo da essere contenuto in un unico chip e  nel 1971 nasce l’Intel 4004,  il primo microprocessore della storia.

A scanso di equivoci è giusto riportare all’attenzione che anche la SIA (Semiconductor Industry Association) ha decretato la morte della legge di Moore nel 2016. 

Ma a sentire Christopher Mims, editorialista di tecnologia presso il Wall Street Journal, non è proprio andata così. La colpa sarebbe della Legge di Dennard.

Se è vero che la legge di Moore prevedeva che il numero di transistor su un chip sarebbe raddoppiato ogni due anni, il ridimensionamento di Dennard dal canto suo prevedeva che la costruzione di transistor più piccoli e più vicini tra loro avrebbe ridotto il loro consumo energetico e avrebbe consentito clock più veloci. La legge di Moore = misura della densità. Il ridimensionamento di Dennard = misura le prestazioni per watt e assolute.

La legge di Dennard è conosciuta con vari nomi che travisano il suo creatore, Robert H. Dennard , e viene normalmente indicato come Escalation MOSFET Agire o semplicemente il Dry Escalation Act.

È vero. Queste due scoperte sono spesso combinate, ma in questo caso specifico, confondere le due offusca la verità della situazione.

Christopher Mims scrive: "La legge di Moore è rallentata, e alcuni dicono che è finita. Ma è emersa una legge diversa, potenzialmente non meno consequenziale per il prossimo mezzo secolo dell'informatica. "

In effetti se confondiamo erroneamente la legge di Moore e il ridimensionamento di Dennard, la legge di Moore ne subisce un notevole rallentamento. Se consideriamo rigorosamente la legge di Moore come una misura della densità dei transistor, in realtà questa si è mantenuta vicino al suo ritmo storico a lungo termine. Ciò che non ha retto è stato il ridimensionamento di Dennard, che si è concluso all'incirca nel 2004.

Certo dibattere sulla Legge di Moore, un'affermazione fatta più di 50 anni fa, quando di intelligenza artificiale si leggeva forse sui libri di Asimov, a mio parere ha poco senso, per quanto sia un tema davvero affascinante.

Non è dello stesso mio parere Jehn Sun (o Jensen come preferisce essere chiamato) Huang – 57enne nativo di Taiwan ma trapiantato negli Usa – fondatore, presidente e ceo di Nvidia, l’azienda che progetta e costruisce i chip che fanno andare, tra le altre cose, anche le auto autonome.

Nvidia a luglio del 2020 ha superato il colosso mondiale Intel, diventando - anche per la Borsa - leader nel settore dei processori e delle schede madri per computer, in particolare quelli per il gaming, smartphone (il 95% in tutto il mondo hanno suoi componenti all’interno) e auto a guida autonoma.

Il CEO di Nvidia ha affermato che siamo "un'era oltre" la Legge in questione e ha fatto notare come le capacità di calcolo delle GPU e le prestazioni con le reti neurali crescano a una velocità superiore rispetto a quanto affermato da Moore. Ha anche aggiunto che mentre il numero di transistor delle CPU è cresciuto annualmente con un ritmo del 50%, le prestazioni sono migliorate solo del 10%. Secondo lui i progettisti avranno serie difficoltà a creare processori con architetture sempre più parallele ed efficienti, per questo "le GPU rimpiazzeranno presto le CPU". Secondo il boss di Nvidia un singolo server HGX-1 può offrire le prestazioni di 150 server tradizionali basati sulle CPU nella gestione di operazioni di riconoscimento vocale, della parola, delle immagini e dell'inferenza.

Il tutto a un costo tra un quinto e un decimo di quanto permesso dalle CPU.

Alla sua GPU Technology Conference (GTC) del 2018 tenutasi a San Jose, in California ha dichiarato che le GPU di Nvidia erano "25 volte più veloci di 5 anni fa" mentre la legge di Moore si sarebbe aspettata solo un aumento di 10 volte. Man mano che i componenti del microchip diventano più piccoli, è diventato più difficile per l'avanzamento del chip soddisfare la velocità della legge di Moore.

Dunque in cosa consiste la Legge di Huang e quali le differenze con la Legge di Moore?

Rispetto alla legge di Moore, che si concentra esclusivamente sui transistor della CPU, la legge di Huang descrive una combinazione di progressi nell'architettura, nelle interconnessioni, nella tecnologia di memoria e negli algoritmi.

Il sempre più ampio utilizzo delle GPU e dello stack GPU può fornire un ritmo di crescita incredibile nell'architettura di deep learning. La promessa della legge di Huang è che man mano che il nascente software basato sul deep learning diventa più utilizzato, i miglioramenti derivanti dallo scaling della GPU e più in generale dai miglioramenti architettonici "miglioreranno concretamente" le prestazioni e il comportamento dei moderni stack di software.

Ci sono state molte critiche alla sua affermazione. Il giornalista Joel Hruska, scrivendo su ExtremeTech recentemente, ha affermato che "non esiste una cosa come la legge di Huang", definendola una "illusione" che si basa sui guadagni resi possibili dalla legge di Moore; e che è troppo presto per stabilire che esista una legge. 

E’ vero! I suoi chip sono diventati i motori principali per l'addestramento delle reti neurali che sono al centro di gran parte dell'intelligenza artificiale odierna e, di certo, i processori e la loro potenza rimangono importanti, ma tutto il corredo (software, algoritmi, codice, ecc.) sta assumendo più peso, portando a miglioramenti prestazionali che vanno ben oltre il semplice conteggio di core e transistor.

Le aziende automobilistiche, per esempio, possono utilizzare le più recenti tecnologie di simulazione e calcolo per creare progetti più eleganti ed efficienti in termini di consumo di carburante, mentre i ricercatori possono analizzare il comportamento dei geni per sviluppare trattamenti più rapidamente.

Giacinto Fiore, Co-Founder Community “Intelligenza Artificiale Spiegata Semplice”

www.iaspiegatasemplice.it - Canale Youtube --> https://bit.ly/YOUTUBE_GF