Nie jesteśmy przygotowani na koniec Prawa Moore'a

Ilustracja prawa Moore'a MS Tech

Prognoza Gordona Moore'a z 1965 r., zgodnie z którą liczba komponentów w układzie scalonym podwajałaby się co roku, aż do 1975 r. osiągnęła zdumiewające 65 000, jest największą prognozą technologiczną ostatniego półwiecza. Kiedy okazało się to poprawne w 1975 r., zrewidował prawo Moore'a, aby podwajać tranzystory w chipie co dwa lata.

Od tego czasu jego przewidywania określiły trajektorię technologii i pod wieloma względami samego postępu.

Ta historia była częścią naszego wydania z marca 2020 r.

• Zobacz resztę numeru
• Subskrybuj

Argument Moore'a był argumentem ekonomicznym. Układy scalone z wieloma tranzystorami i innymi urządzeniami elektronicznymi połączonymi aluminiowymi liniami metalowymi na maleńkim kwadracie płytki krzemowej zostały wynalezione kilka lat wcześniej przez Roberta Noyce'a z Fairchild Semiconductor. Moore, dyrektor ds. badań i rozwoju firmy, zdał sobie sprawę, jak pisał w 1965 r., że w przypadku tych nowych układów scalonych koszt jednego komponentu jest prawie odwrotnie proporcjonalny do liczby komponentów. To była piękna okazja — teoretycznie im więcej tranzystorów dodasz, tym każdy będzie tańszy. Moore zauważył również, że jest dużo miejsca na postępy inżynieryjne, aby zwiększyć liczbę tranzystorów, które można było niedrogo i niezawodnie umieścić na chipie.

Wkrótce te tańsze, mocniejsze chipy staną się technologią, którą ekonomiści lubią nazywać technologią ogólnego przeznaczenia – tak fundamentalną, że rodzą wszelkiego rodzaju inne innowacje i postępy w wielu branżach. Kilka lat temu czołowi ekonomiści przypisywali technologii informacyjnej możliwej dzięki układom scalonym jedną trzecią wzrostu produktywności w USA od 1974 roku. Prawie każda technologia, na której nam zależy, od smartfonów po tanie laptopy po GPS, jest bezpośrednim odzwierciedleniem przewidywań Moore'a. To także napędza dzisiejsze przełomy w sztucznej inteligencji i medycynie genetycznej, dając technikom uczenia maszynowego możliwość przeżuwania ogromnych ilości danych w celu znalezienia odpowiedzi.

Ale w jaki sposób prosta prognoza, oparta na ekstrapolacji wykresu liczby tranzystorów według roku — wykresu, który w tamtym czasie zawierał tylko kilka punktów danych — mogła zdefiniować pół wieku postępu? Przynajmniej częściowo dlatego, że branża półprzewodników zdecydowała, że ​​tak.

Kwiecień 1965 Electronics Magazine, w którym ukazał się artykuł Moore'a. Wikimedia

Moore napisał, że wpakowanie większej liczby komponentów do układów scalonych, tytuł jego artykułu z 1965 roku, doprowadziłoby do takich cudów, jak komputery domowe – lub przynajmniej terminale połączone z komputerem centralnym – automatyczne sterowanie samochodami i osobisty przenośny sprzęt komunikacyjny. Innymi słowy, trzymaj się jego mapy drogowej polegającej na ściskaniu coraz większej liczby tranzystorów na chipach, a to doprowadzi cię do ziemi obiecanej. A przez następne dziesięciolecia kwitnący przemysł, rząd i armie naukowców akademickich i przemysłowych przeznaczały pieniądze i czas na przestrzeganie prawa Moore'a, tworząc samospełniającą się przepowiednię, która z niesamowitą dokładnością utrzymywała postęp na właściwej drodze. Chociaż tempo postępu spadło w ostatnich latach, najbardziej zaawansowane obecnie chipy mają prawie 50 miliardów tranzystorów.

Od 2001 roku MIT Technology Review co roku wybiera 10 najważniejszych przełomowych technologii roku. Jest to lista technologii, które prawie bez wyjątku są możliwe tylko dzięki postępom obliczeniowym opisanym przez prawo Moore'a.

W przypadku niektórych pozycji z tegorocznej listy związek jest oczywisty: urządzenia konsumenckie, w tym zegarki i telefony, wyposażone w sztuczną inteligencję; przypisywanie zmian klimatycznych możliwe dzięki ulepszonemu modelowaniu komputerowemu i danym zebranym z ogólnoświatowych systemów monitorowania atmosfery; i tanie, niewielkie satelity. Inne na liście, w tym supremacja kwantowa, cząsteczki odkryte za pomocą sztucznej inteligencji, a nawet kuracje przeciwstarzeniowe i hiperspersonalizowane leki, wynikają w dużej mierze z mocy obliczeniowej dostępnej naukowcom.

Ale co się stanie, gdy prawo Moore'a nieuchronnie się skończy? A co jeśli, jak niektórzy podejrzewają, już umarł, a my już działamy na oparach największego silnika technologicznego naszych czasów?

ROZERWAĆ

To koniec. W tym roku stało się to naprawdę jasne, mówi Charles Leiserson, informatyk z MIT i pionier obliczeń równoległych, w których wiele obliczeń jest wykonywanych jednocześnie. Najnowszy zakład produkcyjny Intela, mający wytwarzać chipy o minimalnych rozmiarach 10 nanometrów, był znacznie opóźniony, dostarczając chipy w 2019 roku, pięć lat po poprzedniej generacji chipów z cechami 14-nanometrowymi. Prawo Moore'a, mówi Leiserson, zawsze dotyczyło tempa postępu i już nie jesteśmy na tym tempie. W ostatnich latach wielu innych wybitnych informatyków również ogłosiło śmierć prawa Moore'a. Na początku 2019 r. zgodził się dyrektor generalny dużego producenta chipów Nvidii.

W rzeczywistości był to bardziej stopniowy spadek niż nagła śmierć. Przez dziesięciolecia niektórzy, w tym sam Moore, martwili się, że widzą koniec w zasięgu wzroku, ponieważ coraz trudniej było wytwarzać coraz mniejsze tranzystory. W 1999 roku badacz Intela obawiał się, że celem przemysłu, jakim jest uczynienie tranzystorów mniejszych niż 100 nanometrów do 2005 roku, napotkały fundamentalne problemy fizyczne bez znanych rozwiązań, takie jak efekty kwantowe wędrujących tam, gdzie nie powinny być elektrony.

Przez lata przemysłowi chipów udało się ominąć te fizyczne przeszkody. Wprowadzono nowe konstrukcje tranzystorów, aby lepiej koralować elektrony. Nowe metody litograficzne wykorzystujące ekstremalne promieniowanie ultrafioletowe zostały wynalezione, gdy długości fal światła widzialnego były zbyt grube, aby precyzyjnie wyrzeźbić cechy krzemu o wielkości zaledwie kilkudziesięciu nanometrów. Ale postęp stawał się coraz droższy. Ekonomiści ze Stanford i MIT obliczyli, że wysiłek badawczy zmierzający do przestrzegania prawa Moore'a wzrósł 18-krotnie od 1971 roku.

Podobnie fabryki, które produkują najbardziej zaawansowane chipy, stają się zaporowo drogie. Koszt fabryki rośnie o około 13% rocznie i oczekuje się, że do 2022 r. wyniesie 16 miliardów dolarów lub więcej. Nieprzypadkowo liczba firm planujących produkcję nowej generacji chipów spadła teraz do zaledwie trzech, w dół z ośmiu w 2010 i 25 w 2002 roku.

Znalezienie następców dzisiejszych chipów krzemowych zajmie lata badań. Jeśli martwisz się, co zastąpi prawo Moore'a, czas na panikę.

Niemniej jednak Intel – jeden z tych trzech producentów chipów – nie spodziewa się w najbliższym czasie pogrzebu prawa Moore'a. Jim Keller, który objął stanowisko szefa działu inżynierii krzemowej Intela w 2018 roku, jest człowiekiem, którego zadaniem jest utrzymanie go przy życiu. Kieruje zespołem około 8000 inżynierów sprzętu i projektantów układów w firmie Intel. Mówi, że kiedy dołączył do firmy, wielu oczekiwało końca prawa Moore'a. Jeśli mieli rację, przypomina sobie, pomyślał, że to przeszkoda i może zrobił naprawdę zły ruch w karierze.

Ale Keller znalazł wiele technicznych możliwości rozwoju. Wskazuje, że istnieje prawdopodobnie ponad sto zmiennych związanych z utrzymaniem prawa Moore'a, z których każda zapewnia inne korzyści i napotyka własne ograniczenia. Oznacza to, że istnieje wiele sposobów na podwojenie liczby urządzeń w układzie — innowacje, takie jak architektury 3D i nowe projekty tranzystorów.

Obecnie Keller brzmi optymistycznie. Mówi, że przez całą swoją karierę słyszał o zakończeniu prawa Moore'a. Po chwili postanowił się tym nie martwić. Mówi, że Intel jest na dobrej drodze przez następne 10 lat iz radością dokona za ciebie obliczeń: 65 miliardów (liczba tranzystorów) razy 32 (jeśli gęstość chipów podwaja się co dwa lata) to 2 biliony tranzystorów. To 30-krotna poprawa wydajności, mówi, dodając, że jeśli programiści będą sprytni, moglibyśmy uzyskać chipy sto razy szybsze w ciągu 10 lat.

Mimo to, nawet jeśli Intel i inni pozostali producenci chipów mogą wycisnąć kilka kolejnych generacji jeszcze bardziej zaawansowanych mikrochipów, czasy, w których można było niezawodnie liczyć na szybsze i tańsze chipy co kilka lat, wyraźnie minęły. Nie oznacza to jednak końca postępu obliczeniowego.

Czas na panikę

Neil Thompson jest ekonomistą, ale jego biuro znajduje się w CSAIL, rozległym centrum sztucznej inteligencji i komputerów MIT, otoczonym przez robotyków i informatyków, w tym jego współpracownika Leisersona. W nowym artykule oba dokumenty zawierają dużo miejsca na poprawę wydajności obliczeniowej dzięki lepszemu oprogramowaniu, algorytmom i wyspecjalizowanej architekturze chipów.

Jedną z możliwości jest zmniejszenie tak zwanego oprogramowania, aby wycisnąć jak najwięcej z istniejących żetonów. Kiedy zawsze można było liczyć na to, że chipy będą szybsze i wydajniejsze, programiści nie musieli się zbytnio martwić o pisanie wydajniejszego kodu. I często nie potrafili w pełni wykorzystać zmian w architekturze sprzętowej, takich jak wielordzeniowe lub procesory, obserwowane w obecnie używanych chipach.

Thompson i jego koledzy wykazali, że mogą uzyskać wymagające obliczeniowo obliczenia, które będą działać około 47 razy szybciej, po prostu przełączając się z Pythona, popularnego języka programowania ogólnego przeznaczenia, na bardziej wydajny C. To dlatego, że C wymaga więcej pracy ze strony programista, znacznie zmniejsza wymaganą liczbę operacji, dzięki czemu program działa znacznie szybciej. Dalsze dostosowywanie kodu, aby w pełni wykorzystać możliwości chipa z 18 rdzeniami przetwarzającymi, jeszcze bardziej przyspieszyło działanie. W ciągu zaledwie 0,41 sekundy naukowcy uzyskali wynik, który w przypadku kodu Pythona zajęło siedem godzin.

Brzmi to jak dobra wiadomość dla dalszego postępu, ale Thompson obawia się, że sygnalizuje to również upadek komputerów jako technologii ogólnego przeznaczenia. Zamiast podnosić wszystkie łodzie, jak to ma prawo Moore'a, oferując coraz szybsze i tańsze chipy, które były powszechnie dostępne, postępy w oprogramowaniu i wyspecjalizowanej architekturze zaczną teraz selektywnie skupiać się na konkretnych problemach i możliwościach biznesowych, faworyzując tych, którzy dysponują wystarczającymi pieniędzmi i zasobami.

Rzeczywiście, przejście na chipy zaprojektowane do konkretnych zastosowań, szczególnie w sztucznej inteligencji, jest na zaawansowanym etapie. Głębokie uczenie i inne aplikacje AI w coraz większym stopniu opierają się na procesorach graficznych (GPU) zaadaptowanych z gier, które mogą obsługiwać operacje równoległe, podczas gdy firmy takie jak Google, Microsoft i Baidu projektują chipy AI na własne potrzeby. Sztuczna inteligencja, szczególnie głębokie uczenie, ma ogromny apetyt na moc komputera, a wyspecjalizowane chipy mogą znacznie przyspieszyć jego działanie, mówi Thompson.

Jednak kompromis polega na tym, że wyspecjalizowane chipy są mniej wszechstronne niż tradycyjne procesory. Thompson obawia się, że chipy do bardziej ogólnych zastosowań obliczeniowych stają się zaściankiem, spowalniając ogólne tempo ulepszania komputerów, jak pisze w nadchodzącym artykule, The Decline of Computers as a General Purpose Technology.

W pewnym momencie, mówi Erica Fuchs, profesor inżynierii i polityki publicznej w Carnegie Mellon, osoby opracowujące sztuczną inteligencję i inne aplikacje przeoczą spadek kosztów i wzrost wydajności zapewniany przez prawo Moore'a. Może za 10 lub 30 lat – nikt tak naprawdę nie wie, kiedy – będziesz potrzebować urządzenia z dodatkową mocą obliczeniową – mówi.

Problem, mówi Fuchs, polega na tym, że następcy dzisiejszych chipów ogólnego przeznaczenia są nieznani i ich stworzenie zajmie lata podstawowych badań i rozwoju. Jeśli martwisz się, co zastąpi Prawo Moore'a, sugeruje, nadszedł moment paniki. Mówi, że są naprawdę inteligentni ludzie w AI, którzy nie są świadomi ograniczeń sprzętowych, z jakimi borykają się długoterminowe postępy w informatyce. Co więcej, mówi, ponieważ chipy specyficzne dla aplikacji okazują się niezwykle opłacalne, istnieje niewiele zachęt do inwestowania w nowe urządzenia logiczne i sposoby wykonywania obliczeń.

Poszukiwany: plan Marshalla dotyczący żetonów

W 2018 roku Fuchs i jej koledzy z CMU, Hassan Khan i David Hounshell, napisali artykuł śledzący historię prawa Moore'a i identyfikujący zmiany stojące za dzisiejszym brakiem współpracy przemysłu i rządu, które sprzyjały tak wielkiemu postępowi we wcześniejszych dekadach. Argumentowali, że pękanie trajektorii technologicznych i krótkoterminowa prywatna rentowność wielu z tych nowych odłamków oznacza, że ​​musimy znacznie zwiększyć inwestycje publiczne w znalezienie następnych wspaniałych technologii komputerowych.

Jeśli ekonomiści mają rację i znaczna część wzrostu w latach 90. i na początku XXI wieku była wynikiem mikroprocesorów – i jeśli, jak niektórzy sugerują, powolny wzrost produktywności, który rozpoczął się w połowie 2000 r., odzwierciedla spowolnienie postępu obliczeniowego – to mówi Thompson, wynika z tego, że powinieneś zainwestować ogromne pieniądze, aby znaleźć następcę technologii. Nie robimy tego. I to jest porażka polityki publicznej.

Nie ma gwarancji, że takie inwestycje się zwrócą. Obliczenia kwantowe, tranzystory z nanorurek węglowych, a nawet spintronika to kuszące możliwości, ale żadne z nich nie zastąpią obietnicy, którą Gordon Moore po raz pierwszy zobaczył w prostym układzie scalonym. Potrzebujemy jednak teraz inwestycji badawczych, aby się o tym przekonać. Ponieważ jedna prognoza jest prawie pewna, że ​​się spełni: zawsze będziemy potrzebować większej mocy obliczeniowej.

ukryć