مدیرعامل انویدیا: تراشه‌های هوش مصنوعی ما سریع‌تر از «قانون مور» پیشرفت می‌کنند

«جنسن هوانگ»، مدیرعامل انویدیا، گفته است که عملکرد تراشه‌های هوش مصنوعی شرکت تحت مدیریتش سریع‌تر از نرخ‌های تاریخی تعیین‌شده توسط قانون مور (Moore's Law) در حال پیشرفت هستند. قانون مور سال 1965 توسط یکی از بنیان‌گذاران شرکت اینتل ابداع شد و برای چندین دهه باعث پیشرفت محاسباتی شده است.

مدیرعامل انویدیا بعد از سخنرانی خود در نمایشگاه CES 2025 در مصاحبه‌ای به TechCrunch گفته است:

«سیستم‌های ما بسیار سریع‌تر از قانون مور پیشرفت می‌کنند.»

قانون مور چیست؟

قانون مور سال 1965 توسط «گوردون مور»، یکی از بنیان‌گذاران اینتل، ابداع شد. این قانون بیان می‌کند که تعداد ترانزیستورهای روی تراشه‌های کامپیوتری تقریباً هر سال دو برابر می‌شود و کارایی آن تراشه‌ها را بیشتر می‌کند. موضوعی که این قانون بیان می‌کند عمدتاً محقق شده و برای چندین دهه پیشرفت‌های سریعی در قابلیت‌ها و کاهش هزینه‌ها ایجاد کرده است.

در سال‌های اخیر، قانون مور اعتبار خود را تا حدی از دست داده است (همان‌طور که هوانگ و مدیر سخت‌افزار گوگل طی سال‌های قبل گفته بودند) اما مدیرعامل انویدیا ادعا می‌کند که تراشه‌های هوش مصنوعی این شرکت با سرعت خود درحال رشد هستند.

به‌طور خاص در این مصاحبه به جدیدترین ابرتراشه مرکز داده آن برای اجرای وظایف مربوط به استنتاج هوش مصنوعی اشاره شده که گفته می‌شود بیش از 30 برابر سریع‌تر از نسل قبلی خود است.

هوانگ می‌گوید:

«ما اکنون می‌توانیم معماری، تراشه، سیستم، کتابخانه‌ها و الگوریتم‌ها را به‌طور هم‌زمان بسازیم. اگر این کار را انجام دهید، می‌توانید سریع‌تر از قانون مور حرکت کنید، زیرا در تمام مجموعه می‌توانید نوآوری داشته باشید.»

توضیحات مدیرعامل انویدیا درباره پیشرفت هوش مصنوعی

البته از نظر هوانگ سرعت پیشرفت هوش مصنوعی درحال کاهش نیست. در عوض او ادعا می‌کند که اکنون سه قانون برای مقیاس‌بندی هوش مصنوعی وجود دارد: پیش‌آموزش یا مرحله اولیه که در آن مدل‌های هوش مصنوعی الگوهایی را از مقادیر زیادی داده یاد می‌گیرند؛ پس از آموزش که شامل اقداماتی برای تنظیم پاسخ‌های مدل هوش مصنوعی می‌شود و محاسبه زمان آزمون که در مرحله استنتاج رخ می‌دهد و بعد از هر سؤال برای «فکرکردن» زمان بیشتری به مدل هوش مصنوعی می‌دهد.

او به تک‌کرانچ می‌گوید:

«قانون مور در تاریخ محاسبات بسیار مهم بوده زیرا هزینه‌های محاسباتی را کاهش داده است. همان اتفاق درباره استنتاج نیز صادق است؛ جایی که ما عملکرد را افزایش می‌دهیم و در نتیجه، هزینه استنتاج کمتر می‌شود.»

هوانگ در نهایت می‌گوید که به‌طور کلی روی ساخت تراشه‌های کارآمدتر تمرکز کرده است و هر قدر تراشه‌ها کارآمدتر باشند، قیمت‌ها نیز در بلندمدت پایین‌تر خواهند آمد.