ما برای تمام شدن قانون مور آماده نیستیم

نخستین بار گوردون مور، از بنیانگذاران شرکت اینتل، در سال 1965 پیش‌بینی کرد که تعداد تراشه‌های یک مدار مجتمع به طور تقریبی در هر دو سال، دو برابر خواهد شد و این رشد حدود یک دهه ادامه خواهد یافت. ده سال بعد یعنی در سال ۱۹۷۵، تعداد ادوات به عدد عجیب ۶۵ هزار رسید و قانون مور اثبات شد و پیش‌بینی سال ۱۹۶۵ به یکی از بزرگترین پیش‌بینی­ های نیم قرن اخیر مبدل گشت. از آن زمان، پیش‌بینی مور، مسیر پیشرفت تکنولوژی و حتی خود پیشرفت را تعیین کرده است.

مجله الکترونیک، اولین بار که مقاله مور در آن به چاپ رسید (منبع ویکیپدیا)
مجله الکترونیک، اولین بار که مقاله مور در آن به چاپ رسید (منبع ویکیپدیا)


بحث مور، یک بحث اقتصادی بود. مدارات مجتمع، با ترانزیستور­های چندگانه و ادوات الکترونیکی که همگی توسط خط ­های آلومینیومی بر روی یک مربع شکل سیلیکونی به هم متصل می‌شوند، توسط رابرت نویس (Robert Noyce) ساخته و اختراع شدند. مور و سرپرست واحد تحقیق و توسعه شرکت اینتل متوجه شدند که هزینه ­ی هر قطعه تقریبا با تعداد ادوات رابطه­ ی عکس دارد. در حقیقت این طور به نظر می‌رسد که با افزودن ترانزیستور­، هزینه­ کمتر می‌شود. مور همچنین متوجه شد که پتانسیل بالایی برای مهندسان وجود دارد که تعداد بیشتری ترانزیستور، با اطمینان و آسانی به تراشه‌ها اضافه کنند.

به زودی این تراشه ­های ارزان‌تر و قدرتمندتر تبدیل به یک فناوری عمومی می‌شوند. صنعت فناوری اطلاعات توسط مدارهای مجتمع امکان پذیر شده و تقریباً هر فناوری مورد علاقه امروزی ما، از تلفن­های هوشمند گرفته تا لپ‌تاپ­های ارزان قیمت و GPS، بازتاب مستقیمی از پیش‌بینی مور هستند. همچنین این تراشه‌ها امکان استفاده از تکنیک‌های یادگیری ماشین و پردازش داده‌های بزرگ را فراهم کردند تا بتوانیم به دستاورد‌های نفس‌گیر در عرصه هوش مصنوعی و روش‌های درمانی ژنتیکی دست پیدا کنیم. اما اگر روند پیشرفت تراشه‌ها متوقف شود چه اتفاقی خواهد افتاد؟

برگرفته از سایت Next Platform
برگرفته از سایت Next Platform
اما چگونه یک پیش‌بینی ساده بر پایه گرافی از تعداد ترانزیستور­ها در هر سال، مسیر پیشرفت نیم قرن را تعیین کرد؟ بخشی از آن به این دلیل بود که صاحبان صنایع نیمه‌هادی تصمیم گرفتند که سرنوشت اینگونه رقم بخورد.

آقای مور در مقاله‌ خود با عنوان " استفاده از قطعات بیشتر بر روی مدارهای مجتمع" در سال 1965 اظهار کرد که "این تراشه‌ها شگفتی ساز خواهند شد. رایانه‌های خانگی، خودروهای خودران و تجهیزات ارتباطی قابل حمل شخصی ساخته خواهند شد." به عبارت بهتر، مور فشردن ترانزیستورهای بیشتر بر روی تراشه ­ها را مسیر رسیدن به سرزمین موعود معرفی می‌کند.

برای دهه ­های بعد، دولت به همراه ارتشی از محققان صنعتی و دانشگاهی، پول و زمان خود را در حمایت از قانون مور صرف کردند و پیشگویی او را با پیشرفت غیر قابل انکاری به واقعیت مبدل کردند. اگرچه سرعت پیشرفت در سال‌های اخیر کاهش یافته است اما پیشرفته‌ترین تراشه امروز نزدیک به 50 میلیارد ترانزیستور دارد. لیست ۱۰ دستاورد برگزیده که دانشگاه ام‌آی‌تی هر سالانه منتشر می‌کند، از سال ۲۰۰۱ مرهون پیشرفت‌های این تراشه‌های محاسبه‌گر است. در لیست امسال نیز ماهواره‌های ارزان قیمت، برتری کوانتومی، مولکول های کشف شده با استفاده از هوش مصنوعی و حتی درمان های ضد پیری و داروهای شخصی‌سازی شده، عمدتا به دلیل قدرت محاسباتی در دسترس محققان هستند.

اما چه اتفاقی می‌افتد که قانون مور به آخر برسد؟ برخی حتی گمان می‌کنند که در حال حاضر از دنیا رفته است و ما در حال حاضر بر روی دودهای بزرگترین موتور فناوری زمان خودمان کار می کنیم.

چارلز لیزرسون، دانشمند کامپیوتر در ام‌آی‌تی، می گوید: "تمام شد. امسال این امر کاملاً واضح و روشن شد." کارخانه اینتل ساخت تراشه با فناوری 10 نانومتری را با تاخیر در سال 2019 به اتمام رساند، این یعنی 5 سال فاصله با فناوری 14 نانومتری سابق. لیزرسون می گوید: قانون مور همیشه در مورد میزان پیشرفت بود و "ما دیگر در این نرخ نیستیم". شمار زیادی از دانشمندان برجسته رایانه نیز قانون مور را در سال‌های اخیر مرده اعلام کرده ­اند. در اوایل سال 2019، مدیر عامل شرکت بزرگ تراشه ساز انویدیا نیز با این حرف موافقت کرد.

در حقیقت، این یک کاهش تدریجی بوده است تا یک مرگ ناگهانی. در طول ده­ها سال، بعضی­ها، از جمله خود مور، گاهی اوقات ابراز نگرانی می­کردند که می­توانند انتهای قانون را ببینند، زیرا ساخت ترانزیستورهای کوچک سخت­ تر و سخت تر می‌شد. در سال 1999، یک محقق اینتل نگران این بود كه هدف این صنعت از ساخت ترانزیستورهای كوچك‌تر از 100 نانومتر تا سال 2005 با مشكلات اساسی فیزیکی همراه باشد از جمله اثرات کوانتومی ناشی از سرگردانی الکترون­ ها در جایی كه نباید باشند.

برگرفته از سایت The Economist
برگرفته از سایت The Economist

سال­ ها صنعت تراشه توانسته بود از این موانع فیزیکی جلوگیری کند. طرح ­های ترانزیستوری جدید معرفی شدند تا الکترون ­ها را بهتر کنترل کنند. روش­های جدید سنگ‌نگاری با استفاده از اشعه ماورا بنفش قوی اختراع شد، چرا که طول موج نور مرئی بسیار ضخیم تر از آن بود که تنها ده نانومتر از سیلیکون را حک کند. اما پیشرفت روز به روز گران‌تر می‌شود، اقتصاددانان در استنفورد و ام‌آی‌تی محاسبه كرده‌اند كه هزینه پژوهش‌ها در مورد تحقق قانون مور از سال 1971 تا کنون 18 برابر شده‌است.

با این وجود، اینتل، یکی از این سه پیشرو در صنعت چیپ‌سازی، انتظار مراسم تشییع جنازه برای قانون مور را به این زودی ندارد. جیم کِلر، که عنوان رئیس مهندسی سیلیکون اینتل را در سال 2018 بر عهده گرفته، وظیفه زنده نگه داشتن قانون مور را دارد. او تیمی در حدود ۸ هزار مهندس سخت‌افزار و طراحان تراشه را در اینتل رهبری می‌کند و زمانی که به این شرکت می‌پیوست، ‌گفت: بسیاری انتظار داشتند که قانون مور پایان یابد. اما کِلر فرصت ­های فنی زیادی برای پیشرفت پیدا کرد. وی خاطرنشان كرد كه احتمالاً بیش از صد تغییر در ادامه روند اجرای قانون مور وجود دارد كه هر كدام مزایای مختلفی و محدودیت‌های خاص خود را دارند. این بدان معناست که روش­های بسیاری وجود دارد که می­توانید تعداد دستگاه­های موجود در تراشه را دو برابر کنید: نوآوری­ هایی مانند معماری ­های سه بعدی و طرح های جدید ترانزیستوری.

این روزها کِلر خوش­بین به نظر می‌رسد. او در همه دوران شغلی‌اش در مورد اتمام قانون مور چیزهایی شنیده و تصمیم گرفته است که نگران این موضوع نباشد. او می­گوید اینتل برای 10 سال آینده برنامه دارد و با خوشحالی نتیجه قانون مور را برای ده سال آینده محاسبه‌ می‌کند. کلر می‌گوید اگر توسعه‌دهندگان نرم افزار باهوش باشند، می توانیم طی 10 سال آینده تراشه­‌هایی را بسازیم که صد برابر سریع‌تر هستند.

با این‌ وجود، حتی اگر اینتل و سایر تولید‌کنندگان تراشه باقی‌مانده بتوانند چند نسل از ریزتراشه‌های پیشرفته‌تر نیز تولید کنند، دیگر روزگاری که هر دو سال یکبار با اطمینان تراشه‌های ارزان‌تر و سریع‌تر تولید می‌شدند به سر رسیده است. اما این پایان پیشرفت قدرت محاسباتی نیست، نگرانی چیز دیگر است.

چرا باید نگران پایان قانون مور باشیم؟

نیل تامپسون یک اقتصاددان است، اما دفتر وی در CSAIL، مرکز هوش مصنوعی و رایانه‌ای ام‌آی‌تی، قرار گرفته است که در محاصره سازندگان رباتیک و دانشمندان علوم رایانه، از جمله همکار وی لیرسون، قرار دارد. در مقاله جدید آنان نشان داده شده که می‌توان از طریق نرم‌افزار های بهتر، الگوریتم ها­ و معماری اختصاصی عملکرد محاسباتی تراشه ها را بهبود داد.

یکی از راه حل ها اصلاح نفخ نرم‌افزار یا پَندام ‌افزار، استفاده شدید نرم افزار از منابع سخت افزاری، برای بیشترین بهره‌وری از تراشه­‌های موجود استفاده کنیم. هنگامی که همیشه می‌شود بر سریع تر شدن و قدرتمند شدن سخت افزار ها حساب باز کرد، برنامه‌نویسان دیگر نیازی به نگرانی در مورد نوشتن کد کارآمدتر ندارند و حتی در اغلب مواد نتوانستند از تمامی توانایی معماری های جدید سخت‌افزاری، مانند هسته ­های چندگانه که امروزه در تراشه­ ها دیده می­ شود، استفاده کنند.

تامپسون و همكارانش نشان دادند كه می‌توانند با سوییچ کردن از پایتون، یك زبان برنامه نویسی عمومی، به زبان کارآمد سی، 47 برابر سرعت محاسبات را افزایش دهند. با این که سی كار بیشتری از برنامه نویس می‌طلبد در عوض تعداد عملیات ریاضی را بسیار کاهش می‌دهد و باعث می­شود یک برنامه بسیار سریع‌تر اجرا شود. بعلاوه، بهینه سازی کد برای استفاده کامل از تراشه ۱۸ هسته‌ای نیز سرعت را افزایش می‌دهد. اما این راهکار پاسخگوی تمام پیشرفت‌های علمی نخواهد بود.

حرکت به سوی طراحی تراشه ­ها برای برنامه ­های خاص، به ویژه در هوش مصنوعی، شروع شده است. یادگیری عمیق و سایر برنامه­ های هوش مصنوعی به طور فزاینده به واحدهای پردازش گرافیکی (GPU) که در بازی استفاده می‌شوند، تکیه دارند که می‌توانند عملیات موازی را انجام دهند. تامپسون می­گوید: هوش مصنوعی به ویژه یادگیری عمیق، اشتهای زیادی برای قدرت رایانه دارد و تراشه ­های تخصصی می­توانند عملکرد آن را تا حد زیادی سرعت بخشند. اما این تراشه‌های تخصصی نسبت به CPUهای عمومی کمتر تطبیق‌پذیر هستند. تامپسون نگران این است که تراشه‌های برای محاسبات عمومی کم‌یاب شده و در نهایت باعث کاهش کلی سرعت پیشرفت کامپیوتر‌ها بشود.

اریکا فوچ، استاد مهندسی و سیاست‌های عمومی کارنگی ملون، می‌گوید: "در بعضی موارد، توسعه‌دهندگان هوش مصنوعی و برنامه‌های کاربردی دیگر افزایش عملکرد تراشه‌ها در کنار کاهش هزینه ارائه شده توسط قانون مور را از دست خواهند داد. شاید در ۱۰ سال یا ۳۰ سال آینده شما واقعا به دستگاهی با آن قدرت محاسباتی اضافی نیاز داشته باشید. مشکل ما این است که جانشینان تراشه­ های امروزی (CPU) هنوز ناشناخته هستند و سال‌ها تحقیق و توسعه اساسی برای ایجاد آنها نیاز است. پس اگر نگران این هستید که چه چیزی جایگزین قانون مور شود، زمان ترسیدن شماست؛ چرا که افراد بسیار باهوشی در هوش مصنوعی وجود دارند که از محدودیت‌های‌ سخت افزاری در زمینه پیشرفت‌های قدرت محاسباتی آگاه نیستند.

تحت تعقیب: برنامه مارشال برای تراشه‌ها

*مارشال طرح کمک مالی گسترده آمریکا به کشورهای اروپایی برای ترمیم خرابی‌های جنگ جهانی دوم بود.
*مارشال طرح کمک مالی گسترده آمریکا به کشورهای اروپایی برای ترمیم خرابی‌های جنگ جهانی دوم بود.


در سال 2018 ، فوچ و همكارانش در CMU) Carnegie Mellon University)، حسن‌خان و دیوید هونشل مقاله­ای را نوشتند كه تاریخچه قانون مور را ردیابی می‌­كند و تحولات مربوط به فقدان همکاری صنعت و دولت را نشان می­دهد، همکاری كه سبب پیشرفت­ در دهه ­های اولیه اعلام قانون مور بود. آنها استدلال كردند كه "پراکندگی مسير تکنولوژی و سودآوری خصوصی و کوتاه مدت بخش­های جديد" نشان می‌دهد ما بايد به دنبال افزایش سرمایه‌گذاری‌های عمومی برای دست‌یابی به تكنولوژی­ های بزرگ بعدی باشیم.

اگر ادعا اقتصاددانان راست باشد که بسیاری از پیشرفت‌های دهه ۱۹۹۰ و اوایل ۲۰۰۰ مدیون ریزتراشه‌هاست و اگر ادعای آن دسته که می‌گویند کاهش سرعت پیشرفت از اواسط دهه‌ی اول ۲۰۰۰، به دلیل کاهش رشد قدرت محاسباتی ریزپردازنده‌هاست پس ما باید به دنبال سرمایه‌گذاری بزرگ برای یافتن جانشینان فناوری‌ امروزه‌مان باشیم و ما اینکار را نمی‌کنیم و این یک شکست سیاسی برای ماست.

هیچ تضمینی وجود ندارد که این سرمایه گذاری ­ها نتیجه بدهد. هرچند محاسبات کوانتومی، ترانزیستورهای نانولوله‌های کربنی، حتی اسپینترونیک(spintronics)، شانس‌های خوبی به نظر می‌آیند اما هیچ‌یک جایگزین امیدی نیستند که گوردون مور برای اولین بار در یک مدار یکپارچه ساده دید. اکنون ما به سرمایه‌گذاری­ های تحقیقاتی نیاز داریم. چرا که یک موضوع قطعی است: ما همیشه قدرت محاسباتی بیشتری ‌می‌خواهیم.


این نوشته خلاصه‌ای از مقاله We’re not prepared for the end of Moore’s Law میباشد.