Jensen Huang: come NVIDIA ha portato le GPU oltre la grafica

Lavoro in parallelo, risultati riuniti. Illustrazione concettuale generata con l’IA.

Un videogioco deve disegnare una nuova immagine molte volte al secondo. Un modello di IA deve eseguire un numero enorme di calcoli. Sembrano lavori diversi, ma entrambi comprendono attività che si possono suddividere in molte operazioni più piccole da svolgere contemporaneamente. È questo il legame alla base del percorso di NVIDIA dalla grafica al computer all’IA.

Chi è Jensen Huang?

Huang ha fondato NVIDIA insieme a Chris Malachowsky e Curtis Priem nel 1993. Aveva studiato ingegneria elettrica alla Oregon State University e nel 1992 aveva conseguito un master a Stanford, continuando nel frattempo a lavorare. La sua formazione aiuta a capire il punto di partenza: costruire chip e un’impresa intorno al lavoro che i computer dovevano svolgere. Il suo profilo sul sito di Stanford ripercorre quella carriera ingegneristica.

Perché un chip grafico può fare più che disegnare

Immagina di rendere più luminoso ogni pixel di una fotografia. Il calcolo per un pixel può essere eseguito contemporaneamente a quello per un altro. È un lavoro in parallelo. Un’unità di elaborazione grafica, o GPU, è progettata per gestire molte operazioni alla volta. Un’unità centrale di elaborazione, o CPU, è più adatta a compiti diversi e a sequenze nelle quali il passaggio successivo dipende da quello precedente. Le due lavorano insieme.

Anche molti calcoli dell’IA comportano la ripetizione di operazioni numeriche su grandi insiemi strutturati di numeri. Una GPU può accelerare le parti del lavoro che si prestano a questo tipo di elaborazione. Ma aggiungere una GPU non rende automaticamente più veloce ogni programma: il compito deve poter essere suddiviso, i dati devono raggiungere il processore e il software deve utilizzarlo in modo efficace.

Il ponte decisivo è stato il software

NVIDIA ha introdotto CUDA nel 2006 per consentire agli sviluppatori di usare le sue GPU per calcoli che andassero oltre la grafica. Pensa alla differenza tra possedere un’officina potente e disporre anche di strumenti utilizzabili, istruzioni e modi per organizzare il lavoro. Le librerie e gli strumenti di programmazione aiutano a mettere a frutto l’hardware. L’introduzione a CUDA di NVIDIA spiega come collaborano CPU e GPU.

Questo rende lo sviluppo di NVIDIA più comprensibile di un racconto incentrato su un solo leader che avrebbe previsto tutto. Chip, software e persone che sviluppano applicazioni devono lavorare insieme. Una capacità tecnica acquista valore quando qualcuno può usarla per risolvere un problema reale.

Poi chiedersi chi può scegliere

Una piattaforma utile solleva anche domande pratiche: puoi trasferire altrove il tuo software, quanto costerebbe cambiare strumenti e chi decide quali cambiamenti devi accettare? Sono questioni da esaminare quando si sceglie un’infrastruttura; la reputazione di un’azienda non fornisce da sola le risposte.

Per il coordinamento di Internet, Lu Heng approfondisce il tema della scelta nella Nota 65: Primazia del codice in esecuzione. Sostiene regole che i partecipanti possano verificare localmente e cambiamenti che adottino volontariamente. Il legame è una domanda da portare con sé: l’infrastruttura amplia ciò che i suoi utenti possono fare e lascia loro la possibilità di scegliere?