Jensen Huang: como a NVIDIA levou as GPU para além dos gráficos
Dos videojogos à IA: como funcionam as GPU e o CUDA e porque coloca uma infraestrutura útil questões de liberdade de escolha.
Trabalho em paralelo, resultados reunidos. Ilustração conceptual gerada por IA.
Um videojogo tem de desenhar novas imagens muitas vezes por segundo. Um modelo de IA tem de efetuar uma enorme quantidade de cálculos. Parecem trabalhos distintos, mas partilham uma característica: parte do trabalho pode ser dividida em pequenas operações executadas ao mesmo tempo. É esta ligação que ajuda a perceber o percurso da NVIDIA, dos gráficos à IA.
Quem é Jensen Huang?
Huang fundou a NVIDIA com Chris Malachowsky e Curtis Priem em 1993. Estudou engenharia eletrotécnica na Oregon State e concluiu um mestrado em Stanford em 1992, enquanto trabalhava. O perfil publicado por Stanford descreve esse percurso. A questão inicial era concreta: que trabalho precisavam os computadores de fazer e que chips seriam adequados?
Porque pode um chip gráfico fazer outros cálculos?
Imagine aumentar ligeiramente o brilho de cada píxel de uma fotografia. É possível tratar vários ao mesmo tempo, sem esperar que o anterior esteja pronto. É a chamada computação paralela. A GPU, unidade de processamento gráfico, foi concebida para executar muitas operações em simultâneo. A CPU, o processador central, adapta-se melhor a tarefas variadas e a sequências em que cada passo depende do anterior. As duas colaboram.
Muitos cálculos de IA também repetem operações sobre grandes conjuntos de números. Uma GPU pode acelerar as partes que se prestam a esse método. Mas acrescentá-la não torna qualquer programa mais rápido: é necessário dividir o trabalho, transferir os dados e ter software capaz de a aproveitar.
O software tornou a potência utilizável
Em 2006, a NVIDIA introduziu o CUDA para que os programadores pudessem usar as suas GPUs em cálculos para além dos gráficos. Uma oficina bem equipada precisa também de ferramentas práticas e de uma forma de organizar o trabalho. As bibliotecas e ferramentas de programação desempenham esse papel. A introdução ao CUDA explica como colaboram CPU e GPU.
O desenvolvimento da NVIDIA torna-se assim mais claro do que numa história em que um dirigente previu tudo. Chips, software e quem desenvolve aplicações têm de trabalhar em conjunto. Uma capacidade técnica ganha valor quando resolve um problema concreto.
E quem mantém a liberdade de escolher?
Uma plataforma útil também coloca questões práticas. É possível transferir o software para outra plataforma? Quanto custaria mudar de ferramentas? Que alterações se podem aceitar ou recusar? A reputação do fornecedor não basta para responder.
Na coordenação da Internet, Lu Heng aprofunda esta questão na Nota 65, sobre a primazia do código em funcionamento. Defende regras que os participantes possam verificar localmente e alterações adotadas voluntariamente. Uma pergunta acompanha ambas as leituras: a infraestrutura alarga as possibilidades de quem a utiliza e preserva a sua liberdade de escolha?