Jensen Huang: kako je NVIDIA proširila primjenu GPU-a izvan grafike

Paralelan rad, objedinjeni rezultati. Konceptualna ilustracija generirana umjetnom inteligencijom.

Igra mora mnogo puta u sekundi nacrtati novu sliku. Model umjetne inteligencije mora izvršiti ogroman broj izračuna. To djeluju kao različiti poslovi, ali oba sadrže rad koji se može podijeliti na mnogo manjih operacija i obavljati istovremeno. To je veza koja stoji iza NVIDIA-inog puta od računarske grafike do umjetne inteligencije.

Ko je Jensen Huang?

Huang je 1993. s Chrisom Malachowskyjem i Curtisom Priemom osnovao NVIDIA-u. Studirao je elektrotehniku na Oregon State Universityju, a 1992. završio je magistarski studij na Stanfordu, istovremeno radeći. Njegovo obrazovanje i iskustvo pomažu da se razumije polazište: izgradnja čipova i poslovanja oko zadataka koje su računari trebali obavljati. Njegov profil na Stanfordu prati tu inženjersku karijeru.

Zašto grafički čip može više od crtanja

Zamislite da svaki piksel na fotografiji učinite svjetlijim. Izračun za jedan piksel može se obaviti istovremeno s izračunom za drugi. To je paralelan rad. Grafički procesor, odnosno GPU, osmišljen je da obrađuje mnogo operacija odjednom. Centralni procesor, odnosno CPU, prikladniji je za raznovrsne zadatke i slijedove u kojima sljedeći korak zavisi od prethodnog. Oni rade zajedno.

Mnogi izračuni u umjetnoj inteligenciji također podrazumijevaju ponavljanje numeričkih operacija nad velikim nizovima brojeva. GPU može ubrzati odgovarajuće dijelove tog rada. Ali dodavanje GPU-a ne čini automatski svaki program bržim: zadatak mora biti djeljiv, podaci moraju stići do procesora, a softver ga mora djelotvorno koristiti.

Važna spona bio je softver

NVIDIA je 2006. predstavila CUDA-u kako bi programeri mogli koristiti njene GPU-ove za računanje izvan grafike. Razmislite o razlici između posjedovanja snažne radionice i raspolaganja upotrebljivim alatima, uputama i načinima organizacije rada. Biblioteke i programski alati pomažu ljudima da iskoriste hardver. NVIDIA-in uvod u CUDA-u objašnjava kako CPU i GPU sarađuju.

Tako je razvoj NVIDIA-e lakše razumjeti nego kroz priču o jednom vođi koji je sve predvidio. Čipovi, softver i ljudi koji razvijaju aplikacije moraju raditi zajedno. Tehnička sposobnost postaje vrijedna kada je neko može upotrijebiti da riješi stvaran problem.

Zatim pitajte ko može birati

Korisna platforma otvara i praktična pitanja: možete li svoj softver prenijeti drugdje, koliko bi koštala promjena alata i ko odlučuje koje promjene morate prihvatiti? To su pitanja koja treba istražiti pri odabiru infrastrukture; ugled kompanije sam po sebi ne daje odgovore.

Kada je riječ o koordinaciji interneta, Lu Heng ide korak dalje u razmatranju izbora u Bilješci 65: Primat izvršnog koda. Zagovara pravila koja učesnici mogu lokalno provjeriti i promjene koje prihvataju dobrovoljno. Vezu čini pitanje koje vrijedi zadržati: proširuje li infrastruktura ono što njeni korisnici mogu raditi i zadržavaju li oni mogućnost izbora?