جهان برای به پایان رسیدن قانون مور آماده نیست

پیش‌بینی گوردون مور در سال ۱۹۶۵ میلادی مبنی بر اینکه تعداد قطعات موجود در مدارهای یکپارچه با گذشت هر سال دو برابر می‌شود تا به رقم ۶۵ هزار قطعه در سال ۱۹۷۵ میلادی برسد، یکی از برجسته‌ترین و دقیق‌ترین پیش‌بینی‌ها در نیم سده اخیر بوده‌ است. وقتی صحت این پیش‌بینی در سال ۱۹۷۵ میلادی به اثبات رسید، او به تجدید نظر در آنچه امروز تحت عنوان «قانون مور» شناخته می‌شود پرداخت و گفت که هر دو سال می‌توانیم منتظر دو برابر شدن شمار ترانزیستورها در یک چیپ باشیم.

اما چطور یک پیش‌بینی ساده توانست به پیشرفتی عظیم در یک نیم‌سده معنا ببخشد؟ تا حدودی به این خاطر که صنعت نیمه‌هادی تصمیم گرفت به این پیش‌بینی پایبند باقی بماند.

مور در مقاله سال ۱۹۶۵ میلادی خود نوشت که «تعبیه قطعات بیشتر درون مدارهای یکپارچه منجر به پدیده‌هایی مانند کامپیوترهای خانگی -یا حداقل ترمینال‌هایی متصل به یک کامپیوتر مرکزی-، کنترل خودکار اتومبیل‌ها و تجهیزات ارتباطی شخصی و قابل حمل خواهد شد». به عبارت دیگر، کافی بود به نقشه راه او برای تعبیه ترانزیستورهای هرچه بیشتر درون چیپ‌ها پایبند باقی می‌ماندید و در نهایت می‌توانستید سر از سرزمین موعود در آورید. و طی دهه‌های بعدی، یک صنعت در حال رشد، دولت و ارتشی از محققان آکادمیک و صنعتی انبوهی از پول و زمان خود را صرف پایبندی به قانون مور کردند. آن‌ها نوعی پیش‌بینی خودمحقق را رقم زدند که با دقتی دیده نشده به پیش می‌رفت. اگرچه سرعت پیشرفت طی سال‌های اخیر اندکی کند شده، پیشرفته‌ترین چیپ‌های امروزی میزبان حدودا ۵۰ میلیارد ترانزیستور هستند.

کافی بود به نقشه راه مور برای تعبیه ترانزیستورهای بیشتر در چیپ‌ها پایبند باقی می‌ماندید و در نهایت می‌توانستید سر از سرزمین موعود در آورید

از سال ۲۰۰۱ تاکنون، هرسال نشریه MIT Technology Review به انتخاب ۱۰ دستاورد بزرگ تکنولوژی پرداخته است. این لیستی شامل تکنولوژی‌هایی است که به شکلی تقریبا بدون استثنا، فقط و فقط به خاطر پیشرفت‌های پردازشی تشریح شده در قانون مور به دست آمده‌اند.

برای برخی از محصولات موجود در لیست سالانه ام‌آی‌تی، ارتباط با قانون مور کاملا واضح است: دیوایس‌های مصرف‌کنندگان مانند ساعت‌های هوشمند و موبایل‌ها با هوش مصنوعی درهم آمیخته‌اند، پیشرفت در حوزه تغییرات اقلیمی به لطف مدل‌سازی‌های کامپیوتری و اطلاعات به دست آمده از سیستم‌های پایش اتمسفر در سراسر جهان بوده‌اند و ماهواره‌های ارزان‌قیمت با جثه‌ای بسیار کوچک را هم داریم. دیگر موارد موجود در لیست، مانند برتری کوانتومی، مولکول‌های کشف شده با هوش مصنوعی و حتی داروهای شدیدا شخصی‌سازی شده و داروهای ضد پیری، همگی به لطف قدرت پردازشی خالصی به دست آمده‌اند که در دسترس محققین قرار گرفته.

اما وقتی قانون مور به شکلی اجتناب‌ناپذیر به پایان برسد چه خواهد شد؟ یا چه می‌شود اگر این قانون همین حالا به پایان رسیده باشد و دیگر به بهترین موتور پیشرانه تکنولوژی در عصر خودمان دسترسی نداشته باشیم؟

خدایش بیامرزد

چارلز لایزرسان، محقق کامپیوتر ام‌آی‌تی و یکی از پیشروان حوزه پردازش موازی که در آن، چندین محاسبه به صورت همزمان انجام می‌شوند می‌گوید: «کار تمام است. امسال این موضوع برایمان شکلی واضح به خود خواهد گرفت». آخرین کارخانه اینتل که قرار بود به تولید چیپ‌هایی با ابعاد حداقل ۱۰ نانومتر بسازد برای مدتی طولانی با تعویق در کار مواجه شد و تولید چیپ‌ها را در سال ۲۰۱۹ آغاز کرد، یعنی ۵ سال بعد از اینکه چیپ‌های ۱۴ نانومتری نسل قبل به تولید رسیدند. لایزرسان می‌گوید که قانون مورد همواره راجع به نرخ پیشرفت بوده است و «ما دیگر با آن نرخ به پیشرفت ادامه نمی‌دهیم». بی‌شمار دانشمند کامپیوتری دیگر نیز طی سال‌های اخیر اعلام کرده‌اند که کار برای قانون مور به پایان رسیده. در اوایل سال ۲۰۱۹، مدیرعامل انویدیا که از بزرگ‌ترین تولیدکنندگان چیپ در جهان به حساب می‌آید نیز با این موضوع موافقت کرد.

قانون مورد همواره راجع به نرخ پیشرفت بوده است و «ما دیگر با آن نرخ به پیشرفت ادامه نمی‌دهیم»

در حقیقت، این روندی تدریجی بوده و نه یک مرگ آنی. طی چند دهه، برخی، از جمله خود مور، گفتند که پایان کار برای این قانون را نزدیک می‌دادند، زیرا ساخت ترانزیستورهای کوچک و کوچک‌تر دائما دشوارتر می‌شود. در سال ۱۹۹۹ میلادی، یکی از محققین اینتل نگران بود که هدف تازه صنعت تکنولوژی برای ساختن ترانزیستورهایی کوچک‌تر از ۱۰۰ نانومتر تا سال ۲۰۰۵ با مشکلات بنیادین و فیزیکی مواجه شود و «هیچ راه حل مشخصی» برای آن وجود نداشته باشد. یکی از این مشکلات، اثرات کوانتومی الکترون‌هایی بود که سر از جاهایی که نباید، در می‌آوردند.

برای چند سال، صنعت چیپ توانست از این موانع فیزیکی عبور کند. ترانزیستورهایی با طراحی تازه از راه رسیدند که وضعیت الکترون‌ها را بهتر مدیریت می‌کردند. متدهای لیتوگرافی جدید با استفاده از تشعشعات فرابنفش ابداع شدند، زیرا طول موج نور واضح برای چشم انسان قطورتر از آن بود که بتواند اجزای سیلیکون را با ابعاد تنها چند ده نانومتر برش دهد. اما پیشرفت به مرور زمان هزینه‌ای بیشتر روی دست تولیدکنندگان گذاشته است. اقتصاد دانان استنفورد و ام‌آی‌تی تخمین زده‌اند که هزینه تحقیقاتی که برای پایبندی به قانون مور صورت گرفته‌اند، از سال ۱۹۷۱ تاکنون به توان ۱۸ رسیده‌ است.

به صورت مشابه کارخانه‌هایی که به تولید پیشرفته‌ترین چیپ‌ها می‌پردازند هم به شکلی اجتناب‌ناپذیر هزینه‌بر شده‌اند. هزینه‌های چنین کارخانه‌ای طی سال گذشته میلادی حدودا ۱۲ درصد افزایش یافت و انتظار می‌رود تا سال ۲۰۲۲ به ۱۶ میلیارد دلار یا بیشتر برسد. اتفاقی نیست که شمار کمپانی‌های تولیدکننده چیپ‌های نسل بعدی هم حالا به سه شرکت رسیده است. آن در حالی که در سال ۲۰۱۰ هشت شرکت داشتیم و در سال ۲۰۰۲، ۲۵ شرکت.

در هر صورت اما اینتل -یکی از آن سه کمپانی تولیدکننده چیپ باقی مانده- انتظار ندارد که به این زودی‌ها شاهد مراسم تدفین قانون مور باشیم. جیم کلر، کسی که در سال ۲۰۱۸ مدیریت واحد مهندسی سیلیکون اینتل را برعهده گرفت، دقیقا همان کسی است که به زنده نگه داشتن قانون مور موظف شده. او تیمی شامل حدودا ۸ هزار مهندس سخت‌افزار و طراح چیپ‌ را در اینتل مدیریت می‌کند. کلر وقتی به اینتل پیوست، به گفته خودش بسیاری انتظار داشتند قانون مور خیلی زود به پایان کار برسد. او اکنون می‌گوید که اگر حق با آن افراد بوده باشد «دست به حرکتی بسیار اشتباه در مسیر شغلی‌ام زده‌ام».

راه‌های زیادی برای دو برابر کردن تعداد دیوایس‌های روی یک چیپ وجود دارد - از ابداعاتی مانند معماری سه‌بعدی گرفته تا طراحی جدید ترانزیستورها

اما کلر توانسته فرصت‌های صنعتی جالبی برای پیشرفت بیابد. او می‌گوید احتمالا صدها متغیر مختلف در زنده نگه داشتن قانون مور وجود داشته باشد که هرکدام مزایای خود را به همراه می‌آورند و محدودیت‌های خاص خود را دارند. به عبارت دیگر، راه‌های زیادی برای دو برابر کردن تعداد دیوایس‌های روی یک چیپ وجود دارد - از ابداعاتی مانند معماری سه‌بعدی گرفته تا طراحی جدید ترانزیستورها.

کلر این روزها بسیار خوش‌بین به نظر می‌رسد. او می‌گوید که در تمام حرفه شغلی خود گمانه‌زنی‌های مربوط به پایان قانون مور را شنیده است. بعد از مدتی او تصمیم گرفت نگران این موضوع نباشد. او می‌گوید اینتل مسیر خود را برای ۱۰ سال آتی پیدا کرده و حاضر است ریاضیات را هم توضیح دهد: ۶۵ میلیارد (شمار کنونی ترانزیستورها) ضربدر ۳۲ (اگر تراکم چیپ هر دو سال دو برابر شود) به معنای ۲ تریلیون ترانزیستور خواهد بود. او می‌گوید «این یعنی شاهد بهبود ۳۰ برابری پرفورمنس خواهیم بود» و اضافه می‌کند که اگر توسعه‌دهندگان نرم‌افزار به اندازه کافی هوشمندان عمل کنند، می‌توان سرعت همین چیپ‌ها را طی ۱۰ سال صدها برابر بالاتر برد.

با این همه حتی اگر اینتل و دیگر تولیدکنندگان چیپ باقی مانده بتوانند چند نسل دیگر دوام بیاورند و مایکروچیپ‌های پیشرفته‌تر بسازند، روزهایی که می‌توانستید روی از راه رسیدن چیپ‌های سریع‌تر و ارزان‌تر در هر بازه زمانی دو ساله حساب کنید مشخصا به پایان رسیده است. ولی این به معنای پایان روند پیشرفت پردازش کامپیوتری نخواهد بود.

زمان وحشت فرا رسیده

روزهایی که می‌توانستید روی از راه رسیدن چیپ‌های سریع‌تر و ارزان‌تر در هر دو سال حساب کنید مشخصا به پایان رسیده است

نیل تامپسون یک اقتصاددان است، اما دفتر او در مرکز کامپیوتر و هوش مصنوعی ام‌آی‌تی، پر شده از ربات‌شناسان و محققین کامپیوتر، از جمله لایزرسان که یکی از همکارانش است. این دو در یک مقاله تازه راجع به این نوشته‌اند که چطور می‌توان با نرم‌افزار، الگوریتم‌ها و معماری‌های چیپ بهتر به پرفورمنس بهبودیافته کامپیوتری دست پیدا کرد.

یکی از فرصت‌های پیش رو، کاهش چیزی است که تحت عنوان «نفخ نرم‌افزار» در چیپ‌های موجود شناخته می‌شود. وقتی می‌شد روی این حساب کرد که چیپ‌ها همواره سریع‌تر و قدرتمندتر خواهند شد، برنامه‌نویسان لازم نبود نگران نوشتن کدهای بهینه‌تر باشد. و همین برنامه‌نویسان معمولا در استفاده حداکثری از مزایای معماری سخت‌افزار مانند هسته‌های چندگانه یا پردازنده‌هایی که در چیپ‌های امروزی یافت می‌شوند شکست خورده‌اند.

تامپسون و همکارانش نشان داده‌اند که با سوییچ از پایتون -یک زبان برنامه‌نویسی کاربرد عمومی و محبوب- به زبان بهینه‌تر C، می‌توان محاسبات دشوار کامپیوتری را با سرعتی ۴۷ برابر بیشتر به انجام رساند. این بدان خاطر است که گرچه C کار بیشتری از سوی برنامه‌نویسان طلب می‌کند اما شمار عملیات‌های مورد نیاز را به شکل قابل توجهی کاهش می‌دهد و برنامه با سرعت بسیار بیشتری به اجرا در می‌آید. بهینه‌سازی هرچه بیشتر کد برای استفاده حداکثری از چیپی که ۱۸ هسته پردازشی دارد هم سرعت را بالاتر می‌برد. در تنها ۰.۴۱ ثانیه، محققان به نتیجه‌ای دست پیدا کردند که نیازمند هفت ساعت پردازش با کد پایتون بود.

این خبری خوب برای روند پیشرفت پردازش است، اما تامپسون نگران است که این موضوع به معنای زوال کامپیوترها به عنوان یک تکنولوژی کاربرد عمومی نیز باشد. برخلاف رویکرد «به حرکت درآوردن تمام کشتی‌ها» در قانون مور از طریق چیپ‌های سریع‌تر و ارزان‌تر که به صورت جهان‌شمول در دسترس قرار می‌گرفتند، پیشرفت‌های نرم‌افزاری و معماری حالا با هدف قرار دادن مشکلات خاص و فرصت‌های تجاری به انجام خواهند رسید و توسط آن‌هایی که پول و منابع کافی را دارند.

حرکت به سمت چیپ‌هایی که برای اپلیکیشن‌های خاص، به خصوص هوش مصنوعی، توسعه می‌یابند همین حالا آغاز شده است. یادگیری عمیق و دیگر موارد استفاده از هوش مصنوعی اتکای فراوانی بر واحدهای پردازش گرافیکی دارند که می‌توانند عملیات‌ها را به صورت موازی پیش ببرند. در این بین، کمپانی‌هایی مانند گوگل، مایکروسافت و بایدو هم در حال طراحی چیپ‌های هوش مصنوعی مخصوص به نیازهای خودشان هستند. هوش مصنوعی و به خصوص یادگیری عمیق نیازمند قدرت پردازشی فراوان است و به گفته تامپسون، چیپ‌های مخصوص می‌توانند سرعت پرفورمنس آن‌ها را به شکل قابل توجهی افزایش دهند.

اما نکته منفی اینست که چیپ‌های مخصوص انعطاف‌پذیری کمتری نسبت به پردازنده‌های سنتی دارند. تامپسون نگران است که چیپ‌های کاربرد عمومی در یک باتلاق گرفتار شدند و «روند پیشرفت کل کامپیوتر» را کند کنند. او با این نگاه، تیتر «زوال کامپیوترها به عنوان تکنولوژی کاربرد عمومی» را انتخاب کرده است.

اریکا فاشس، پرفورمنسور مهندسی در دانشگاه کارنگی ملون می‌گوید یک روز شرکت‌های توسعه دهنده هوش مصنوعی و دیگر اپلیکیشن‌ها دل‌شان برای کاهش هزینه‌ها و افزایش پرفورمنس براساس قانون مور تنگ خواهد شد. «شاید تا ۱۰ سال یا ۳۰ سال دیگر -هیچکس دقیقا نمی‌داند- نیازمند دیوایسی با آن قدرت پردازشی اضافه خواهید بود».

فاشس می‌گوید مشکل اینست که چیپ‌های کنونی که دارند جایگزین چیپ‌های کاربرد عمومی می‌شوند کماکان ناشناخته‌اند و نیازمند سال‌ها تحقیق و توسعه بنیادین هستند تا از آب درآیند. اگر نگران این هستید که چیزی جایگزین قانون مور خواهد شد، به گفته فاشس «اکنون زمان پنیک فرا رسیده». او می‌گوید «افرادی بسیار باهوش در حوزه هوش مصنوعی کار می‌کنند که از محدودیت‌های سخت‌افزاری در مسیر دستیابی به پیشرفت‌های پردازشی طولانی‌مدت باخبر نیستند.» او می‌گوید دلیل آن است که چیپ‌های مخصوص شدیدا سودده ظاهر شده‌اند و دلایل مادی کمتری برای سرمایه‌گذاری روی دیوایس‌های منطقی جدید و روش‌های پردازش تازه وجود دارد.