Intel'in kurucu ortağı ve CEO'su Gordon Moore, Moore Yasası olarak bilinen bir varsayımda bulunduğunda, Muhammed Ali yalnızca bir yıldır dünya ağır siklet şampiyonuydu. Yani bir entegre devre (IC) üzerindeki transistörlerin sayısı yaklaşık her iki yılda bir ikiye katlanacaktır.

1965'te bu çok çarpıcı bir şeydi: XNUMX'te bir makalede yapılan gözlem. Elektronik Dergisi, bilgisayarlarımızın zaman içinde daha düşük maliyetle daha hızlı ve daha yetenekli olmasını bekleyebileceğimizi ima etti. Yıllar ve on yıllar geçtikçe, teknolojik değişimin hızı arttıkça Moore'un teorisi test edildi. Çoğunlukla doğru kabul ediliyor. Ancak gelişen Makine Öğrenimi (ML) alanındaki son gelişmeler, Kanun'un geçerliliğine yönelik açık bir tehdit olmasa da ilgi çekici bir zorluk teşkil ediyor.

Moore Yasasının Sürdürülebilirliği

Moore Yasası, yarım yüzyılı aşkın bir süredir teknolojik ilerlemelerin sağlanmasında etkili olmuş ve ihlal edilemez bir yasaya benzer bir şey haline gelmiştir. Ancak devre minyatürleştirmesinin atomik sınırlarına yaklaştıkça, gözlemin sürdürülebilirliği şiddetli bir inceleme altına alınıyor.

Daralan devrelerin fiziksel sınırlamaları belirgin hale geliyor. 2015 yılında Intel'in kendisi kabul etti Moore Yasasında bir yavaşlama, iki yıllık temponun kabaca 2.5 yıla düştüğüne dikkat çekti. Bu %25'lik artış, modern yarı iletken teknolojisinin fiziksel ve pratik sınırlarına yaklaştığımızın açık bir göstergesiydi. Dahası, Intel CEO'su Pat Gelsinger geçen yıl önceki yorumlarını revize ederek 2.5 yılın artık 3 yıl olduğunu kabul etti ve Moore Yasasına ayak uydurmak için elinden geleni yapacağına söz verdi.

Bunların hiçbiri sürpriz olmamalı; Moore'un kendisi de "böyle bir üstelliğin sonsuza kadar sürmeyeceğini" öne sürerek kendi Yasasını reddetti. Aslında mühendisin, Makine Öğreniminin ve Yapay Zeka (AI), bulut bilişim ve Nesnelerin İnterneti (IoT) gibi ilgili alanların artan taleplerinin silikon çip endüstrisi üzerinde bu kadar baskı yarattığını öngörmesi zor olurdu. altmışlı yılların ortası.

Makine Öğrenimi talepleri bugün, son 10 ayda işlem gücünde 3 kat artışa karşılık 18 kat artışla işlem gücü artış hızını geride bırakıyor. Açıkçası, bu eşitsizlik, Makine Öğreniminde gelecekteki gelişmelerin önünde önemli engeller teşkil ediyor ve potansiyel olarak inovasyon ve uygulamada darboğazlara yol açıyor.

The genişleyen uçurum Derin öğrenmenin hesaplama talepleri ile işlem gücü artışı arasındaki farkı tahmin etmek kolay olmayabilir, ancak bu, modern teknoloji uzmanlarının uğraşması gereken bir konudur. Bu eşitsizlik, özellikle modeller daha karmaşık ve veri yoğun hale geldikçe makine öğrenimi uygulamalarının ölçeklenebilirliğindeki potansiyel sınırlamaları değil, aynı zamanda teknolojik değişim hızında genel bir yavaşlamayı da akla getiriyor.

Bazıları bunun kötü bir şey olmadığını, hepimizin doğayla yeniden bağlantı kurmamızı ve anda daha fazla var olmamızı sağlayacağını iddia edebilir. Ancak insanoğlunun ilerlemesi aslında bu şekilde olmuyor: Cini dışarı çıkınca tekrar şişeye koymak mümkün değil. Yola çıkıldığında düzenli bir şekilde ilerlemeliyiz, aksi halde gerilemeyle karşı karşıya kalırız.

Moore Yasası Sorununa Yeni Bir Çözüm

Bu sıkıntılı ortama karşı, pazara yeni çözümler geliyor. Bunlardan biri olan io.net, büyüyen uçurumu, aşağıdaki avantajlardan yararlanarak kapatmayı amaçlıyor: mevcut Küresel işleme verimliliğini artırmak için GPU bilgi işlem kaynakları. Başka bir deyişle, bilişim makine öğrenimi taleplerine ayak uyduramıyorsa, hadi bilişimin daha iyi çalışmasını sağlayalım.

io.netŞirketin kısa süre önce tanıttığı merkezi olmayan fiziksel altyapı (DePIN) ağı, değer teklifinin temel dayanağını oluşturuyor. Dünya çapındaki GPU'ların ve CPU'ların henüz kullanılmamış potansiyelini kullanarak, DePIN ağı ML'nin gelişen taleplerini karşılamak için sürdürülebilir ve ölçeklenebilir bir çözüm sunuyor. Model, GPU ve CPU güçlerini ağa katkıda bulunan/kiralayanların ödüllendirilmesini içeriyor. Bu arada yapay zeka girişimleri ve makine öğrenimi mühendisleri, genellikle bu tür kaynaklarla ilişkili fahiş maliyetleri ödemek zorunda kalmadan gerekli GPU hesaplamasına isteğe bağlı erişim elde ediyor.

Küresel bir kullanıcı ağından izinsiz, isteğe bağlı GPU/CPU erişiminin sağlanmasıyla, io.net Mevcut kaynakların verimli kullanımını sağlarken, toplam işlem gücüne erişimi demokratikleştirir. Bu yetenek, bilgi işlem maliyetlerinde önemli tasarruflar, bulut kümelerinin hızlı dağıtımı ve adil fiyatlandırma anlamına gelir.

Makine Öğreniminin talepleri ile işlem gücünün büyümesi arasındaki uçurum genişledikçe, aşağıdaki gibi yenilikçi çözümler ortaya çıkıyor: io.net vazgeçilmez olacak.

Mevcut GPU ve CPU kaynaklarının verimliliğini ve erişilebilirliğini en üst düzeye çıkarırken io.net yalnızca Moore Yasasının yavaşlayan hızının ortaya çıkardığı sınırlamalara geçici bir çözüm sunmakla kalmıyor; her iki alanda da sürekli yenilik ve ilerlemeye zemin hazırlıyor.

Elbette diğer faktörler de aynı derecede önemlidir: Sermaye yatırımı da bunlardan biridir. Çip hesaplama gücünün iki katına çıkmasını istiyorsanız Ar-Ge bütçelerinin de buna paralel olarak artması gerekir. Devlet teşvikleri, sektör birleşmeleri ve ortak girişimler gibi şeyler de önemlidir.

Ne yazık ki Gordon Moore 2023'te öldü; ancak kendi adını taşıyan Kanun bugün altmışlı yıllarda olduğundan çok daha güncel.

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://techstartups.com/2024/02/06/is-machine-learning-demand-starting-to-outpace-moores-law/