A mesterségesintelligencia-kutatások gyors fejlődését az utóbbi tíz évben jórészt az egyre gyorsabb és olcsóbb grafikai processzorok, GPU-k biztosították. De meddig lesz így? – teszi fel a kérdést Andrew Ng, világhírű gépitanulás-szakértő.

A kérdés oka, hogy szeptemberben és október elején a GPU-árakat befolyásoló események történtek.

Az egyik legfontosabb blokklánc-alapú kriptovaluta, az Ethereum mögötti cég bejelentette, hogy átállnak, és ezentúl nagyságrendekkel kevesebb számításra lesz szükség a technológiához. Ha kevesebb az energiafogyasztás, a természetes környezet is jobban ját, mert a bányászathoz kisebb GPU-teljesítmény is elegendő. Ezzel szemben a bitcoin nem változik. Az Ethereum döntésével azonban lejjebb mehetnek a GPU-árak.

Jensen Huang, a Nvidia vezérigazgatója viszont a chip-árcsökkenés végére figyelmeztetett. Szerinte a Moore-törvény érvényessége is lejár. Ng ezt vitatja, ráadásul az utóbbi évtizedekben már többen prognosztizálták a félvezetőipar fejlődését meghatározó törvény végét, és egyiküknek sem lett igaza.

A GPU-k teljesítménynövekedése a Nvidia jóvoltából gyorsabb volt a Moore-törvény tempójánál, a szélesebb körben használt CPU-k (központi processzorok) fejlődése viszont lelassult. Ha a chipgyártók már nem tudják szűkíteni a tranzisztorok méretét, a tervezők ettől még tovább optimalizálhatják a chipeket, és javíthatnak az MI-nek készülő darabok ár-teljesítmény rátáján – magyarázza Ng.

A nemzetközi geopolitikai helyzet szintén hatással lehet keresletre, kínálatra. Az USA kormánya ugyanis korlátozta amerikai cégek fejlett félvezető és chipgyártó-felszerelések, és megtiltotta az amerikai technológiákkal készült mesterségesintelligencia-termékek kínai értékesítését, valamint USA-állampolgárok és rezidensek nem dolgozhatnak kínai chipgyártóknál.

A rendelkezésekkel sok kínai vállalatnak lesznek gondjai, versenyképességük is csökkenhet, és az USA sem feltétlenül jár velük jól. Mivel az MI-közösség mindig is globális volt, nehéz megjósolni a következményeket.

Ng mindenesetre optimista, szerinte az MI-szakemberek változatlanul hozzá fognak férni a szükséges számítási kapacitásokhoz. Az MI-fejlesztések jelentős részét egyre nagyobb ideghálók egyre nagyobb adatsorokon egyre olcsóbb számításokkal történő gyakoroltatása jellemzi, viszont nem ez az egyetlen megoldás, mert az adatközpontú MI-ben a big datával szembeni small datában, a hatékonyabb algoritmusokban és a mesterséges intelligenciára épülő többmillió új alkalmazásban szintén nagyok a lehetőségek.

A félvezetőgyártó startupoknak nehéz éveik voltak, mert mihelyst utolérték valamiben a piacvezető Nvidiát, az máris még gyorsabb, még olcsóbb új termékkel állt elő. Ha viszont a chipek ára nem esik tovább, nagyobbak lehetnek a startupok piaci lehetőségei, versenyképesebb chipeket fejleszthetnek.

Az MI-gyorsítók ipara ugyanolyan dinamikus, mint volt. Az Intel és az AMD befektetései változatlanul szignifikánsak, ráadásul egyre több a versenyképes vállalat. Ng szerint az MI-k számítási felhőben és az edge számításokkal történő gyakoroltatási lehetőségei szintén bővülnek.