Gordon E. Moore, az Intel egyik társalapítója 1965-ben fogalmazta meg később többször módosított, közel tíz éve elavultnak vélt, egyelőre azonban még mindig érvényben lévő híres alaptörvényét. A számítástudomány fejlődését meghatározó tétel ma így hangzik: a legalacsonyabb árú komponenst figyelembe véve, az integrált áramkörök összetettsége kb. 18 hónaponként megduplázódik. (Moore eredetileg két évről beszélt.)
Az elsősorban korszerű grafikus processzorairól (GPU) ismert Nvidia ügyvezető igazgatója, Jensen Huang a nagyvállalat San Joséban (Kalifornia) tartott GPU Technológiai Konferenciáján többször kifejtette, hogy az infokommunikációs technológiai fejlesztések döbbenetes, már-már extrém tempójának következtében, a GPU-k fejlődését szintén méréseken alapuló tapasztalati törvény mozgatja.
Az egyelőre nem pontosított törvényt természetesen nem ő nevezte el saját magáról, hanem mások róla.
„Új, túltelített törvényről van szó” – magyarázza Huang.
Számszerűsítve, a Nvidia mostani grafikus feldolgozó egységei 25-ször gyorsabbak az öt évvel ezelőttieknél. Ha érvényes lenne rájuk Moore törvénye, akkor csak tízszeres sebességnövekedésnek kellett volna történnie az elmúlt fél évtizedben.
A GPU-k növekvő kapacitását egy másik mércével szintén összevetette. A 15 millió képpel gyakorolt AlexNet neurális háló tanulási idejét hasonlította az öt évvel ezelőtti helyzethez. A vállalat akkori hardverén, két Nvidia GTX 580-on hat nap kellett neki a tanuláshoz. A legújabbon, a DGX-2-n csupán 18 percre volt szüksége, azaz 500-szoros növekedésről beszélhetünk.
A különféle számok alapján arra lehet következtetni, hogy Huang még dolgozik a tapasztalati törvény pontosításán, hogy hányszoros növekedésről van is szó. A törvény szükségességét és létezését viszont egyértelműen megfogalmazta. A mesterségesintelligencia-fejlesztésekben is fontos szerepet játszó GPU-k esetében azért lenne mindenképpen hasznos egy új mérce, mert szimultán profitálhatnak különféle területek újításaiból: architektúra, komponensek összekapcsoltsága, memória, algoritmusok stb.
Ez a komplexitás pedig nem írható le a Moore-törvénnyel.
„Az innováció már nemcsak a chipekre vonatkozik” – nyilatkozta Huang.
A GPU-k azért is fejlődnek gyorsabban a CPU-knál (központi feldolgozó egységeknél, azaz a „sima” processzoroknál), mert párhuzamos architektúrán alapulnak – hangsúlyozza egy másik NVIDIA vezető, Jesse Clayton.
