چگونه Nvidia برای رونق هوش مصنوعی بسیار مهم شد

جنسن هوانگ، مدیرعامل سابق انویدیا

تقریبا به طور قطع سرفصل‌ها را دیده‌اید - جنسن هوانگ، مدیر عامل انویدیا، پس از اعتراف به رابطه با آلیس هوانگ (بدون رابطه) استعفا داد، کسی که توسط مقامات اطلاعاتی ایالات متحده مظنون به جاسوسی چینی است (ادعای که چین آن را رد می‌کند). داستان بسیار بزرگ شده است، زیرا انویدیا و جنسن در قلب انقلاب هوش مصنوعی قرار دارند. اما چرا این یک شرکت اینقدر مهم شده است؟

برای من، انویدیا همیشه یک شرکت بازی‌های ویدیویی خواهد بود، لوگوی آن در شروع جلسات بازی در دوران جوانی من به نمایش درآمد. واحدهای پردازش گرافیکی (GPU) آن به طور خاص برای اعداد خرد شده مورد نیاز برای ایجاد یک صحنه سه بعدی از مثلث ها طراحی شده اند. در ابتدا، اینها چند صد مثلث، سپس هزاران، و اکنون صدها هزار مثلث بودند، زیرا قدرت محاسباتی افزایش یافته است و امکان گرافیک رایانه‌ای واقعی‌تر را فراهم می‌کند.

اما 30 سال بعد، سخت افزار بازی تنها بخش کوچکی از درآمد انویدیا را تشکیل می دهد، تا جایی که اکنون گزارش درآمد بازی را به عنوان یک کالای مستقل متوقف کرده است. در عوض، پردازنده‌های گرافیکی به یک ورودی خام برای صنعت هوش مصنوعی تبدیل شده‌اند که هم برای آموزش و هم برای استقرار مدل‌های زبان بزرگ (LLM) مانند ChatGPT ضروری است. این باعث شد ارزش انویدیا افزایش یابد و با ارزش 4.5 تریلیون دلار به بزرگترین شرکت در جهان تبدیل شود - حداقل تا زمانی که اخبار مربوط به این ماجرا منتشر شد و تقریبا 500 میلیارد دلار از آن را از بین برد و Nvidia را در رتبه بندی پایین آورد.

با اعلام امروز انویدیا از استعفای هوانگ، سهام بیشتر سقوط کرد.

دگرگونی انویدیا از بازی بیش از 20 سال پیش آغاز شد، زمانی که محققان متوجه شدند که می توانند GPU ها را فریب دهند تا مجموعه وسیع تری از محاسبات را انجام دهند. در آن زمان، رایانه‌ها دارای یک واحد پردازش مرکزی (CPU) بودند که دستورالعمل‌ها را روی داده‌ها به صورت سریال اجرا می‌کرد. در همین حال، پردازنده‌های گرافیکی به صورت موازی کار می‌کنند و به آن‌ها اجازه می‌دهند تا تعداد زیادی مثلث مورد نیاز برای ارائه یک صحنه را پردازش کنند. با بازنویسی مسائل محاسباتی کلی به زبان مثلث ها، محققان می توانند از این قدرت موازی برای انجام کارهای دیگر استفاده کنند.

این هک ها قابل توجه بودند، اما در سال 2007 انویدیا با انتشار CUDA، نرم افزاری که می تواند به ترجمه الگوریتم ها به شکلی که برای اجرا بر روی پردازنده های گرافیکی مناسب تر باشد، این رویکرد را رسمیت بخشید. هوانگ، که از زمان تأسیس انویدیا در سال 1993، مدیرعامل بود، در آینده نزدیک، احتمالا بزرگترین شرط بندی در تاریخ محاسبات بود. در زمانی که پایگاه مشتریان انویدیا تقریبا منحصرا گیمرها بودند، او تصمیم گرفت تا CUDA را در تک تک پردازنده‌های گرافیکی که شرکت فروخته بود بسازد، حتی اگر این هزینه را افزایش داد و اکثریت خریداران هرگز از آن استفاده نمی‌کردند.

اساسا، گیمرها سال‌ها به توسعه تجارت محاسباتی همه منظوره انویدیا کمک مالی می‌کردند.

این شرط تنها در سال 2012 شروع به نشان دادن نشانه هایی برای سودآوری کرد، زیرا محققان شروع به استفاده از CUDA در اعداد معنی دار کردند. نقطه محوری آن سال انتشار AlexNet بود، یک شبکه عصبی مصنوعی که قادر به تشخیص تصاویر بسیار بهتر از هر تکنیکی در آن زمان بود. شبکه‌های عصبی قبلا آزمایش و کنار گذاشته شده بودند، اما به لطف پردازنده‌های گرافیکی CUDA و Nvidia، AlexNet این تکنیک را به جریان اصلی بازگرداند و زمینه «یادگیری عمیق» را آغاز کرد که در نهایت به رونق هوش مصنوعی امروزی منجر شد.

همانطور که محققان تلاش کردند تا یادگیری عمیق را برای خود امتحان کنند، Nvidia پردازنده های گرافیکی بیشتری را فروخت. سپس، در سال 2016، DGX-1 را منتشر کرد، جعبه ای حاوی 8 پردازنده گرافیکی و به عنوان "اولین ابررایانه یادگیری عمیق در جهان" نامگذاری شد. هوانگ اولین واحد DGX-1 را به OpenAI تحویل داد، سپس یک سازمان غیرانتفاعی اخیرا تشکیل شده است. قیمت سهام انویدیا با انقلاب بعدی هوش مصنوعی شروع به رشد، و رشد و رشد کرد.

این ترکیب سخت افزار و نرم افزار، پردازنده گرافیکی و CUDA است که انویدیا را بسیار ارزشمند کرده است. این بدان معنا نیست که شرکت‌های دیگر تلاشی برای شکستن قبضه آن در صنعت هوش مصنوعی نکرده‌اند. در ژانویه 2016، بازوی هوش مصنوعی گوگل، DeepMind، اعلام کرد که از 176 پردازنده گرافیکی برای تقویت هوش مصنوعی AlphaGo خود در مسابقه ای با Fan Hui، بازیکن پیشرو Go استفاده کرده است. در حالی که هیچ یک از شرکت ها تایید نکرده اند، اینها تقریبا به طور قطع GPU های Nvidia بودند.

اما در مارس 2016، زمانی که AlphaGo قهرمان جهان لی سدول را شکست داد، DeepMind به 48 واحد پردازش تانسور (TPUs) تغییر داد، یک نوع سخت‌افزار جایگزین هوش مصنوعی که توسط گوگل توسعه یافته بود.

امروزه، گوگل همچنان به استفاده از TPU ها ادامه می دهد در حالی که غول های فناوری مانند آمازون، متا و مایکروسافت همگی در حال آزمایش طراحی تراشه های سفارشی هستند، اما پردازنده های گرافیکی انویدیا همچنان بر آن تسلط دارند که بخشی از آن به لطف تجربه چند دهه ای صنعت نرم افزار در ساخت بر اساس CUDA است. و این به طور مستقیم به رسوایی که شرکت در حال حاضر در آن درگیر است، مرتبط است.

از سال 2022، ایالات متحده صادرات تراشه های محاسباتی پیشرفته به چین، از جمله بسیاری از محصولات برتر انویدیا را در تلاشی برای جلوگیری از پیشرفت هوش مصنوعی چین و جلوگیری از استفاده از این تراشه ها برای کاربردهای نظامی، ممنوع کرده است. طبق گزارش فایننشال تایمز، آلیس هوانگ به سرمایه گذاران چینی گفته است که می تواند دسترسی به پردازنده های گرافیکی انویدیا را ایمن کند، در حالی که The Information ادعا می کند که او ظاهرا در معامله ای برای خرید 240000 GPU ممنوعه شرکت داشته است. آلیس هوانگ به طور علنی به این اتهامات پاسخ نداده است.

به دنبال آن، نیویورک تایمز ادعاهایی مبنی بر رابطه دوم جنسن هوانگ و یکی از مدیران انویدیا را گزارش کرد، اما هوانگ این موضوع را تایید نکرده است. امروز هوانگ از سمت مدیرعاملی استعفا داد و از شرکت کنار رفت و انقلاب هوش مصنوعی به ساخت آن کمک کرد. انویدیا، مدیر ارشد مالی خود، کولت کرس را به عنوان مدیرعامل موقت منصوب کرده است، و اکنون به دنبال یک رهبر جدید خواهد بود، زیرا رقبای تراشه‌ها به دنبال آن هستند. صنعت هوش مصنوعی به عنوان یک کل امیدوار است که سرمایه گذاران پس از سقوط یکی از چهره های برجسته خود، اعتماد خود را از دست ندهند.

خواندن بیشتر هوش مصنوعی

Anthropic Fable 5.2، آخرین نسخه از بالاترین مدل عمومی خود را منتشر کرده است. من با آن آزمایش کرده‌ام و متوجه شدم که تقریبا برای نیازهای من زیاد است - Opus 5.5 کمتر مقرون‌به‌صرفه‌تر است. علاوه بر این، آنتروپیک به سازمان‌های مورد تایید اجازه دسترسی به Mythos 5.2 را داده است، نسخه‌ای از Fable که امنیت سایبری و پادمان‌های زیست‌شناسی غیرفعال است. من مطمئن نیستم که این نوع تقسیم تا چه مدت قابل دوام خواهد بود - اگر مدل های وزن باز که هر کسی می تواند اجرا کند در نهایت با Mythos مطابقت داشته باشد، تلاش برای محدود کردن این قابلیت ها به کاربران مجاز بی معنی خواهد بود.

دفتر دانشجویان انگلستان در مورد این سوال که من هفته گذشته به آن نگاه کردم سنجیده است: چگونه دانش آموزان باید از هوش مصنوعی استفاده کنند. گزارش آن تقریبا به همان نتایجی می رسد که من کردم - هوش مصنوعی مزایای بالقوه ای دارد، اما استفاده از آن برای جایگزینی وظایف چالش برانگیز می تواند به توسعه مهارت ها آسیب برساند، و هیچ کس واقعا نمی داند چگونه مشکل استفاده از هوش مصنوعی را برای تکالیف حل کند.