قانون مور: الماضي والحاضر

مقدمة عن HyperAI

يعد قانون مور أحد قوانين الاتجاهات الشهيرة في علوم الكمبيوتر، والذي يكشف عن التطور السريع للأجهزة. لقد شجع هذا القانون باستمرار مصنعي الأجهزة على تحديث منتجاتهم.

ومع ذلك، يبدو أن صناعة الرقائق واجهت في السنوات الأخيرة عنق زجاجة تكنولوجيًا، واستمرت وتيرة التحديث في التباطؤ. ونتيجة لذلك، يعتقد كثير من الناس أن قانون مور أصبح غير فعال. لكن ظهور الذكاء الاصطناعي أعاد قانون مور إلى الحياة.

ما هو قانون مور؟

في عام 1965، اقترح جوردون مور، أحد مؤسسي شركة إنتل، قانون مور لأول مرة في مقال بعنوان "حشر المزيد من المكونات في الدوائر المتكاملة".

قانون مور:

عندما يظل السعر ثابتًا، فإن عدد المكونات التي يمكن استيعابها على الدائرة المتكاملة (أي الشريحة) سوف يتضاعف تقريبًا كل 18 إلى 24 شهرًا، وسوف يتضاعف الأداء أيضًا.

وبعبارة أخرى، فإن أداء الكمبيوتر الذي يمكن شراؤه بالدولار الواحد سوف يتضاعف أكثر من مرتين كل 18 إلى 24 شهراً.

وبعد ذلك، قام مور بتقديم تنبؤات حول تطور صناعة الرقائق كل عشر سنوات. في عام 1975، توقع أن تعقيد الشريحة سوف يتضاعف كل عامين في السنوات العشر القادمة.

ورغم أن هذا الاتجاه استمر لأكثر من نصف قرن، فإن قانون مور لا يزال يتعين اعتباره مجرد ملاحظة أو تخمين وليس قانوناً فيزيائياً أو طبيعياً.

لقد تباطأ النمو المحدث لخريطة طريق تطوير تكنولوجيا أشباه الموصلات الدولية في عام 2010، ومن المتوقع أن تتضاعف كثافة الترانزستورات فقط كل ثلاث سنوات بعد ذلك.

وهناك رأي آخر يقول إن هذا القانون يعتمد على ذكاء القوانين الاقتصادية ويكشف عن سرعة التقدم في تكنولوجيا المعلومات. ولذلك، أصبحت صناعة الإلكترونيات قادرة على إقناع المستهلكين بشراء منتج جديد كل بضع سنوات.

وفي الوقت نفسه، اقترح مهندس شركة آي بي إم روبرت دينارد، في عام 1974، الصديق الجيد لقانون مور، وهو مقياس دينارد.

قانون مقياس دينارد:

إن تقليص حجم الشريحة مع زيادة مكوناتها سيسمح لها بالعمل بشكل أسرع مع تقليل تكاليف الإنتاج واستهلاك الطاقة.

بهذه الطريقة، يواصل قانون مور وقانون دينارد للتوسع إلهام مصنعي الرقائق لزيادة مكونات الرقائق وتحسين أداء الرقائق وتقليل حجم الرقائق، مما أدى إلى أكثر من 30 عامًا من التطور السريع لصناعة الرقائق.

لماذا فشل قانون مور؟

منذ عام 2005، وتحت إشراف قانون مور، دخلت أبحاث وتطوير الرقائق إلى النطاق النانوي. وبما أن المكونات أصبحت أكثر عددًا وصغرًا في الحجم، فقد تدخل تأثير النفق الكمي (السلوك الكمي للجسيمات المجهرية مثل الإلكترونات القادرة على اختراق أو عبور الحواجز المحتملة) تدريجيًا.

تحت تأثير هذا التأثير، يبدأ تسرب الترانزستور في الظهور، مما يتسبب في زيادة استهلاك الطاقة بدلاً من انخفاضه عندما يتم تصنيع الرقائق باستخدام عمليات أصغر، بينما يتسبب أيضًا في حدوث مشاكل خطيرة في تبديد الحرارة.

من أجل حل مشكلة التسرب، بدأ الناس في التوقف عن تطوير الرقائق الدقيقة والتحول إلى تطوير متعدد النواة، أي تشغيل رقائق متعددة في نفس الوقت في جهاز كمبيوتر أو هاتف محمول. ورغم ذلك، لم يتم حل المشكلة بشكل فعال حتى الآن.

إن ظاهرة تسرب الترانزستور تنتهك قانون دينارد بشكل كامل وتتسبب أيضًا في تساؤل الناس حول قانون مور. علاوة على ذلك، في ظل ظروف البحث والتطوير الحالية للرقائق، من الصعب بالفعل إضافة مكونات الترانزستور، والخيار الوحيد هو تحسين الرقائق الموجودة، لكن تكلفة إنتاج الرقائق تتزايد باستمرار.

وأشار تشين بينج لو، المدير الأول لشركة ميديا تيك، في ورقة بحثية عام 2005 إلى:في الوقت الحاضر، على الرغم من أن عدد الترانزستورات تضاعف عن الأساس الأصلي، إلا أن الأداء العام للمعالج لم يتحسن كثيرًا، كما أن تكاليف البحث والتطوير واستهلاك الطاقة آخذة في الازدياد.

ترتفع تكلفة تصنيع الرقائق سنة بعد سنة

وأشارت إنتل أيضًا إلى أن تكلفة إنشاء مصنع لتصنيع الرقائق تبلغ الآن حوالي 10 مليارات دولار، وهو مبلغ ضخم من المال لأي شركة.

صرح داريو جيل، رئيس قسم الأبحاث والتطوير في شركة IBM، بشكل مباشر أن قانون مور يواجه صعوبة في التكيف مع التطور المستقبلي لعلوم الكمبيوتر.

يعتقد بوب كولويل، مصمم الرقائق السابق في شركة إنتل، أيضًا أنقد تتمكن صناعة الرقائق من تصنيع الرقائق باستخدام تقنية 5 نانومتر بحلول عام 2020 تقريبًا، ولكن من المرجح أن يكون هذا هو الحد الأقصى لتقنية تصنيع الرقائق الحالية.

منذ القرن الحادي والعشرين، شهدت صناعة الرقائق تطوراً سريعاً، مع أحجام أصغر وأداء أقوى. ومع ذلك، ومع اقتراب عملية التصنيع من حدودها القصوى، فقد فقد قانون مور دوره القيادي في الرقائق التقليدية إلى حد ما.

ولكن في مجال الذكاء الاصطناعي، من المرجح أن يعود قانون مور إلى حيز التنفيذ.

كيف يمكن للذكاء الاصطناعي إنقاذ قانون مور؟

لقد أدى صعود الذكاء الاصطناعي إلى ظهور متطلبات جديدة للأجهزة الأساسية للكمبيوتر: من أجل تلبية متطلبات تدريب التعلم العميق، يجب أن تكون الأجهزة قادرة على معالجة كميات هائلة من البيانات في وقت أقصر مع الحفاظ على نطاق استهلاك الطاقة الحالي أو حتى أصغر.

العلاقة بين قوة الحوسبة والخوارزميات والبيانات

من المتوقع أنه بحلول عام 2020، ستزداد قوة الحوسبة المطلوبة للذكاء الاصطناعي بمقدار 12 مرة عن المستوى الحالي. إن قوة الحوسبة هذه التي تصل إلى 12 ضعفًا قادرة على السماح لنماذج الذكاء الاصطناعي بتقصير الوقت المستغرق لإكمال مهمة من عدة أيام إلى بضع ساعات فقط. ومع ذلك، لا يزال من الصعب للغاية تحقيق كل هذا بالاعتماد فقط على الرقائق الموجودة.

ولتحقيق هذه الغاية، تعمل العديد من الشركات على تطوير معالجات خاصة بالذكاء الاصطناعي لزيادة قوة الحوسبة في الشريحة وتقليل تكاليف الاستخدام. من بين العديد من مطوري أجهزة الذكاء الاصطناعي، ربما تكون وحدات معالجة الرسومات التي طورتها شركات توريد الأجهزة الرئيسية مثل Nvidia و AMD واحدة من المعالجات القليلة التي يمكنها حاليًا تلبية متطلبات قوة الحوسبة للذكاء الاصطناعي.

قام مستخدمو الإنترنت بتقليد بطاقة الرسومات Nvidia على شكل موقد غاز

باعتبارها أكبر شركة مصنعة لوحدات المعالجة المركزية في العالم، تأمل شركة Intel في تطوير معالجات الذكاء الاصطناعي ذات الأداء الأقوى من وحدات معالجة الرسومات الحالية في المستقبل. في عام 2016، استحوذت شركة إنتل على شركة برمجيات الذكاء الاصطناعي Nervana مقابل 408 مليون دولار.

أصدرت سلسلة ASIC AI لتحسين كفاءة الحوسبة للخوارزميات الأساسية. ويقال إن الشريحة أقوى بعشر مرات من وحدة معالجة الرسوميات ذات معمارية Nvidia Maxwell الأفضل في العالم.

بالإضافة إلى ذلك، تعمل Google أيضًا على تطوير معالج الذكاء الاصطناعي الخاص بها TPU، والذي تم تصميمه أيضًا خصيصًا للذكاء الاصطناعي. يعتبر TPU أسرع من معالجات الذكاء الاصطناعي الحالية بمقدار 15 إلى 30 مرة في معالجة تنفيذ التعليمات البرمجية المعيارية.

وفي الصين، تخطط العديد من الشركات أيضًا لتحقيق تقدم كبير في مجال الرقائق، ليس فقط لتعزيز التنمية الشاملة لصناعة الذكاء الاصطناعي، ولكن أيضًا لسد الفجوة في الرقائق المحلية.

من وحدة المعالجة المركزية (CPU) إلى وحدة معالجة الرسومات (GPU) إلى وحدة معالجة الرسومات الحرارية (TPU)، تستخدم الذكاء الاصطناعي تقنيات جديدة لإنتاج شرائح أكثر قوة. ومن هذا المنظور، ورغم فشل قانون مور في مجال أجهزة الكمبيوتر التقليدية، فإنه قد يولد من جديد في مجال الذكاء الاصطناعي في المستقبل.