Kitap Eleştirisi: Düşünme Makinesi: Jensen Huang, NVIDIA ve Dünyanın En Çok Arzulanan Mikroçipi - Stephen Witt

Düşünme Makinesi: Jensen Huang, NVIDIA ve Dünyanın En Çok Arzulanan Mikroçipi Bu kitap, yapay zekâ hakkında yazılmış çoğu kitaptan farklıdır çünkü konuya, benim de dahil olduğum birçok teknik bilgiye sahip okuyucunun tarihsel olarak hafife aldığı bir açıdan yaklaşmaktadır.

Yapay zekayı yıllardır takip eden birçok insan gibi, benim de bu alandaki anlayışım tanıdık dönüm noktalarıyla şekillendi. Hikaye genellikle şöyle başlar: 1956'da Dartmouth atölyesinde, Erken dönem sembolik sistemleri ele alıyor, ardından IBM'in dönüm noktası niteliğindeki anlarına atlıyor. Deep Blue, Garry Kasparov'u mağlup etti., DeepMind Go'da ustalaşıyorVe daha yakın zamanda OpenAI, büyük dil modellerinin karmaşık çok oyunculu ortamlarda strateji koordinasyonu sağlayabileceğini gösterdi. Bu anlar entelektüel açıdan tatmin edici ve hatırlanması kolaydır çünkü görünür kazanımlara odaklanırlar.

Stephen Witt'in kitabının son derece başarılı olduğu nokta, bu çerçeveyi sorgulamasıdır. Yapay zekanın dünyayı etkilediği anlara odaklanmak yerine, Düşünme Makinesi Bu çalışma, söz konusu başarıların altında yatan daha az görünür katmana odaklanıyor. Modern yapay zeka çağının öncelikle sadece zekice fikirlerle değil, hesaplamanın kendisinin nasıl gerçekleştirildiğinde yaşanan temel bir değişimle ortaya çıktığını ikna edici bir şekilde savunuyor.

Anlatıyı NVIDIA'ya odaklayarak (NVDA -1.44%) Witt ve kurucu ortağı Jensen Huang, yapay zeka devrimini bilgi işlem mimarisi, geliştirici ekosistemleri ve uzun vadeli inançla ilgili bir öykü olarak yeniden ele alıyor. Sonuç sadece bir şirket biyografisi değil, yapay zekanın daha geniş tarihinin eksik bir bölümünü tamamlıyor.

Video Oyunlarından Yeni Bir Bilgisayar Paradigmasına

NVIDIA'nın başlangıcı, günümüzde yapay zekâ ile ilişkilendirilen yüksek hedeflerden çok uzaktaydı. Şirket 1993'da ortaya çıktı Grafik çip üreticisi olarak, giderek daha gerçekçi video oyun dünyaları oluşturmaya odaklandık. O dönemdeki zorluk zeka değil, hızdı. Oyunlar, ışığı, hareketi ve derinliği simüle etmek için anında çok sayıda hesaplama yapılmasını gerektiriyordu.

NVIDIA'nın izlediği çözüm şuydu: paralel hesaplama Paralel hesaplama, hesaplamaları ardışık olarak yürütmek yerine aynı anda birçok işlemi gerçekleştirmek anlamına gelir. GPU'lar, tek bir güçlü çekirdeğin bir komutu diğerinin ardından işlemesine güvenmek yerine, benzer matematiksel işlemleri eş zamanlı olarak gerçekleştiren binlerce küçük çekirdek kullanır. Bu yaklaşım, özellikle büyük veri kümelerinde aynı hesaplamaların tekrarlanmasını içeren iş yükleri için oldukça güçlüdür.

Başlangıçta bu mimari grafikler için tasarlanmıştı. Ancak Witt, bu kararın on yıllar sonra sinir ağları için ideal temeli nasıl sessizce oluşturduğunu gösteriyor. Modern yapay zeka modellerinin eğitimi, çok büyük miktarda veri üzerinde uygulanan çok sayıda özdeş matematiksel işlemi içerir. GPU'lar zaten tam olarak bu tür işler için optimize edilmişti.

Kitabın bu bölümünü ilgi çekici kılan şey, Witt'in teknik tasarım seçimlerini hayatta kalma ile ne kadar açık bir şekilde ilişkilendirmesidir. NVIDIA, yapay zekayı öngördüğü için paralel hesaplamayı seçmedi. Bunu, gerçek zamanlı grafiklerde rekabet etmenin tek yolu olduğu için seçti. Bu zorunluluk, şirketi daha sonra oyun sektörünün çok ötesinde dönüştürücü olacağı kanıtlanacak bir hesaplama modelinde uzmanlaşmaya zorladı.

Jensen Huang ve Ürünler Değil Sistemler Üzerine Düşünme

Bu öykünün merkezinde, geleneksel bir yönetici olarak değil, bireysel ürünlerden ziyade sistemler üzerinden düşünen biri olarak tasvir edilen Jensen Huang yer alıyor. Witt, Huang'ı talepkar, yoğun ve çoğu zaman zor biri olarak sunarken, aynı zamanda uzun süreler boyunca teknolojiye bakış açısında dikkat çekici derecede tutarlı olduğunu da gösteriyor.

Rakipler GPU'ları oyun döngülerine bağlı, tek kullanımlık bileşenler olarak görürken, Huang onları daha geniş bir bilgi işlem platformunun temeli olarak ele aldı. Bu ayrım kritik hale geliyor. Ürünler değişiyor. Platformlar birleşiyor.

NVIDIA, şirket içinde de bu zihniyeti yansıtıyordu. Mühendisler yıllar sonrasını düşünmeye teşvik ediliyordu. Yazılım, silikon kadar stratejik öneme sahipti. Net bir talep oluşmadan çok önce araçlara ve geliştirici desteğine yatırımlar yapılıyordu. Bu seçimlerin çoğu o zamanlar aşırı veya gereksiz görünüyordu. Geriye dönüp bakıldığında, rakiplerin aşmakta zorlandığı bir engel oluşturdukları anlaşılıyor.

Witt, NVIDIA'nın yükselişinin kaçınılmaz olmadığını açıkça belirtiyor. Şirket birden fazla kez başarısızlığın eşiğine geldi. Onu ileriye taşıyan şey tek bir çığır açıcı buluş değil, hızlandırılmış hesaplamanın sonunda orijinal kullanım alanının çok ötesinde önem kazanacağına dair sürdürülen bir inançtı.

CUDA ve Yapay Zekanın Köken Hikayesi (Birçoğu Kaçırdı)

En önemli katkılarından biri şudur: Düşünme Makinesi Bu, CUDA'nın yapay zeka tarihindeki rolünü yeniden şekillendirme biçimidir.

Bu kitabı okumadan önce, şunu düşünmek kolaydır: CUDA Sadece başarılı bir geliştirici aracı olarak değil, Witt'in gösterdiği gibi neden çok daha fazla ilgiyi hak ediyor. CUDA, paralel hesaplamayı grafiklerin dışında da kullanılabilir hale getirmek için yaratıldı. CUDA'dan önce, genel hesaplama için GPU'ları kullanmak, problemleri grafiklere özgü arayüzler aracılığıyla çözmeyi gerektiriyordu. Bu kırılgan, verimsiz ve uzmanlarla sınırlıydı.

CUDA, geliştiricilerin GPU'ları tanıdık programlama modelleri kullanarak programlamasına olanak tanıyarak bunu değiştirdi. Binlerce işlem çekirdeği genel bir kaynak olarak erişilebilir hale geldi. Bu, yüksek performanslı bilgi işlemeye giriş engelini, o zamanlar çok az kişinin tam olarak takdir ettiği bir şekilde düşürdü.

Bu noktada kitap, yapay zeka tarihini öğrenme deneyimimle güçlü bir şekilde örtüştü. Okuduğum anlatı büyük ölçüde modeller ve algoritmalar üzerine odaklanmıştı. Düşünme Makinesi Burada açıkça görülen şey, bu fikirlerin çoğunun ancak araştırmacıların bunları büyük ölçekte eğitebilmeleri durumunda pratik hale gelmiş olmasıdır.

Yapay zeka araştırmacıları, sinir ağlarının paralel hesaplama için neredeyse mükemmel bir eşleşme olduğunu hızla fark ettiler. Eğitim, büyük veri kümeleri üzerinde aynı işlemleri tekrarlamayı ve zaman içinde milyonlarca veya milyarlarca parametreyi ayarlamayı içerir. CUDA, bu sürecin CPU'lardan çok daha hızlı, daha ucuz ve daha güvenilir bir şekilde gerçekleşmesini sağladı.

Bu durum, özellikle derin öğrenmenin hızlanması ve daha sonra transformatör tabanlı modellerin ortaya çıkmasıyla daha da önem kazandı. Transformatörler ölçeklenebilirlik sayesinde gelişir. GPU hızlandırması olmadan, günümüzün yapay zeka ortamını tanımlayan modellerin çoğu teorik kalır veya aşırı pahalı olurdu. CUDA bu mimarileri icat etmedi, ancak hızlı evrimlerini mümkün kıldı.

Witt'in özellikle iyi yakaladığı nokta, bu sonucun tamamen planlanmış olmamasıdır. CUDA bilimsel hesaplama için geliştirilmişti. Yapay zeka araştırmacıları onun gücünü keşfetti ve NVIDIA'yı yapay zeka yarışının merkezine çekti.

Algoritmalardan Önce Altyapı

Kitabın en değerli içgörülerinden biri, yapay zekâdaki ilerlemenin fikirler kadar altyapı tarafından da kısıtlandığıdır. Birçok popüler yaklaşım algoritmalara, eğitim yöntemlerine ve veri kümelerine odaklanmaktadır. Düşünme Makinesi Yeterli hesaplama yapılmadığı takdirde bunların hiçbirinin önemi olmadığını okuyucuya hatırlatır.

Bu açıdan bakıldığında, modern yapay zeka patlaması Daha az ani ve daha çok gecikmeli görünüyor. Sinir ağları on yıllardır vardı. Değişen şey, onları anlamlı ölçekte eğitebilecek donanımın kullanılabilirliğiydi.

NVIDIA sadece daha hızlı çipler sunmakla kalmadı. Zaman içinde birbirini güçlendiren bir donanım, yazılım kütüphaneleri ve geliştirici araçları ekosistemi kurdu. Araştırmacılar çalışmalarını NVIDIA platformları için optimize ettikçe, NVIDIA da yapay zeka iş yüklerine daha iyi hizmet verecek şekilde ürünlerini geliştirdi. Bu geri bildirim döngüsü, ham performansın çok ötesine uzanan kalıcı bir avantaj yarattı.

Kitap, günümüzde giderek daha belirgin hale gelen bir gerçeğin altını sessizce çiziyor: Yapay zekâda liderlik, yalnızca araştırma dehasıyla değil, tedarik zincirleri, üretim kapasitesi, yazılım ekosistemleri ve platform kontrolüyle şekilleniyor.

Vizyon, Risk ve Katlanarak Artan Sonuçlar

Witt, NVIDIA'nın hakimiyetinin sonuçlarından kaçınmıyor. Şirket küresel yapay zeka altyapısının temel taşlarından biri haline geldikçe, etkisi de buna paralel olarak artıyor. Jensen Huang'ın hızlandırılmış hesaplamanın teknolojik ilerlemenin bir sonraki aşamasını tanımlayacağına dair inancı, kitabın tamamında kendini gösteriyor.

Ahlak dersi vermek yerine, Düşünme Makinesi Bu çalışma, tutarlı mühendislik ve stratejik kararların zaman içinde nasıl biriktiğine odaklanıyor. NVIDIA, trendleri takip ederek kazanmadı. Erken dönemde paralel hesaplamaya yatırım yaparak, tekrarlanan pazar döngülerine dayanarak ve donanımını vazgeçilmez kılan araçlara aralıksız yatırım yaparak kazandı.

Yapay Zekanın Gerçek Ölçeklenebilirliğini Anlamak İsteyen Okuyucular İçin

Haberin en önemli anlarını zaten bilen okuyucular için Yapay zeka tarihiBu kitap, onların altındaki eksik katmanı tamamlıyor. Bu atılımların neden o dönemde ölçeklenebilir hale geldiğini ve NVIDIA'nın bu süreçte neden bu kadar merkezi bir güç olarak ortaya çıktığını açıklıyor.

Bu kitap, yapay zekayı zekice tasarlanmış modellerden oluşan bir koleksiyon olarak değil, endüstriyel bir sistem olarak anlamak isteyen okuyucular için yazılmıştır. Çiplere, veri merkezlerine ve teknolojik gücü sessizce şekillendiren çoğu zaman görünmez mühendislik kararlarına ilgi duyanlar için oldukça ilgi çekici olacaktır.

Düşünme Makinesi Başarılı olmasının nedeni, yapay zekâ öyküsünü temelden yeniden ele alarak, paralel hesaplama, geliştirici platformları ve uzun vadeli vizyonun modern yapay zekânın bugün üzerinde durduğu temeli nasıl oluşturduğunu göstermesidir.