Огляд книги: «Мислювальна машина: Дженсен Хуанг, NVIDIA та найбажаніший у світі мікрочіп» Стівена Вітта

Мисляча машина: Дженсен Хуанг, NVIDIA та найбажаніший у світі мікрочіп відрізняється від більшості книг, написаних про штучний інтелект, оскільки підходить до теми з точки зору, яку багато технічно грамотних читачів, включаючи мене, історично недооцінювали.

Як і в багатьох людей, які роками стежать за штучним інтелектом, моє розуміння цієї галузі формувалося знайомими віхами. Історія зазвичай починається в 1956 рік з майстернею в Дартмуті, переходить від ранніх символічних систем до таких знакових моментів, як система IBM Deep Blue перемагає Гаррі Каспарова, DeepMind освоює Go, а нещодавно OpenAI демонстрував, що великі мовні моделі можуть координувати стратегію в складних багатокористувацьких середовищах. Ці моменти приносять інтелектуальне задоволення та їх легко запам'ятати, оскільки вони зосереджені на видимих ​​перемогах.

Що книга Стівена Вітта робить надзвичайно добре, так це ставить під сумнів це формулювання. Замість того, щоб зосереджуватися на моментах, коли штучний інтелект вразив світ, Мисляча машина зосереджується на менш помітному шарі під цими досягненнями. У ньому переконливо стверджується, що сучасна ера штучного інтелекту була розблокована не лише завдяки розумним ідеям, а й завдяки фундаментальній зміні в тому, як самі обчислення виконувалися.

Зосередивши розповідь на NVIDIA (NVDA + 0.47%) та його співзасновника Дженсена Хуанга, Вітт переосмислює революцію штучного інтелекту як історію про обчислювальну архітектуру, екосистеми розробників та довгострокові переконання. Результатом є не просто корпоративна біографія, а відсутній розділ у ширшій історії штучного інтелекту.

Від відеоігор до нової обчислювальної парадигми

Початки NVIDIA далекі від високих амбіцій, які зараз пов'язані зі штучним інтелектом. Компанія виник у 1993 році як виробник графічних чіпів, зосереджувався на рендерингу дедалі реалістичніших світів відеоігор. На той час проблемою був не інтелект, а швидкість. Ігри вимагали миттєвого виконання величезної кількості обчислень для імітації світла, руху та глибини.

Рішення, яке обрала NVIDIA, було паралельні обчислення. Паралельні обчислення означають виконання багатьох обчислень одночасно, а не послідовно. Замість того, щоб покладатися на одне потужне ядро, яке обробляє одну інструкцію за іншою, графічні процесори використовують тисячі менших ядер, які одночасно працюють над подібними математичними операціями. Цей підхід особливо потужний для робочих навантажень, які передбачають повторення тих самих обчислень на великих наборах даних.

Спочатку ця архітектура була створена для графіки. Однак Вітт показує, як це рішення непомітно створило ідеальну основу для нейронних мереж десятиліттями пізніше. Навчання сучасних моделей штучного інтелекту передбачає величезну кількість ідентичних математичних операцій, що застосовуються до величезних обсягів даних. Графічні процесори вже були оптимізовані саме для такої роботи.

Ця частина книги переконлива тим, наскільки чітко Вітт пов'язує вибір технічного дизайну з виживанням. NVIDIA обрала паралельні обчислення не тому, що передбачала штучний інтелект. Вона обрала їх, тому що це був єдиний спосіб конкурувати в графіці реального часу. Ця необхідність змусила компанію опанувати обчислювальну модель, яка згодом виявилася трансформаційною далеко за межами ігор.

Дженсен Хуанг та мислення системно, а не продуктами

У центрі цієї історії — Дженсен Хуанг, зображений не як звичайний керівник, а як людина, яка послідовно мислила системами, а не окремими продуктами. Вітт зображує Хуанг як вимогливого, напруженого та часто складного, але також надзвичайно послідовного у своєму сприйнятті технологій протягом тривалих періодів часу.

У той час як конкуренти ставилися до графічних процесорів як до одноразових компонентів, прив'язаних до ігрових циклів, Хуан ставився до них як до основи ширшої обчислювальної платформи. Ця відмінність стає критично важливою. Продукти замінюються. Платформи поєднуються.

Внутрішньо NVIDIA відображала цей спосіб мислення. Інженерів заохочували думати на роки вперед. Програмне забезпечення вважалося таким же стратегічно важливим, як і кремній. Інвестиції в інструменти та підтримку розробників здійснювалися задовго до того, як з'явився чіткий попит. Багато з цих рішень на той час здавалися надмірними або непотрібними. Озираючись назад, можна сказати, що вони створили рів, який конкуренти намагалися подолати.

Вітт чітко дає зрозуміти, що злет NVIDIA не був неминучим. Компанія не раз була близька до провалу. Вперед її рухав не окремий прорив, а стійка віра в те, що прискорені обчислення зрештою матимуть значення далеко за межами початкового сценарію використання.

CUDA та історія походження штучного інтелекту, яку багато хто пропустив

Один з найважливіших внесків Мисляча машина саме так це переосмислює роль CUDA в історії штучного інтелекту.

Перш ніж читати цю книгу, легко подумати про CUDA як просто успішний інструмент розробника. Вітт показує, чому він заслуговує на набагато більше уваги. CUDA була створена, щоб зробити паралельні обчислення придатними для використання поза графікою. До появи CUDA використання графічних процесорів для загальних обчислень вимагало примусового вирішення проблем через специфічні графічні інтерфейси. Це було крихким, неефективним і обмеженим для фахівців.

CUDA змінила це, дозволивши розробникам програмувати графічні процесори, використовуючи звичні моделі програмування. Тисячі обчислювальних ядер стали доступними як загальний ресурс. Це знизило бар'єр входу для високопродуктивних обчислень таким чином, що мало хто повною мірою розумів це на той час.

Саме тут книга сильно перегукувалася з моїм власним досвідом вивчення історії штучного інтелекту. Наратив, який я засвоїла, значною мірою зосереджувався на моделях та алгоритмах. Що Мисляча машина чітко видно, що багато з цих ідей стали практичними лише після того, як дослідники змогли реально навчити їх масштабно.

Дослідники штучного інтелекту швидко зрозуміли, що нейронні мережі майже ідеально підходять для паралельних обчислень. Навчання передбачає повторення тих самих операцій на великих наборах даних, коригуючи мільйони або мільярди параметрів з часом. CUDA дозволила зробити цей процес швидше, дешевше та надійніше, ніж будь-коли могли робити центральні процесори.

Це стало особливо важливим із прискоренням глибокого навчання, а пізніше з появою моделей на основі трансформаторів. Трансформатори процвітають у масштабі. Без прискорення на графічному процесорі багато моделей, що визначають сучасний ландшафт штучного інтелекту, залишилися б теоретичними або надмірно дорогими. CUDA не винайшла ці архітектури, але вона зробила можливою їхню швидку еволюцію.

Вітт особливо добре вловив той факт, що цей результат не був повністю спланований. CUDA була створена для наукових обчислень. Дослідники штучного інтелекту виявили її потужність і втягнули NVIDIA в центр перегонів ШІ.

Інфраструктура понад алгоритми

Одним із найцінніших висновків книги є те, що прогрес штучного інтелекту обмежується як інфраструктурою, так і ідеями. Багато популярних теорій зосереджуються на алгоритмах, навчальних прийомах та наборах даних. Мисляча машина нагадує читачеві, що нічого з цього не має значення без достатніх обчислень.

З цієї точки зору, бум сучасного штучного інтелекту здається менш раптовим і більш затриманим. Нейронні мережі існували десятиліттями. Що змінилося, так це доступність обладнання, здатного навчати їх у значних масштабах.

NVIDIA не просто забезпечила швидші чіпи. Вона створила екосистему апаратного забезпечення, програмних бібліотек та інструментів розробника, які з часом підкріплювали одне одного. У міру того, як дослідники оптимізували свою роботу для платформ NVIDIA, NVIDIA вдосконалювала свої продукти, щоб краще обслуговувати робочі навантаження штучного інтелекту. Цей цикл зворотного зв'язку створив довготривалу перевагу, яка виходила далеко за рамки чистої продуктивності.

Книга непомітно підкреслює реальність, яка сьогодні стає дедалі очевиднішою: лідерство у сфері штучного інтелекту формується ланцюгами поставок, виробничими потужностями, програмними екосистемами та контролем платформи, а не лише блискучими дослідницькими досягненнями.

Бачення, ризик та посилення наслідків

Вітт не цурається наслідків домінування NVIDIA. Оскільки компанія стає основоположною для глобальної інфраструктури штучного інтелекту, її вплив відповідно зростає. Переконання Дженсена Хуанга в тому, що прискорені обчислення визначатимуть наступний етап технологічного прогресу, пронизує всю книгу.

Замість того, щоб моралізувати, Мисляча машина зосереджується на тому, як послідовні інженерні та стратегічні рішення ускладнювалися з часом. NVIDIA перемогла не завдяки переслідуванню тенденцій. Вона перемогла завдяки ранньому переходу на паралельні обчислення, витримці повторюваних ринкових циклів та невпинним інвестуванням в інструменти, які зробили її обладнання незамінним.

Для читачів, які хочуть зрозуміти, як ШІ насправді масштабується

Для читачів, які вже знають головні моменти Історія штучного інтелекту, ця книга заповнює відсутній шар під ними. Вона пояснює, чому ці прориви могли масштабуватися саме тоді, коли це сталося, і чому NVIDIA стала такою центральною рушійною силою в цьому процесі.

Ця книга для читачів, які хочуть зрозуміти штучний інтелект як промислову систему, а не як набір розумних моделей. Вона знайде відгук у тих, хто цікавиться чіпами, центрами обробки даних та часто непомітними інженерними рішеннями, які непомітно формують технологічну потужність.

Мисляча машина успішний, оскільки він переосмислює історію штучного інтелекту з нуля, показуючи, як паралельні обчислення, платформи для розробників та довгострокове бачення заклали фундамент, на якому зараз стоїть сучасний штучний інтелект.