[GeForce] থেকে কৃত্রিম বুদ্ধিমত্তা [AI]: [CUDA] নিয়ে [NVIDIA]-র সিদ্ধান্ত কেন কোম্পানির ভবিষ্যৎ বদলে দিল?
ভূমিকা: আজকের লাভ ছেড়ে কি আগামী দিনের কম্পিউটিং জগৎ গড়া যায়?
একটি কোম্পানি এমন একটি সক্ষমতার জন্য বিপুল অর্থ ব্যয় করে, যা গ্রাহকেরা তখনই চাইছেন না। সেটি যোগ করলে উৎপাদন খরচ বাড়ে, অথচ গ্রাহকেরা তার জন্য বাড়তি দাম দিতে রাজি নন। তবু কোম্পানি পিছিয়ে আসে না। কারণ তার লক্ষ্য শুধু নতুন পণ্য বিক্রি নয়; এমন একটি গণনা-মঞ্চ [Computing Platform] গড়া, যার ওপর অন্যেরা ভবিষ্যতে নিজেদের সৃষ্টি নির্মাণ করতে পারবেন।
[GeForce] গ্রাফিক্স প্রসেসরে [GPU] [CUDA] আনার সময় [NVIDIA]-র সিদ্ধান্তের ভিত্তি ছিল এটিই। জেনসেন হুয়াং [Jensen Huang] যেমন ব্যাখ্যা করেছেন, সিদ্ধান্তটি তাৎক্ষণিক সাফল্য আনেনি। বরং খরচ, মুনাফার ওপর চাপ এবং দীর্ঘ অপেক্ষা এনেছিল। কিন্তু পরে তা গভীর শিক্ষণ [Deep Learning] বৃদ্ধির অন্যতম ভিত্তি হয়ে ওঠে।
1. সীমিত কাজের গতি বাড়ানো থেকে বিস্তৃত গণনা-মঞ্চে [Computing Platform]
শুরুতে [NVIDIA] ছিল একটি নির্দিষ্ট কাজ দ্রুত করার কোম্পানি। এই বিশেষ দক্ষতা তাকে শক্তি দিয়েছিল। তবে সংকীর্ণ বাজারের ওপর নির্ভরতা তার গবেষণা ও উন্নয়নের [Research and Development] ক্ষমতাকেও সীমিত করতে পারত।
এখানে একটি দ্বন্দ্ব ছিল। বিশেষ একটি কাজের জন্য অতিরিক্ত বিশেষায়িত হলে বিস্তৃত গণনার কাজ কঠিন হতে পারে। আবার সব কিছু করার চেষ্টায় মূল বিশেষ দক্ষতা হারাতে পারে। হুয়াংয়ের পদ্ধতি ছিল এই দুই অবস্থার মধ্যে ধাপে ধাপে এগোনো।
তিনি প্রথম ধাপ হিসেবে প্রোগ্রামযোগ্য পিক্সেল শেডারের [Programmable Pixel Shader] কথা বলেন। এরপর শেডারে [Shaders] মান-সঙ্গত 32-বিট ভাসমান-বিন্দু গণনা [IEEE-compatible FP32] আসে। তখন গবেষকেরা প্রশ্ন করেন, গ্রাফিক্সের জন্য বানানো প্রসেসর দিয়ে অন্য গণনাও করা যায় কি না।
এরপর আসে [C] প্রোগ্রামিং ভাষাভিত্তিক [Cg]। সেই যাত্রা শেষ পর্যন্ত [CUDA]-য় পৌঁছায়। তাই এটি এক দিনে তৈরি কোনো জাদুকরি সমাধান নয়; একটি প্রযুক্তিগত সক্ষমতার সঙ্গে পরেরটি যুক্ত করার ধারাবাহিক যাত্রা।
2. [CUDA] তৈরির চেয়ে সেটিকে কোথায় পৌঁছানো হলো, তা বেশি গুরুত্বপূর্ণ
চমৎকার প্রযুক্তি তৈরি করলেই মানুষ নিজে থেকে ব্যবহার শুরু করে না। তার জন্য প্রোগ্রাম লেখার উন্নয়নকারী [Developers] এবং তাঁদের লেখা প্রোগ্রাম ব্যবহার করতে সক্ষম বিপুল মানুষ দরকার।
একটি গণনা-মঞ্চের [Computing Platform] শক্তি শুধু নকশার সৌন্দর্যে নয়; আগে থেকেই কত মানুষের কাছে সেটি আছে, তাতেও। হুয়াং একে বিদ্যমান ব্যবহারের ভিত্তির [Installed Base] গুরুত্ব হিসেবে ব্যাখ্যা করেন।
তিনি [x86] স্থাপত্যের উদাহরণ দেন, যা সমালোচনা সত্ত্বেও ব্যাপক ব্যবহারের শক্তিতে টিকে ছিল। তাঁর মতে, সুন্দর নকশার কিছু সংক্ষিপ্ত নির্দেশনা-সমষ্টির স্থাপত্য [RISC Architectures] প্রত্যাশিত সাফল্য পায়নি। এর অর্থ সব [RISC] নকশা ব্যর্থ হয়েছিল নয়। মূল কথা হলো, শুধু প্রযুক্তিগত সৌন্দর্য কোনো মঞ্চের সাফল্য নিশ্চিত করে না।
তখন [GeForce] বছরে কয়েক মিলিয়ন বিক্রি হচ্ছিল। তাই নতুন গণনাক্ষমতা মানুষের কাছে পৌঁছানোর প্রস্তুত পথ [NVIDIA]-র হাতে ছিল।
3. প্রতিটি [GeForce] প্রসেসরে [CUDA]: ব্যবহারকারীরা চাওয়ার আগেই তৈরি ভিত্তি
[CUDA] শুধু কিছু দামি গবেষণা-যন্ত্রে সীমিত রাখা যেত। কিন্তু তা হলে সেটি ব্যবহার করার সুযোগ খুব কম মানুষের থাকত।
তার বদলে কোম্পানি [GeForce]-এর মাধ্যমে বহুলপ্রাপ্য ব্যক্তিগত কম্পিউটারে [PC] এই সক্ষমতা পৌঁছানোর সিদ্ধান্ত নেয়। খেলার জন্য কেনা পণ্যেও গবেষণার সুযোগ ছিল। কোনো শিক্ষার্থী, বিশ্ববিদ্যালয়ের পরীক্ষাগার বা নিজের কম্পিউটার বানানো গবেষক হাতে থাকা যন্ত্রেই নতুন গণনা পরীক্ষা করতে পারতেন।
এ থেকে বোঝা উচিত নয় যে [CUDA] সব কম্পিউটারে চলত। বক্তব্য হলো, [GeForce]-এর বিদ্যমান ব্যবহারের ভিত্তিকে [Installed Base] প্রাথমিক ভিত্তি করে আরও বেশি মানুষের কাছে সক্ষমতাটি পৌঁছানো হয়েছিল।
হুয়াং বলেন, শুধু যন্ত্র দেওয়া নয়, বিশ্ববিদ্যালয়ে গিয়ে পড়ানো, বই লেখা ও ক্লাস চালানোর উদ্যোগও ছিল। একটি মঞ্চ তৈরি পণ্য বিক্রিতে শেষ হয় না; সেটি ব্যবহার করার জ্ঞান ও সম্প্রদায়ও তৈরি করতে হয়।
4. তাৎক্ষণিক মূল্য: বাড়তি খরচ ও চাপে মুনাফা
এই সিদ্ধান্তের অর্থনৈতিক বোঝা সামান্য ছিল না। হুয়াং স্মরণ করেন, [CUDA] যোগ করায় প্রসেসরের খরচ প্রায় 50 শতাংশ বাড়ে, যখন কোম্পানি প্রায় 35 শতাংশ মোট মুনাফার হারে [Gross Margin] চলছিল।
গেম খেলোয়াড়েরা যে গণনাক্ষমতা ব্যবহার করেন না, তার জন্য বাড়তি দাম দিতেন না। তাই কোম্পানিকে খরচ বহন করতে হয়। হুয়াংয়ের বর্ণনায় তা কোম্পানির সম্পূর্ণ মোট মুনাফার অর্থমূল্য [Gross Profit Dollars] গ্রাস করার মতো বড় ছিল।
এই দুই শতাংশ সরাসরি বিয়োগ করে কোম্পানির আর্থিক অবস্থা নির্ধারণ করা যায় না। একটির ভিত্তি উৎপাদন খরচ; অন্যটি আয় থেকে হিসাব করা মুনাফার হার। তিনি সহজ অঙ্ক নয়, ভবিষ্যতের মঞ্চের জন্য আজকের উপার্জন ছাড়ার কঠিন পরিস্থিতি তুলে ধরছেন।
তিনি আনুমানিক স্মরণ করেন, কোম্পানির বাজার মূলধন [Market Capitalisation] তখন প্রায় ছয় থেকে আট বিলিয়ন মার্কিন ডলার ছিল, পরে প্রায় দেড় বিলিয়নে নামে। এগুলো তাঁর স্মৃতিনির্ভর অনুমান। পুরো পরিবর্তনের একমাত্র কারণ [CUDA] ছিল, এমন সিদ্ধান্ত নেওয়া যায় না।
তবু প্রত্যাশিত ফল পেতে প্রায় এক দশক লেগেছিল বলে তাঁর মন্তব্য গুরুত্বপূর্ণ। সিদ্ধান্তটি পরের ত্রৈমাসিকের আয়ের জন্য নেওয়া হয়নি।
5. এই সিদ্ধান্ত কেন গভীর শিক্ষণের [Deep Learning] ভিত্তি হয়েছিল?
নতুন গবেষণার কঠিন বাধা হলো যন্ত্র পাওয়ার খরচ ও অসুবিধা। বহু মানুষের কাছে থাকা যন্ত্রেই নতুন পরীক্ষা শুরু করা গেলে সেই বাধার কিছুটা কমে।
[GeForce]-এর মাধ্যমে ছড়ানো [CUDA] গবেষকদের একই ধরনের প্রোগ্রামিং পরিবেশে [Programming Environment] পরীক্ষা করার ভিত্তি দেয়। সেখানে তৈরি জ্ঞান, প্রোগ্রাম ও অভিজ্ঞতা পরের কাজেও কাজে লাগে।
গভীর শিক্ষণ [Deep Learning] বাড়ার সময় তার বিশাল সমান্তরাল গণনার [Parallel Computing] উপযুক্ত যন্ত্র এবং সেগুলো চালাতে জানা মানুষ আগে থেকেই ছিল। এটি ছিল গুরুত্বপূর্ণ অগ্রগতি।
গভীর শিক্ষণের [Deep Learning] সম্পূর্ণ ইতিহাস কোনো এক কোম্পানি বা যন্ত্রের ওপর নির্ভর করে না। কিন্তু প্রয়োজনীয় গণনা-মঞ্চ [Computing Platform] ব্যাপকভাবে সহজলভ্য করায় এই সিদ্ধান্তের গুরুত্বপূর্ণ স্থান আছে। তাই হুয়াং জোর দেন যে [NVIDIA] হলো [GeForce]-এর গড়া ঘর।
6. প্রযুক্তিগত সিদ্ধান্তের আগে তৈরি বিশ্বাস
একজন নেতার মনে ভবিষ্যৎ স্পষ্ট থাকতে পারে। কিন্তু পরিচালনা পর্ষদ, কর্মকর্তারা, কর্মীরা, গ্রাহক ও সহযোগীরা গ্রহণ না করলে শুধু সেই স্পষ্টতা যথেষ্ট নয়।
হুয়াং তাঁর পদ্ধতিকে ধাপে ধাপে যুক্তি ব্যাখ্যা করা বলেন। নতুন তথ্য, গবেষণার অগ্রগতি বা প্রকৌশলগত সাফল্য এলেই তিনি আশপাশের মানুষকে বোঝান, ভবিষ্যতের দিকনির্দেশনার সঙ্গে সেটি কীভাবে যুক্ত।
বড় সিদ্ধান্ত ঘোষণার দিন সবার কাছে আকস্মিক ধাক্কা হওয়া উচিত নয়। বরং তাঁর মতে, ভিত্তি আগে থেকেই এতটা প্রস্তুত থাকা উচিত যে মানুষ ভাববেন, এত দিন লাগল কেন।
[CUDA]-র সিদ্ধান্তের পেছনেও এমন দীর্ঘমেয়াদি বিশ্বাস ও ধৈর্য ছিল। প্রযুক্তির পথ বাছার পাশাপাশি তার খরচ বহনকারী কোম্পানিকেও যাত্রার জন্য প্রস্তুত করতে হয়েছিল।
7. শুধু পণ্য নয়, সহযোগীরা গড়তে পারেন এমন মঞ্চ
[NVIDIA]-র নিজেকে মঞ্চ-ভিত্তিক কোম্পানি [Platform Company] মনে করার দৃষ্টিভঙ্গিও গুরুত্বপূর্ণ। এর কেন্দ্রে আছে প্রতিটি স্তরে অন্য কোম্পানিকে অবদান রাখা ও একসঙ্গে নির্মাণের জায়গা দেওয়া।
এর অর্থ তার সব প্রোগ্রাম উন্মুক্ত উৎসের [Open Source] নয়। সহযোগীদের একসঙ্গে নির্মাণের সুযোগ দেওয়া এবং উৎস কোড [Source Code] সবার জন্য খুলে দেওয়া আলাদা বিষয়।
ভালো মঞ্চ শুধু নির্মাতা কোম্পানির কারণে বাড়ে না। গবেষক, উন্নয়নকারী [Developers], কোম্পানি ও শিক্ষাপ্রতিষ্ঠানের তৈরি ব্যবহারিক প্রয়োগও তাকে বাড়ায়। [CUDA]-র সিদ্ধান্ত এই বৃদ্ধির দরজা খুলেছিল।
8. আজকের শিক্ষা: শুধু একটি প্রসেসর দ্রুত করলেই হয় না
বড় আকারের বণ্টিত গণনার কাজের চাপে [Distributed Workloads] একটি অংশ দ্রুত করলে পুরো ব্যবস্থা একই হারে দ্রুত হয় না। আমডালের সূত্র [Amdahl's Law] তা ব্যাখ্যা করে।
ধরা যাক, কোনো কাজের সময়ের শুধু অর্ধেক অংশ উন্নত করা যায়। সেই অর্ধেক যতই দ্রুত হোক, অপরিবর্তিত বাকি অর্ধেক থাকবে। উন্নত অংশ একেবারেই সময় না নিলেও পুরো কাজের গতি সর্বোচ্চ দ্বিগুণ হতে পারে।
তাই গ্রাফিক্স প্রসেসর [GPU], কেন্দ্রীয় প্রসেসর [CPU], নেটওয়ার্ক ব্যবস্থা [Networking], স্মৃতি [Memory], বিদ্যুৎ সরবরাহ [Power] এবং শীতলীকরণ [Cooling] পরস্পরের উপযোগী করে নকশা করতে হয়। হুয়াং একে অত্যন্ত ঘনিষ্ঠ যৌথ নকশা [Extreme Co-design] বলেন।
এখানে প্রথম দিকের [CUDA] সিদ্ধান্তের সঙ্গে ধারাবাহিকতা দেখা যায়। একটি আলাদা যন্ত্রের ক্ষমতা যথেষ্ট নয়; তার ব্যবহারকারী পুরো পরিবেশকে একসঙ্গে বাড়তে হবে।
উপসংহার: ভবিষ্যতের ব্যবহার সৃষ্টি করা সিদ্ধান্ত
[CUDA] চালুর গুরুত্ব শুধু নতুন প্রোগ্রামিং সুবিধা আসা নয়। এর গভীর তাৎপর্য হলো, আগে থেকেই ব্যাপক বিক্রি হওয়া [GeForce]-এর সঙ্গে সেটি যুক্ত করে ভবিষ্যতের ব্যবহারকারীদের হাতে আগেই পৌঁছে দেওয়া।
শুধু তখনকার খরচ দেখলে সিদ্ধান্তটি ভুল মনে হতে পারত। কিন্তু [NVIDIA] বুঝেছিল, গণনা-মঞ্চের [Computing Platform] মূল্য অন্যেরা তার ওপর যে প্রয়োগ তৈরি করবেন, সেখানেও আছে।
প্রযুক্তি, ব্যাপক সহজলভ্যতা, শিক্ষা, উন্নয়নকারী সম্প্রদায় [Developer Community] এবং কোম্পানির ধৈর্য একসঙ্গে নতুন সুযোগ সৃষ্টি করে। পরে সুযোগটি কৃত্রিম বুদ্ধিমত্তার [AI] বৃদ্ধির সঙ্গে যুক্ত হয়। [CUDA]-র সিদ্ধান্ত এই শিক্ষা দেয়: আগামী দিনের বড় পরিবর্তনের জন্য এমন ভিত্তি চাই, যার ওপর বহু মানুষ আজই নির্মাণ শুরু করতে পারেন।
Powered By K7