[GeForce] से कृत्रिम बुद्धिमत्ता [AI] तक: [CUDA] पर [NVIDIA] के निर्णय ने कंपनी का भविष्य क्यों बदल दिया?
भूमिका: क्या आज का लाभ छोड़कर कल की कंप्यूटिंग दुनिया बनाई जा सकती है?
एक कंपनी ऐसी क्षमता पर बड़ी राशि खर्च करती है जिसकी ग्राहक तुरंत मांग नहीं कर रहे। उसे जोड़ने से उत्पादन लागत बढ़ती है, लेकिन ग्राहक अतिरिक्त कीमत देने को तैयार नहीं। फिर भी कंपनी पीछे नहीं हटती। उसका उद्देश्य केवल नया उत्पाद बेचना नहीं, बल्कि ऐसा कंप्यूटिंग मंच [Computing Platform] बनाना है जिस पर भविष्य में दूसरे लोग अपनी रचनाएं तैयार कर सकें।
[GeForce] ग्राफिक्स प्रोसेसर [GPU] में [CUDA] लाने के [NVIDIA] के निर्णय का आधार यही था। जेनसन हुआंग [Jensen Huang] ने बताया कि इससे तत्काल सफलता नहीं मिली। इसके बजाय लागत, लाभ पर दबाव और लंबा इंतजार आया। बाद में यही निर्णय गहन शिक्षण [Deep Learning] के विकास की बुनियादों में से एक बना।
1. सीमित कार्य के त्वरक से व्यापक कंप्यूटिंग मंच [Computing Platform] तक
शुरुआत में [NVIDIA] किसी विशेष कार्य को तेज करने वाली कंपनी थी। इस विशेषज्ञता ने उसे ताकत दी। लेकिन केवल सीमित बाजार पर निर्भरता अनुसंधान और विकास [Research and Development] की उसकी क्षमता को सीमित भी कर सकती थी।
यहां एक विरोधाभास था। किसी खास काम के लिए अत्यधिक विशेषीकृत होने पर व्यापक कंप्यूटिंग कार्य कठिन हो सकते थे। सब कुछ करने की कोशिश में शुरुआती विशेष क्षमता खो सकती थी। हुआंग का तरीका इन दोनों स्थितियों के बीच धीरे-धीरे आगे बढ़ना था।
वे प्रोग्राम योग्य पिक्सेल शेडर [Programmable Pixel Shader] को पहला कदम बताते हैं। फिर शेडरों [Shaders] में मानक-संगत 32-बिट फ्लोटिंग-पॉइंट गणना [IEEE-compatible FP32] आई। शोधकर्ताओं ने पूछा कि क्या ग्राफिक्स के लिए बना प्रोसेसर अन्य गणनाएं भी कर सकता है।
इसके बाद [C] प्रोग्रामिंग भाषा पर आधारित [Cg] आया। यह यात्रा अंततः [CUDA] तक पहुंची। इसलिए यह एक दिन में बना जादुई समाधान नहीं था, बल्कि एक तकनीकी क्षमता को अगली से जोड़ने की निरंतर यात्रा थी।
2. केवल [CUDA] बनाना नहीं, उसे कहां पहुंचाया गया, यह महत्वपूर्ण था
बेहतरीन तकनीक बना देने से लोग अपने आप उसका उपयोग नहीं करने लगते। उसके लिए प्रोग्राम लिखने वाले विकासकर्ता [Developers] और उन प्रोग्रामों का उपयोग कर सकने वाले बहुत से लोग चाहिए।
कंप्यूटिंग मंच [Computing Platform] की ताकत केवल सुंदर डिजाइन में नहीं, बल्कि इस बात में भी है कि वह पहले से कितने लोगों के पास है। हुआंग इसे स्थापित उपयोगकर्ता आधार [Installed Base] का महत्व कहते हैं।
वे [x86] संरचना का उदाहरण देते हैं, जो आलोचना के बावजूद व्यापक उपयोग के कारण टिकी रही। उनके अनुसार कुछ सुंदर ढंग से तैयार सीमित निर्देश-समूह संरचनाओं [RISC Architectures] को अपेक्षित सफलता नहीं मिली। इसका अर्थ यह नहीं कि सभी [RISC] डिजाइन असफल हुए। मुख्य बात यह है कि तकनीकी सुंदरता अकेले किसी मंच की सफलता सुनिश्चित नहीं करती।
तब [GeForce] की सालाना बिक्री पहले ही लाखों इकाइयों में थी। इसलिए नई कंप्यूटिंग क्षमता लोगों तक पहुंचाने का तैयार रास्ता [NVIDIA] के पास था।
3. हर [GeForce] प्रोसेसर में [CUDA]: उपयोगकर्ताओं की मांग से पहले तैयार बुनियाद
[CUDA] को केवल महंगी शोध मशीनों तक सीमित रखा जा सकता था। लेकिन ऐसा करने पर बहुत कम लोगों को उसकी पहुंच मिलती।
इसके बजाय कंपनी ने [GeForce] के जरिए यह क्षमता व्यापक रूप से उपलब्ध व्यक्तिगत कंप्यूटरों [PC] तक पहुंचाई। गेम खेलने के लिए खरीदे उत्पाद में शोध का अवसर भी था। विद्यार्थी, विश्वविद्यालय की प्रयोगशाला या अपना कंप्यूटर बनाने वाला शोधकर्ता पहले से उपलब्ध उपकरण पर नई गणनाएं आजमा सकता था।
इसे यह नहीं समझना चाहिए कि [CUDA] हर कंप्यूटर पर चलता था। आशय यह है कि [GeForce] के स्थापित उपयोगकर्ता आधार [Installed Base] को शुरुआती बुनियाद बनाकर यह क्षमता अधिक लोगों तक पहुंचाई गई।
हुआंग बताते हैं कि उपकरण देने के अलावा विश्वविद्यालयों में पढ़ाना, किताबें लिखना और कक्षाएं चलाना भी हुआ। मंच बनाना उसका उत्पाद बेचने पर समाप्त नहीं होता; उसे उपयोग करने वाला ज्ञान और समुदाय भी तैयार करना पड़ता है।
4. तत्काल कीमत: बढ़ी लागत और दबाव में लाभ
इस निर्णय का आर्थिक बोझ छोटा नहीं था। हुआंग याद करते हैं कि [CUDA] जोड़ने से प्रोसेसर की लागत करीब 50 प्रतिशत बढ़ी, जबकि कंपनी लगभग 35 प्रतिशत सकल लाभ मार्जिन [Gross Margin] पर काम कर रही थी।
गेम खेलने वाले उस गणना क्षमता के लिए अतिरिक्त कीमत नहीं देते जिसका वे उपयोग नहीं करते। इसलिए कंपनी को लागत उठानी पड़ी। हुआंग के अनुसार यह कंपनी की पूरी सकल लाभ राशि [Gross Profit Dollars] निगलने जितनी बड़ी थी।
इन दोनों प्रतिशतों को सीधे घटाकर कंपनी की वित्तीय स्थिति नहीं निकाली जा सकती। एक का आधार उत्पादन लागत है; दूसरा राजस्व से निकाला गया लाभ मार्जिन। उनका मुद्दा साधारण गणित नहीं, भविष्य के मंच के लिए मौजूदा कमाई त्यागने की कठिन स्थिति है।
वे मोटे तौर पर याद करते हैं कि कंपनी का बाजार पूंजीकरण [Market Capitalisation] लगभग 6 से 8 अरब अमेरिकी डॉलर था, जो बाद में करीब 1.5 अरब अमेरिकी डॉलर रह गया। ये उनकी स्मृति-आधारित अनुमानित संख्याएं हैं। इससे यह निष्कर्ष नहीं निकलता कि पूरे बदलाव का अकेला कारण [CUDA] था।
फिर भी उनका यह कहना महत्वपूर्ण है कि अपेक्षित लाभ मिलने में लगभग एक दशक लगा। यह निर्णय अगली तिमाही की कमाई के लिए नहीं था।
5. यह निर्णय गहन शिक्षण [Deep Learning] की बुनियाद क्यों बना?
नए शोध की एक कठिन बाधा उपकरण प्राप्त करने की लागत और परेशानी है। यदि पहले से उपलब्ध उपकरण पर नया प्रयोग शुरू हो सके तो उस बाधा का कुछ हिस्सा घट जाता है।
[GeForce] के साथ फैले [CUDA] ने शोधकर्ताओं को एक समान प्रोग्रामिंग परिवेश [Programming Environment] में प्रयोग करने की बुनियाद दी। वहां बना ज्ञान, प्रोग्राम और अनुभव आगे के प्रयासों में भी उपयोगी हुआ।
जब गहन शिक्षण [Deep Learning] बढ़ा, तब उसकी बड़ी समानांतर गणनाओं [Parallel Computing] के अनुकूल उपकरण और उनका उपयोग जानने वाले लोग पहले से मौजूद थे। यह महत्वपूर्ण बढ़त थी।
गहन शिक्षण [Deep Learning] का पूरा इतिहास केवल एक कंपनी या उपकरण पर निर्भर नहीं है। फिर भी आवश्यक कंप्यूटिंग मंच [Computing Platform] व्यापक रूप से उपलब्ध कराने में इस निर्णय का महत्वपूर्ण स्थान है। इसलिए हुआंग [NVIDIA] को [GeForce] द्वारा बनाया गया घर कहने पर जोर देते हैं।
6. तकनीकी निर्णय से पहले तैयार किया गया विश्वास
नेता के मन में भविष्य स्पष्ट हो सकता है। लेकिन निदेशक मंडल, अधिकारी, कर्मचारी, ग्राहक और साझेदार उसे स्वीकार न करें तो वह स्पष्टता पर्याप्त नहीं।
हुआंग अपना तरीका क्रमशः कारण समझाना बताते हैं। जब भी नई जानकारी, शोध की प्रगति या इंजीनियरिंग उपलब्धि मिलती है, वे आसपास के लोगों को बताते हैं कि उसका भविष्य की दिशा से क्या संबंध है।
बड़ा निर्णय घोषित होने के दिन सबको अचानक झटका नहीं लगना चाहिए। उनके अनुसार उसकी बुनियाद पहले से इतनी तैयार हो कि लोग सोचें, इसमें इतना समय क्यों लगा।
[CUDA] के निर्णय के पीछे भी ऐसा दीर्घकालीन विश्वास और धैर्य था। तकनीकी रास्ता चुनने के साथ उसकी लागत उठाने वाली कंपनी को भी यात्रा के लिए तैयार करना पड़ा।
7. केवल उत्पाद नहीं, ऐसा मंच जिस पर साझेदार निर्माण कर सकें
[NVIDIA] का खुद को मंच कंपनी [Platform Company] मानना भी महत्वपूर्ण है। इस दृष्टिकोण के केंद्र में हर स्तर पर दूसरी कंपनियों को योगदान और मिलकर निर्माण करने का अवसर देना है।
इसका अर्थ यह नहीं कि उसके सभी प्रोग्राम मुक्त स्रोत [Open Source] हैं। साझेदारों को साथ बनाने का अवसर देना और स्रोत कोड [Source Code] सार्वजनिक करना अलग बातें हैं।
एक अच्छा मंच केवल उसे बनाने वाली कंपनी से नहीं बढ़ता। शोधकर्ताओं, विकासकर्ताओं [Developers], कंपनियों और शिक्षण संस्थानों के उस पर बनाए अनुप्रयोग भी उसे बढ़ाते हैं। [CUDA] के निर्णय ने इस विकास का द्वार खोला।
8. आज की सीख: केवल एक प्रोसेसर को तेज करना पर्याप्त नहीं
बड़े वितरित कंप्यूटिंग कार्यभारों [Distributed Workloads] में केवल एक हिस्से को तेज करने से पूरा तंत्र उतने अनुपात में तेज नहीं होता। अम्डाल का नियम [Amdahl's Law] यही समझाता है।
मान लीजिए किसी काम में लगने वाले समय के केवल आधे हिस्से को सुधारा जा सकता है। उसे कितना भी तेज कर दें, बिना बदला दूसरा आधा बना रहेगा। सुधरा हिस्सा बिल्कुल समय न ले तब भी पूरे काम की गति अधिकतम दोगुनी ही होगी।
इसलिए ग्राफिक्स प्रोसेसर [GPU], केंद्रीय प्रोसेसर [CPU], नेटवर्क व्यवस्था [Networking], स्मृति [Memory], बिजली आपूर्ति [Power] और शीतलन [Cooling] को परस्पर अनुकूल बनाना चाहिए। हुआंग इसे अत्यंत निकट संयुक्त डिजाइन [Extreme Co-design] कहते हैं।
यहां शुरुआती [CUDA] निर्णय से निरंतरता दिखती है। किसी अकेले उपकरण की क्षमता पर्याप्त नहीं; उसका उपयोग करने वाला पूरा परिवेश साथ विकसित होना चाहिए।
निष्कर्ष: भविष्य के उपयोग पैदा करने वाला निर्णय
[CUDA] आने का महत्व केवल नई प्रोग्रामिंग सुविधा नहीं था। गहरा महत्व उसे पहले से बड़ी मात्रा में बिक रहे [GeForce] से जोड़कर भविष्य में उपयोग करने वाले लोगों तक अग्रिम पहुंचाने में था।
केवल तत्काल लागत देखते तो यह निर्णय गलत लग सकता था। लेकिन [NVIDIA] समझता था कि कंप्यूटिंग मंच [Computing Platform] का मूल्य उन अनुप्रयोगों में भी है जो दूसरे उस पर बनाएंगे।
तकनीक, व्यापक पहुंच, शिक्षा, विकासकर्ता समुदाय [Developer Community] और कंपनी के धैर्य ने मिलकर नया अवसर बनाया। बाद में वह कृत्रिम बुद्धिमत्ता [AI] के विकास से जुड़ा। [CUDA] का निर्णय यही सिखाता है: कल के बड़े बदलाव के लिए ऐसी बुनियाद चाहिए जिस पर बहुत से लोग आज निर्माण शुरू कर सकें।
Powered By K7