[GeForce] සිට කෘත්‍රිම බුද්ධිය [AI] දක්වා: [CUDA] ගැන [NVIDIA] ගත් තීරණය සමාගමේ අනාගතය වෙනස් කළේ ඇයි?

(CUDA) மற்றும் (GeForce) கணினித் தள வளர்ச்சி

හැඳින්වීම: හෙට පරිගණක ලෝකය ගොඩනැගීමට අද ලාභය අත්හැරිය හැකිද?

සමාගමක් තම පාරිභෝගිකයන් වහාම ඉල්ලා නොසිටින හැකියාවකට විශාල මුදලක් වැය කරයි. එය එක් කිරීමෙන් නිෂ්පාදන වියදම වැඩි වුවත්, පාරිභෝගිකයෝ අමතර මිලක් ගෙවීමට සූදානම් නැත. එහෙත් සමාගම පසුබසින්නේ නැත. එයට අවශ්‍ය අලුත් භාණ්ඩයක් විකිණීම පමණක් නොව, අනාගතයේ අන් අයට තම නිර්මාණ ගොඩනැගිය හැකි පරිගණක වේදිකාවක් [Computing Platform] සැකසීමයි.

[GeForce] රූපක සැකසුම් ඒකකවලට [GPU] [CUDA] ගෙන ඒමේදී [NVIDIA] ගත් තීරණයේ පදනම එයයි. ජෙන්සන් හුවාං [Jensen Huang] පැහැදිලි කළ පරිදි එයින් වහාම සාර්ථකත්වය ලැබුණේ නැත. ඒ වෙනුවට වියදම්, ලාභයට පීඩනය සහ දිගු බලාසිටීමක් ඇති විය. පසුව එය ගැඹුරු ඉගෙනීමේ [Deep Learning] වර්ධනයට පදනමක් විය.

1. සීමිත කාර්යයක වේගවර්ධකයක සිට පුළුල් පරිගණක වේදිකාවකට [Computing Platform]

ආරම්භයේදී [NVIDIA] යනු විශේෂ කාර්යයක් ඉක්මනින් සිදු කළ සමාගමකි. ඒ විශේෂ හැකියාව එයට ශක්තියක් විය. එහෙත් පටු වෙළෙඳපොළක් මත පමණක් රඳා සිටීම පර්යේෂණ හා සංවර්ධන [Research and Development] හැකියාවටද සීමාවක් විය හැකි විය.

මෙහි පරස්පරතාවක් තිබුණි. එක් කාර්යයකට අතිශයින් විශේෂීකරණය වීමෙන් පුළුල් පරිගණක වැඩ අපහසු විය හැක. සියල්ල කිරීමට උත්සාහ කළහොත් මුල් විශේෂ හැකියාව නැති විය හැක. හුවාංගේ ක්‍රමය වූයේ මේ දෙක අතර පියවරෙන් පියවර ගමන් කිරීමයි.

ඔහු පළමු පියවර ලෙස වැඩසටහන්ගත කළ හැකි පික්සල් සෙවනකරණය [Programmable Pixel Shader] දක්වයි. ඉන්පසු සෙවනකරණ ඒකකවලට [Shaders] ප්‍රමිතියට ගැළපෙන බිට් 32 දශම ගණනය [IEEE-compatible FP32] හඳුන්වා දුනි. රූපක සඳහා සැකසූ සකසනය වෙනත් ගණනය කිරීම් සඳහාත් යොදාගත හැකිදැයි පර්යේෂකයෝ විමසූහ.

පසුව [C] ක්‍රමලේඛන භාෂාව පදනම් කරගත් [Cg] පැමිණියේය. ඒ ගමන අවසානයේ [CUDA] දක්වා ගියේය. මෙය එක් දිනක උපන් මායා විසඳුමක් නොව, එක් තාක්ෂණික හැකියාවක් ඊළඟ හැකියාවට සම්බන්ධ කළ අඛණ්ඩ ගමනකි.

2. [CUDA] නිර්මාණය කළාට වඩා එය ගෙන ගිය තැන වැදගත්ය

විශිෂ්ට තාක්ෂණයක් සෑදූ පමණින් ජනතාව එය භාවිත කරන්නට පටන් ගන්නේ නැත. ඒ සඳහා වැඩසටහන් ලියන සංවර්ධකයන් [Developers] සහ එම වැඩසටහන් භාවිත කළ හැකි විශාල පිරිසක් අවශ්‍යය.

පරිගණක වේදිකාවක [Computing Platform] ශක්තිය ඇත්තේ එහි සැලසුමේ අලංකාරය තුළ පමණක් නොවේ. එය දැනටමත් කී දෙනකු සතුව තිබේද යන්නත් වැදගත්ය. හුවාං මෙය ස්ථාපිත භාවිත පදනමේ [Installed Base] වැදගත්කම ලෙස පැහැදිලි කරයි.

ඔහු දක්වන [x86] ව්‍යුහය විවේචන මැදත් පුළුල් භාවිතයේ බලයෙන් පැවතුණි. එහෙත් අලංකාරව සැලසුම් කළ ඇතැම් අඩු උපදෙස් කට්ටල ව්‍යුහවලට [RISC Architectures] අපේක්ෂිත සාර්ථකත්වය නොලැබුණු බව ඔහු කියයි. මෙයින් සියලු [RISC] සැලසුම් අසාර්ථක වූ බව අදහස් නොවේ. ප්‍රධාන කරුණ වන්නේ තාක්ෂණික අලංකාරය පමණක් වේදිකාවක සාර්ථකත්වය සහතික නොකරන බවයි.

ඒ වනවිටත් [GeForce] වසරකට මිලියන ගණනින් අලෙවි විය. එබැවින් නව පරිගණක හැකියාව ජනතාවට ලබාදීමට [NVIDIA] සතුව සූදානම් මාර්ගයක් තිබුණි.

3. සෑම [GeForce] සකසනයකම [CUDA]: පරිශීලකයන් ඉල්ලීමට පෙර සැකසූ පදනම

[CUDA] මිල අධික පර්යේෂණ යන්ත්‍ර කිහිපයකට පමණක් සීමා කළ හැකිව තිබුණි. එසේ කළා නම් එයට ප්‍රවේශ විය හැකි පිරිස ඉතා කුඩා වන්නට ඉඩ තිබුණි.

ඒ වෙනුවට [GeForce] හරහා බහුලව ලැබෙන පෞද්ගලික පරිගණකවලට [PC] එම හැකියාව ගෙන ඒමට සමාගම තීරණය කළේය. ක්‍රීඩා සඳහා මිලදීගත් භාණ්ඩයේ පර්යේෂණ අවස්ථාවක්ද තිබුණි. සිසුවකුට, විශ්වවිද්‍යාල පර්යේෂණාගාරයකට හෝ තමන්ම පරිගණකයක් සකසන පර්යේෂකයකුට දැනට තිබෙන උපකරණයෙන් අලුත් ගණනය කිරීම් අත්හදා බැලිය හැකි විය.

මෙය සෑම පරිගණකයකම [CUDA] ක්‍රියාත්මක වූ බවට වටහා නොගත යුතුය. අදහස වන්නේ [GeForce] හි ස්ථාපිත භාවිත පදනම [Installed Base] ආරම්භක පදනමක් කරගෙන වැඩි දෙනකුට එම හැකියාව ලබාදුන් බවයි.

උපකරණ ලබාදීමෙන් නොනැවතී විශ්වවිද්‍යාලවල ඉගැන්වීම, පොත් ලිවීම සහ පන්ති පැවැත්වීමද කළ බව හුවාං කියයි. වේදිකාවක් තැනීම භාණ්ඩය විකිණීමෙන් අවසන් නොවේ; එය භාවිත කළ හැකි දැනුමත් ප්‍රජාවත් ගොඩනැගිය යුතුය.

4. ක්ෂණික මිල: වැඩි වියදම සහ ලාභයට ඇති වූ පීඩනය

තීරණයේ ආර්ථික බර සුළු නොවීය. හුවාං සිහිපත් කරන්නේ [CUDA] එක් කිරීමෙන් සකසනයේ වියදම ආසන්න වශයෙන් සියයට 50කින් වැඩි වූ බවත්, ඒ වනවිට සමාගම සියයට 35ක පමණ දළ ලාභ ආන්තිකයකින් [Gross Margin] ක්‍රියා කළ බවත්ය.

ක්‍රීඩා පරිශීලකයෝ තමන් භාවිත නොකරන ගණනය හැකියාවකට වැඩිපුර ගෙවන්නේ නැත. එබැවින් සමාගමට වියදම දරාගැනීමට සිදු විය. එය සමාගමේ මුළු දළ ලාභ මුදල [Gross Profit Dollars] ගිලගන්නා තරම් වූ බව ඔහු විස්තර කරයි.

මේ ප්‍රතිශත දෙක සෘජුව අඩු කර සමාගමේ මූල්‍ය තත්ත්වය තීරණය කළ නොහැක. එකක පදනම නිෂ්පාදන වියදමය; අනෙක ආදායමෙන් ගණනය කරන ලාභ ආන්තිකයයි. ඔහු අවධාරණය කරන්නේ සරල ගණිතයක් නොව, හෙට වේදිකාව සඳහා අද ඉපැයීම් කැප කළ යුතු වූ අසීරු තත්ත්වයයි.

සමාගමේ වෙළෙඳපොළ ප්‍රාග්ධනීකරණය [Market Capitalisation] එදා ඇමරිකානු ඩොලර් බිලියන 6ත් 8ත් අතර පමණ වූ බවත් පසුව බිලියන 1.5ක් පමණ දක්වා වැටුණු බවත් ඔහු ආසන්න වශයෙන් සිහිපත් කරයි. මේවා ඔහුගේ මතකය මත පදනම් වූ ඇස්තමේන්තුය. එම මුළු වෙනසට එකම හේතුව [CUDA] යැයි නිගමනය කළ නොහැක.

එසේ වුවත් අපේක්ෂිත ප්‍රතිලාභයට දශකයක් පමණ ගත වූ බව ඔහු කියන කරුණ වැදගත්ය. මෙය ඊළඟ කාර්තුවේ ආදායම සඳහා ගත් තීරණයක් නොවීය.

5. මේ තීරණය ගැඹුරු ඉගෙනීමට [Deep Learning] පදනමක් වූයේ ඇයි?

අලුත් පර්යේෂණයට ඇති දැඩි බාධාවක් නම් උපකරණ වෙත ප්‍රවේශ වීමේ වියදම හා අපහසුවයි. බොහෝ දෙනා සතුව දැනටමත් තිබෙන උපකරණයෙන් නව අත්හදා බැලීමක් ඇරඹිය හැකි නම් ඒ බාධාවෙන් කොටසක් අඩු වේ.

[GeForce] හරහා පැතිරුණු [CUDA], පර්යේෂකයන්ට එකම ආකාරයේ ක්‍රමලේඛන පරිසරයක [Programming Environment] අත්හදා බැලීමට පදනමක් සැකසීය. එහි උපන් දැනුම, වැඩසටහන් සහ අත්දැකීම් ඊළඟ උත්සාහවලටත් යොදාගත හැකි විය.

ගැඹුරු ඉගෙනීම [Deep Learning] වර්ධනය වනවිට එයට අවශ්‍ය දැවැන්ත සමාන්තර ගණනය [Parallel Computing] සඳහා සුදුසු උපකරණත් ඒවා භාවිත කිරීමට දන්නා පිරිසත් දැනටමත් බිහිවී සිටියහ. එය වැදගත් ඉදිරි වාසියක් විය.

ගැඹුරු ඉගෙනීමේ [Deep Learning] සමස්ත ඉතිහාසය එක් සමාගමකට හෝ උපකරණයකට පමණක් සීමා නොවේ. එහෙත් අවශ්‍ය පරිගණක වේදිකාව [Computing Platform] පුළුල්ව ලබාදීමේදී මේ තීරණයට වැදගත් තැනක් ඇත. [NVIDIA] යනු [GeForce] ගොඩනැගූ නිවස බව හුවාං අවධාරණය කරන්නේ එබැවිනි.

6. තාක්ෂණික තීරණයට පෙර ගොඩනැගූ විශ්වාසය

නායකයකුගේ සිතේ අනාගතය පැහැදිලි විය හැක. එහෙත් අධ්‍යක්ෂ මණ්ඩලය, කළමනාකරුවන්, සේවකයන්, පාරිභෝගිකයන් සහ හවුල්කරුවන් එය පිළි නොගන්නේ නම් ඒ පැහැදිලිකම පමණක් ප්‍රමාණවත් නැත.

හුවාං තම ප්‍රවේශය හේතු පියවරෙන් පියවර පැහැදිලි කිරීමක් ලෙස විස්තර කරයි. අලුත් තොරතුරු, පර්යේෂණ ප්‍රගතිය හෝ ඉංජිනේරු ජයග්‍රහණයක් ලැබෙන විට ඒවා අනාගත දිශාවට සම්බන්ධ වන ආකාරය ඔහු වටා සිටින අයට පැහැදිලි කරයි.

විශාල තීරණයක් ප්‍රකාශ කරන දිනය සැමට හදිසි කම්පනයක් නොවිය යුතුය. ඒ වෙනුවට මෙපමණ කාලයක් ගත්තේ ඇයිදැයි ඔවුන් සිතන තරමට එහි පදනම කලින්ම සකසා තිබිය යුතු බව ඔහුගේ අදහසයි.

[CUDA] තීරණය පිටුපසත් එවැනි දිගුකාලීන විශ්වාසය හා ඉවසීම තිබුණි. තාක්ෂණික මාර්ගය තෝරාගැනීම සමඟ එහි වියදම දරන සමාගමද ගමනට සූදානම් කළ යුතු විය.

7. භාණ්ඩයක් පමණක් නොව හවුල්කරුවන්ට ගොඩනැගිය හැකි වේදිකාවක්

[NVIDIA] තමන් වේදිකා සමාගමක් [Platform Company] ලෙස දැකීමද මෙහි වැදගත්ය. ඒ ප්‍රවේශයේ හරය වන්නේ සෑම ස්තරයකම අනෙකුත් සමාගම්වලට දායක වීමටත් එක්ව ගොඩනැගීමටත් ඉඩ සැලසීමයි.

මෙයින් එහි සියලු වැඩසටහන් විවෘත මූලාශ්‍ර [Open Source] ලෙස ලබාදෙන බව අදහස් නොවේ. හවුල්කරුවන්ට එක්ව නිර්මාණය කිරීමේ අවස්ථාව සහ මූලාශ්‍ර කේතය [Source Code] පොදුවේ විවෘත කිරීම වෙනස් දේය.

හොඳ වේදිකාවක් එය තැනූ සමාගමෙන් පමණක් වර්ධනය නොවේ. පර්යේෂකයන්, සංවර්ධකයන් [Developers], සමාගම් සහ අධ්‍යාපන ආයතන ඒ මත තනන යෙදුම්වලින්ද එය වර්ධනය වේ. [CUDA] පිළිබඳ තීරණය ඒ වර්ධනයේ දොර විවෘත කළේය.

8. අද පාඩම: එක් සකසනයක් වේගවත් කිරීම පමණක් ප්‍රමාණවත් නැත

විශාල පරිමාණයෙන් බෙදා සිදු කරන ගණනය කාර්යභාරවලදී [Distributed Workloads], එක් කොටසක් පමණක් වේගවත් කළ විට මුළු පද්ධතියම ඒ අනුපාතයෙන් වේගවත් නොවේ. ඇම්ඩල්ගේ නියමය [Amdahl's Law] මෙය පැහැදිලි කරයි.

කාර්යයකට ගතවන කාලයෙන් අඩක් පමණක් වැඩිදියුණු කළ හැකි යැයි සිතමු. ඒ අඩ කොතරම් වේගවත් කළත් නොවෙනස් කළ ඉතිරි අඩ පවතී. දියුණු කළ කොටසට කිසිදු කාලයක් නොගියත් මුළු කාර්යයේ වේගය උපරිමයෙන් දෙගුණයක් පමණි.

ඒ නිසා රූපක සකසනය [GPU], මධ්‍යම සකසනය [CPU], ජාලකරණය [Networking], මතකය [Memory], බල සැපයුම [Power] සහ සිසිලනය [Cooling] එකිනෙකට ගැළපෙන ලෙස සැලසුම් කළ යුතුය. හුවාං මෙය අතිශය සමීප ඒකාබද්ධ සැලසුම [Extreme Co-design] ලෙස හඳුන්වයි.

මෙහි මුල් [CUDA] තීරණයට සම්බන්ධ අඛණ්ඩතාවක් පෙනේ. තනි උපකරණයක හැකියාව පමණක් ප්‍රමාණවත් නැත. එය භාවිත කරන මුළු පරිසරයම එකට වර්ධනය විය යුතුය.

නිගමනය: අනාගත භාවිත නිර්මාණය කළ තීරණයක්

[CUDA] හඳුන්වාදීමේ වැදගත්කම අලුත් ක්‍රමලේඛන හැකියාවක් පැමිණීම පමණක් නොවේ. ඒ හැකියාව දැනටමත් විශාල ප්‍රමාණයෙන් අලෙවි වූ [GeForce] සමඟ එක්කර, අනාගතයේ එය භාවිත කරන අය වෙත කලින්ම ගෙන යාම එහි ගැඹුරු වැදගත්කමයි.

එදා වියදම පමණක් බැලුවේ නම් මේ තීරණය වැරදි ලෙස පෙනෙන්නට තිබුණි. එහෙත් පරිගණක වේදිකාවක [Computing Platform] වටිනාකම ඒ මත අන් අය තනන යෙදුම් තුළත් ඇති බව [NVIDIA] තේරුම් ගත්තේය.

තාක්ෂණය, පුළුල් ප්‍රවේශය, අධ්‍යාපනය, සංවර්ධක ප්‍රජාව [Developer Community] සහ සමාගමේ ඉවසීම එකතු වූ විට නව අවස්ථාවක් බිහි විය. පසුව එය කෘත්‍රිම බුද්ධියේ [AI] වර්ධනයට සම්බන්ධ විය. [CUDA] තීරණයේ පාඩම මෙයයි: හෙට විශාල වෙනස සඳහා බොහෝ දෙනාට අද සිට ගොඩනැගිය හැකි පදනමක් අවශ්‍යය.

Powered By K7