Nvidia CEO’su yapay zeka çiplerinin Moore Yasasından daha hızlı geliştiğini söylüyor

Nvidia CEO’su Jensen Huang, şirketinin yapay zeka çiplerinin performansının, onlarca yıldır bilgisayar gelişimini yönlendiren Moore Yasası tarafından belirlenen tarihsel oranlardan daha hızlı ilerlediğini söylüyor.

Huang, Salı günü Las Vegas’taki CES’te 10.000 kişilik bir kalabalığa açılış konuşmasını yaptıktan sonra TechCrunch ile yaptığı röportajda “Sistemlerimiz Moore Yasasından çok daha hızlı ilerliyor” dedi.

Intel’in kurucu ortağı Gordon Moore tarafından 1965 yılında ortaya atılan Moore Yasası, bilgisayar çiplerindeki transistör sayısının her yıl kabaca iki katına çıkacağını, yani bu çiplerin performansının aslında iki katına çıkacağını öngörüyordu. Bu tahmin büyük ölçüde sonuç verdi ve on yıllar boyunca yeteneklerde hızlı ilerlemelere ve maliyetlerin düşmesine neden oldu.

Son yıllarda Moore Yasası yavaşladı. Ancak Huang, Nvidia’nın yapay zeka çiplerinin kendi hızlarında ilerlediğini iddia ediyor; Şirket, en son veri merkezi süper çipinin, AI çıkarım iş yüklerini çalıştırmada önceki nesle göre 30 kattan daha hızlı olduğunu söylüyor.

Huang, “Mimariyi, çipi, sistemi, kitaplıkları ve algoritmaları aynı anda oluşturabiliriz” dedi. “Bunu yaparsanız Moore Yasasından daha hızlı ilerleyebilirsiniz çünkü tüm yığında yenilik yapabilirsiniz.”

Nvidia CEO’sunun cesur iddiası, birçok kişinin yapay zekanın ilerlemesinin durup durmadığını sorguladığı bir dönemde ortaya çıktı. Google, OpenAI ve Anthropic gibi önde gelen AI laboratuvarları, AI modellerini eğitmek ve çalıştırmak için Nvidia’nın AI çiplerini kullanıyor ve bu çiplerdeki gelişmeler muhtemelen AI modeli yeteneklerinde daha fazla ilerlemeye dönüşecek.

Bu, Huang’ın Nvidia’nın Moore Yasasını aştığını öne sürdüğü ilk sefer değil. Kasım ayındaki bir podcast’te Huang, yapay zeka dünyasının “hiper Moore Yasası”na ayak uydurduğunu öne sürdü.

Huang, yapay zekanın ilerlemesinin yavaşladığı fikrini reddediyor. Bunun yerine artık üç aktif yapay zeka ölçeklendirme yasasının olduğunu iddia ediyor: ön eğitim, yapay zeka modellerinin büyük miktarda veriden kalıpları öğrendiği ilk eğitim aşaması; insan geri bildirimi gibi yöntemleri kullanarak bir yapay zeka modelinin yanıtlarına ince ayar yapan eğitim sonrası; ve çıkarım aşamasında meydana gelen ve yapay zeka modeline her sorudan sonra “düşünmesi” için daha fazla zaman veren test süresi hesaplaması.

Huang, TechCrunch’a “Moore Yasası bilgi işlem tarihinde çok önemliydi çünkü bilgi işlem maliyetlerini düşürdü” dedi. “Performansı artırdığımız çıkarımda da aynı şey olacak ve sonuç olarak çıkarımın maliyeti daha az olacak.”

(Elbette Nvidia, yapay zeka patlamasından yararlanarak dünyadaki en değerli şirket haline geldi, bu yüzden Huang’ın bunu söylemesi faydalı oluyor.)

Nvidia’nın H100’leri yapay zeka modellerini eğitmek isteyen teknoloji şirketlerinin tercih ettiği çipti, ancak artık teknoloji şirketleri çıkarımlara daha fazla odaklandığı için bazıları Nvidia’nın pahalı çiplerinin hâlâ zirvede kalıp kalmayacağını sorguladı.

Test zamanı hesaplamasını kullanan yapay zeka modellerinin bugün çalıştırılması pahalıdır. Test süresi hesaplamasının büyütülmüş bir versiyonunu kullanan OpenAI’nin o3 modelinin çoğu insanın kullanamayacağı kadar pahalı olacağına dair endişeler var. Örneğin OpenAI, genel zeka testinde insan düzeyinde puanlar elde etmek için o3’ü kullanarak görev başına yaklaşık 20 ABD doları harcadı. ChatGPT Plus aboneliğinin bir aylık kullanımın maliyeti 20 ABD dolarıdır.

Huang, Pazartesi günkü açılış konuşmasında Nvidia’nın en yeni veri merkezi süper çipi GB200 NVL72’yi bir kalkan gibi sahneye kaldırdı. Bu çip, AI çıkarım iş yüklerini çalıştırmada Nvidia’nın önceki en çok satan çipi H100’e göre 30 ila 40 kat daha hızlıdır. Huang, bu performans artışının, çıkarım aşamasında önemli miktarda hesaplama kullanan OpenAI’nin o3 gibi yapay zeka akıl yürütme modellerinin zamanla daha ucuz olacağı anlamına geldiğini söylüyor.

Huang, genel olarak daha performanslı çipler yaratmaya odaklandığını ve daha performanslı çiplerin uzun vadede daha düşük fiyatlar yaratacağını söylüyor.

Huang, TechCrunch’a şunları söyledi: “Hem performans hem de uygun maliyet açısından test süresi hesaplaması için doğrudan ve acil çözüm, bilgi işlem yeteneğimizi artırmaktır.” Uzun vadede, yapay zeka modellerinin eğitim öncesi ve eğitim sonrası için daha iyi veriler oluşturmak amacıyla yapay zeka akıl yürütme modellerinin kullanılabileceğini belirtti.

Kısmen Nvidia gibi donanım şirketlerinin bilgi işlem alanındaki atılımları nedeniyle geçen yıl yapay zeka modellerinin fiyatlarının düştüğünü kesinlikle gördük. Huang, OpenAI’den gördüğümüz ilk versiyonların oldukça pahalı olmasına rağmen, bunun AI akıl yürütme modelleriyle devam etmeyi beklediği bir trend olduğunu söylüyor.

Daha genel anlamda Huang, bugünkü AI çiplerinin 10 yıl öncesine göre 1000 kat daha iyi olduğunu iddia etti. Huang, bu hızın Moore Yasası tarafından belirlenen standarttan çok daha hızlı olduğunu ve yakın zamanda duracağına dair bir işaret görmediğini söylüyor.

TechCrunch’ın yapay zeka odaklı bir haber bülteni var! Her Çarşamba gelen kutunuza almak için buradan kaydolun.