چگونه ابررایانش طبق گفته جک دونگارا تکامل خواهد یافت

ابررایانش با عملکرد بالا – که زمانی حوزه انحصاری تحقیقات علمی بود – اکنون به یک منبع استراتژیک برای آموزش مدل‌های هوش مصنوعی (AI) با پیچیدگی فزاینده تبدیل شده است. این همگرایی هوش مصنوعی و محاسبات با عملکرد بالا (HPC) نه تنها این فناوری‌ها را بازتعریف می‌کند، بلکه شیوه‌های تولید دانش را نیز تغییر می‌دهد و جایگاه استراتژیکی در چشم‌انداز جهانی به خود می‌گیرد.

برای بحث در مورد نحوه تکامل HPC، در ماه ژوئیه WIRED با جک دونگارا، دانشمند کامپیوتر آمریکایی که در چهار دهه گذشته سهم کلیدی در توسعه نرم‌افزار HPC داشته است – تا حدی که در سال ۲۰۲۱ جایزه معتبر تورینگ را از آن خود کرد – گفتگو کرد. این جلسه در هفتاد و چهارمین جلسه برندگان جایزه نوبل در لینداو، آلمان برگزار شد، که ده‌ها برنده نوبل و همچنین بیش از ۶۰۰ دانشمند نوظهور از سراسر جهان را گرد هم آورده بود.

این مصاحبه برای طول و وضوح ویرایش شده است.

WIRED: نقش هوش مصنوعی و محاسبات کوانتومی در توسعه علمی و فناوری در سال‌های آینده چه خواهد بود؟

جک دونگارا: من می‌گویم که هوش مصنوعی در حال حاضر نقش مهمی در نحوه انجام علم ایفا می‌کند: ما از هوش مصنوعی به روش‌های مختلفی برای کمک به کشف علمی استفاده می‌کنیم. از آن در زمینه محاسبات و کمک به ما برای تقریب رفتار چیزها استفاده می‌شود. بنابراین من هوش مصنوعی را راهی برای به دست آوردن یک تقریب و سپس شاید اصلاح تقریب با تکنیک‌های سنتی می‌دانم.

امروزه ما تکنیک‌های سنتی برای مدل‌سازی و شبیه‌سازی داریم و اینها روی کامپیوترها اجرا می‌شوند. اگر مشکل بسیار سختی دارید، به یک ابررایانه روی می‌آورید تا بفهمید چگونه راه حل را محاسبه کنید. هوش مصنوعی این کار را سریع‌تر، بهتر و کارآمدتر خواهد کرد.

هوش مصنوعی فراتر از علم نیز تأثیر خواهد داشت – اهمیت آن بیشتر از اینترنت در زمان ظهورش خواهد بود. در کارهایی که انجام می‌دهیم بسیار فراگیر خواهد شد. به روش‌های بسیار زیادی که امروز واقعاً کشف نکرده‌ایم، استفاده خواهد شد. کاربرد آن بیشتر از نقشی خواهد بود که اینترنت در ۱۵، ۲۰ سال گذشته ایفا کرده است.

محاسبات کوانتومی (Quantum computing) جالب است. واقعاً حوزه‌ای فوق‌العاده برای تحقیق است، اما احساس من این است که راه درازی در پیش داریم. امروز ما نمونه‌هایی از کامپیوترهای کوانتومی را داریم – سخت‌افزار همیشه زودتر از نرم‌افزار می‌رسد – اما این نمونه‌ها بسیار ابتدایی هستند. در مورد یک کامپیوتر دیجیتال، ما به انجام یک محاسبه و دریافت یک پاسخ فکر می‌کنیم. اما کامپیوتر کوانتومی به جای آن یک توزیع احتمال (probability distribution) از محل پاسخ را به ما می‌دهد، و شما تعدادی اجرا (run) روی کامپیوتر کوانتومی انجام می‌دهید، و آن تعدادی راه حل بالقوه برای مسئله به شما می‌دهد، اما پاسخ را به شما نخواهد داد. بنابراین متفاوت خواهد بود.

با محاسبات کوانتومی، آیا در یک لحظه از «هیاهو» گرفتار شده‌ایم؟

فکر می‌کنم متأسفانه بیش از حد فروخته شده است – هیاهوی زیادی با کوانتوم همراه است. نتیجه آن معمولاً این است که مردم در مورد آن هیجان‌زده می‌شوند، و سپس هیچ یک از وعده‌های داده شده را برآورده نمی‌کند، و سپس هیجان فروکش می‌کند.

ما این را قبلاً دیده‌ایم: هوش مصنوعی این چرخه را طی کرده و بهبود یافته است. و اکنون امروز هوش مصنوعی یک چیز واقعی است. مردم از آن استفاده می‌کنند، بهره‌ور است و به روشی بسیار قابل توجه به همه ما کمک خواهد کرد. من فکر می‌کنم کوانتوم باید از آن زمستان (winter) عبور کند، جایی که مردم از آن دلسرد خواهند شد، نادیده‌اش می‌گیرند، و سپس افراد باهوشی خواهند بود که می‌فهمند چگونه از آن استفاده کنند و چگونه آن را با چیزهای سنتی رقابتی‌تر کنند.

مسائل زیادی وجود دارد که باید حل شوند. کامپیوترهای کوانتومی به راحتی مختل می‌شوند. آنها خطاهای (faults) زیادی خواهند داشت – به دلیل ماهیت شکننده محاسبات، خراب می‌شوند. تا زمانی که نتوانیم چیزها را در برابر این خرابی‌ها مقاوم‌تر کنیم، کاری را که امیدواریم انجام دهد، نخواهد کرد. فکر نمی‌کنم هرگز لپ‌تاپ کوانتومی داشته باشیم. ممکن است اشتباه کنم، اما قطعاً فکر نمی‌کنم در طول عمر من اتفاق بیفتد.

کامپیوترهای کوانتومی همچنین به الگوریتم‌های کوانتومی (quantum algorithms) نیاز دارند، و امروز ما الگوریتم‌های بسیار کمی داریم که می‌توانند به طور مؤثر روی یک کامپیوتر کوانتومی اجرا شوند. بنابراین محاسبات کوانتومی در مراحل اولیه خود است، و به همراه آن زیرساختی که از کامپیوتر کوانتومی استفاده خواهد کرد. بنابراین الگوریتم‌های کوانتومی، نرم‌افزار کوانتومی، تکنیک‌هایی که داریم، همه آنها بسیار ابتدایی هستند.

چه زمانی می‌توانیم انتظار انتقال از سیستم‌های سنتی به کوانتومی را داشته باشیم – اگر اصلا چنین انتقالی رخ دهد؟

امروزه مراکز ابررایانش (supercomputing centers) بسیاری در سراسر جهان داریم که دارای کامپیوترهای بسیار قدرتمندی هستند. اینها کامپیوترهای دیجیتال هستند. گاهی اوقات کامپیوتر دیجیتال با چیزی برای افزایش عملکرد – یک شتاب‌دهنده (accelerator) – تقویت می‌شود. امروز این شتاب‌دهنده‌ها GPU یا واحدهای پردازش گرافیکی (Graphics Processing Units) هستند. GPU کاری را بسیار خوب انجام می‌دهد و فقط همان کار را به خوبی انجام می‌دهد، برای انجام همان کار معماری شده است. در گذشته، این برای گرافیک مهم بود؛ امروز ما در حال بازسازی آن هستیم تا بتوانیم از GPU برای برآوردن برخی از نیازهای محاسباتی که داریم استفاده کنیم.

در آینده، فکر می‌کنم CPU و GPU را با دستگاه‌های دیگری تقویت خواهیم کرد. شاید کوانتوم (quantum) دستگاه دیگری باشد که به آن اضافه کنیم. شاید نورومورفیک (neuromorphic) باشد – محاسباتی که نوعی تقلید از نحوه عملکرد مغز ماست. و سپس کامپیوترهای نوری (optical computers) داریم. پس به تاباندن نور فکر کنید و اینکه آن نور تداخل (interfere) کند، و تداخل اساساً همان محاسبه‌ای است که می‌خواهید انجام دهد. به یک کامپیوتر نوری فکر کنید که دو پرتو نور را می‌گیرد، و در نور اعداد کدگذاری شده‌اند، و هنگامی که آنها در این دستگاه محاسباتی با هم تعامل می‌کنند، یک خروجی تولید می‌کنند که ضرب آن اعداد است. و این با سرعت نور اتفاق می‌افتد. بنابراین فوق‌العاده سریع است. پس این یک دستگاه است که شاید بتواند در این دستگاه کامپیوتری CPU، GPU، کوانتوم، نورومورفیک جای بگیرد. اینها همه چیزهایی هستند که شاید بتوانند با هم ترکیب شوند.

رقابت ژئوپلیتیکی کنونی – بین چین، ایالات متحده و فراتر از آن – چگونه بر توسعه و اشتراک‌گذاری فناوری تأثیر می‌گذارد؟

ایالات متحده در حال محدود کردن فروش سطح خاصی از محاسبات به چین است. به عنوان مثال، فروش قطعات خاصی از Nvidia دیگر در آنجا مجاز نیست. اما آنها به مناطق اطراف چین فروخته می‌شوند، و وقتی به دیدن همکاران چینی خود می‌روم و نگاه می‌کنم که در کامپیوترهایشان چه دارند، قطعات Nvidia زیادی دارند. بنابراین یک مسیر غیررسمی وجود دارد.

در عین حال، چین از خرید فناوری غربی به سرمایه‌گذاری در فناوری خودش روی آورده و بودجه بیشتری را به تحقیقات لازم برای پیشبرد آن اختصاص داده است. شاید این محدودیت تحمیل شده، نتیجه معکوس داشته و باعث شده چین توسعه قطعاتی را که می‌تواند بسیار بیشتر از قبل کنترل کند، سرعت بخشد.

چینی‌ها همچنین تصمیم گرفته‌اند که اطلاعات مربوط به ابررایانه‌هایشان نباید تبلیغ شود. ما در مورد آنها می‌دانیم – ظاهرشان، پتانسیلشان و کارهایی که انجام داده‌اند – اما هیچ معیاری وجود ندارد که به ما اجازه دهد به روشی بسیار کنترل شده مقایسه و بنچمارک کنیم که این کامپیوترها چگونه با ماشین‌هایی که ما داریم مقایسه می‌شوند. آنها ماشین‌های بسیار قدرتمندی دارند که احتمالاً با قدرت قابل توجه‌ترین ماشین‌هایی که در ایالات متحده داریم، برابر هستند.

آنها بر اساس فناوری‌ای ساخته شده‌اند که در چین اختراع یا طراحی شده است. آنها تراشه‌های (chips) خود را طراحی کرده‌اند. آنها با تراشه‌هایی که در کامپیوترهای غرب داریم رقابت می‌کنند. و سؤالی که مردم می‌پرسند این است: این تراشه‌ها کجا ساخته (fabricated) شده‌اند؟ بیشتر تراشه‌های مورد استفاده در غرب توسط شرکت تولید نیمه‌رسانای تایوان (Taiwan Semiconductor Manufacturing Company) یا TSMC ساخته می‌شوند. چین فناوری‌ای دارد که یک یا دو نسل از فناوری TSMC عقب‌تر است، اما آنها به آن خواهند رسید.

حدس من این است که برخی از تراشه‌های چینی نیز در تایوان ساخته می‌شوند. وقتی از دوستان چینی‌ام می‌پرسم "تراشه‌های شما کجا تولید شدند؟" می‌گویند چین. و اگر به آنها فشار بیاورم و بگویم "خب، آیا در تایوان تولید شدند؟" پاسخ نهایی که می‌آید این است که تایوان بخشی از چین است.

نقش برنامه‌نویسان و توسعه‌دهندگان با تکامل هوش مصنوعی چگونه تغییر خواهد کرد؟ آیا به نقطه‌ای خواهیم رسید که نرم‌افزار را تنها با استفاده از زبان طبیعی بنویسیم؟

من فکر می‌کنم هوش مصنوعی نقش بسیار مهمی در کمک به حذف برخی از بخش‌های زمان‌بر توسعه برنامه‌ها ایفا می‌کند. این سیستم‌ها تمام اطلاعات مربوط به برنامه‌های دیگران را که در دسترس است جمع‌آوری می‌کنند و سپس آن را سنتز کرده و می‌توانند آن را به جلو سوق دهند. من بسیار تحت تأثیر قرار گرفته‌ام وقتی از برخی از این سیستم‌ها خواسته‌ام قطعه‌ای نرم‌افزار برای انجام یک کار خاص بنویسند؛ هوش مصنوعی کار را بسیار خوب انجام می‌دهد. و سپس می‌توانم آن را با یک دستور دیگر اصلاح کنم و بگویم "این را برای این نوع کامپیوتر بهینه‌سازی کن،" و این کار را نیز بسیار خوب انجام می‌دهد. در آینده، فکر می‌کنم بیشتر و بیشتر از زبان برای توصیف یک داستان به هوش مصنوعی استفاده خواهیم کرد، و سپس از آن خواهیم خواست برنامه‌ای برای انجام آن وظیفه بنویسد.

البته، محدودیت‌هایی وجود دارد – و ما باید در مورد توهمات (hallucinations) یا چیزی که نتایج اشتباهی به ما می‌دهد مراقب باشیم. اما شاید بتوانیم بررسی‌هایی را برای تأیید راه‌حل‌هایی که هوش مصنوعی تولید می‌کند، ایجاد کنیم و از آن به عنوان راهی برای اندازه‌گیری دقت بالقوه آن راه‌حل استفاده کنیم. باید از مشکلات احتمالی آگاه باشیم، اما فکر می‌کنم باید در این جبهه پیش برویم.

این داستان در ابتدا در WIRED ایتالیا منتشر شده و از ایتالیایی ترجمه شده است.