برای چندین دهه، تراشه های کامپیوتری که ruهمه چیز از رایانه های شخصی گرفته تا سفینه های فضایی به طرز قابل توجهی شبیه به هم هستند. اما با کاهش سرعت قانون مور، رهبران صنعت در حال حرکت به سمت آن هستند تراشه های تخصصیکه کارشناسان می گویند تهدیدی برای تضعیف نیروهای اقتصادی است که به رشد سریع تکنولوژیکی ما دامن می زنند.
اولین کامپیوترها اغلب برای انجام کارهای بسیار خاص طراحی شده بودند، و حتی اگر بتوان آنها را دوباره برنامه ریزی کرد، اغلب نیاز به سیم کشی مجدد فیزیکی سختی دارد. اما در سال 1945، جان فون نویمان، دانشمند کامپیوتر، معماری جدیدی را پیشنهاد کرد که به رایانه اجازه می‌داد تا برنامه‌های مختلف زیادی را روی سخت‌افزار زیرین یکسان ذخیره و اجرا کند.
این ایده به سرعت پذیرفته شد و «معماری فون نیومن» زیربنای اکثریت قاطع پردازنده‌های ساخته شده از آن زمان بوده است. به همین دلیل است که با وجود سرعت‌های پردازش بسیار متفاوت، تراشه‌های موجود در لپ‌تاپ شما و تراشه‌های موجود در یک ابرکامپیوتر کم و بیش یکسان عمل می‌کنند و بر اساس اصول طراحی بسیار مشابه هستند.
این امر باعث شد کامپیوترها به چیزی معروف شوند "عمومی-فناوری هدف.” اینها نوآوری هایی هستند که می توانند در بخش های وسیعی از اقتصاد اعمال شوند و می توانند تأثیرات عمیقی بر جامعه داشته باشند. و یکی از ویژگی های این فناوری ها این است که معمولاً از یک چرخه اقتصادی با فضیلت بهره می برند که سرعت توسعه آنها را افزایش می دهد.
هنگامی که پذیرندگان اولیه شروع به خرید یک فناوری می کنند، درآمدی ایجاد می کند که می تواند به محصولات در حال توسعه بیشتر بازگردد. این امر قابلیت‌های محصول را افزایش می‌دهد و قیمت‌ها را کاهش می‌دهد، به این معنی که افراد بیشتری می‌توانند از این فناوری استفاده کنند و به دور بعدی پیشرفت کمک کند.
با یک فناوری گسترده مانند کامپیوترها، این چرخه می تواند برای چندین دهه تکرار شود و در واقع همینطور است. این نیروی اقتصادی بوده است که باعث پیشرفت سریع کامپیوترها در 50 سال گذشته و ادغام آنها در تقریباً هر صنعتی قابل تصور شده است.
اما در یک جدید مقاله در ارتباطات ACM, دانشمندان علوم کامپیوتر نیل تامپسون و سونیا اسپانوت استدلال می کنند که این حلقه بازخورد مثبت اکنون در حال پایان است، که به زودی ممکن است به پایان برسد.خواندن به قطعه قطعه شده محاسبه صنعت که در آن برخی از برنامه ها همچنان شاهد پیشرفت هستند، اما برخی دیگر در یک مسیر کند فناوری گیر می کنند.
دلیل این پراکندگی کند شدن سرعت نوآوری در تراشه های کامپیوتری است که مشخصه آن کندی است مرگ قانون مور، میگویند. با نزدیک شدن به محدودیت های فیزیکی of چقدر ما می‌توانیم تراشه‌های سیلیکونی را کوچک کنیم که همه رایانه‌های تجاری به آنها تکیه می‌کنند، زمان لازم برای هر جهش در قدرت پردازش به طور قابل توجهی افزایش یافته است و هزینه دستیابی به آن بالا رفته است.
کند شدن نوآوری به این معنی است که کاربران جدید کمتری از این فناوری استفاده می کنند، که به نوبه خود میزان پولی که سازندگان تراشه برای تأمین بودجه توسعه جدید دارند را کاهش می دهد. این یک چرخه خودتقویت‌کننده ایجاد می‌کند که به‌طور پیوسته جذابیت اقتصادی تراشه‌های جهانی را کاهش می‌دهد و پیشرفت فنی را بیشتر کند می‌کند.
در واقعیت، نویسندگان خاطرنشان می‌کنند که هزینه ساخت کارخانه‌های ریخته‌گری تراشه‌های پیشرفته نیز به‌طور چشمگیری افزایش یافته است و فشار بیشتری بر صنعت وارد می‌کند. برای مدتی، عدم تطابق بین رشد بازار و افزایش هزینه ها باعث شده است که تعداد تراشه سازان از 25 در سال 2003 به فقط افزایش یابد. 3 توسط 2017.
به گفته نویسندگان، از آنجایی که عملکرد آهسته افزایش می‌یابد، این موضوع باعث می‌شود تراشه‌های تخصصی جذاب‌تر شوند. تصمیمات طراحی که تراشه‌ها را جهانی می‌کنند، می‌توانند برای کارهای محاسباتی خاص، به‌ویژه آن‌هایی که می‌توانند بسیاری از محاسبات را به صورت موازی انجام دهند، با دقت کمتری انجام شوند یا محاسبات آنها در فواصل زمانی منظم انجام شود، کمتر از حد مطلوب باشد.
تراشه‌های ساختمانی که مخصوص این نوع کارها طراحی شده‌اند، اغلب می‌توانند عملکرد قابل توجهی را افزایش دهند، اما اگر آنها فقط بازارهای کوچکی داشته باشند، معمولاً کندتر بهبود می‌یابند. و هزینه بیشتری داشته باشد نسبت به تراشه های جهانی به همین دلیل است که جذب آنها از لحاظ تاریخی کم بوده است، اما با کاهش سرعت پیشرفت تراشه جهانی، این روند شروع به تغییر کرده است.
به گفته نویسندگان، امروزه همه پلتفرم‌های محاسباتی بزرگ، از گوشی‌های هوشمند گرفته تا ابررایانه‌ها و تراشه‌های تعبیه‌شده، در حال تخصصی‌تر شدن هستند. ظهور GPU به عنوان نیروی کار یادگیری ماشین - و به طور فزاینده of ابر رایانه - بارزترین مثال است. از آن زمان، شرکت‌های فناوری پیشرو مانند گوگل و آمازون حتی شروع به ساخت تراشه‌های یادگیری ماشین سفارشی خود کرده‌اند، مانند استخراج‌کنندگان بیت‌کوین.
چه هفتمis به این معنی است که کسانی که تقاضای کافی برای برنامه های کاربردی خود دارند، که می توانند از تخصص بهره مند شوند، شاهد افزایش عملکرد مداوم خواهند بود. But جایی که تخصص یک گزینه نیست، عملکرد تراشه است نویسندگان می گویند که احتمالا به طور قابل توجهی راکد خواهد شد.
تغییر به رایانش ابری می‌تواند با کاهش تقاضا برای پردازنده‌های تخصصی به کاهش اندکی این فرآیند کمک کند، اما به‌طور واقع‌بینانه‌تر، پیشرفت بزرگی در فناوری محاسبات خواهد داشت تا ما را به چرخه‌ای که در 50 سال گذشته از آن لذت برده‌ایم برگرداند. سال ها.
با توجه به مزایای عظیمی که جوامع ما از بهبود روزافزون قدرت محاسباتی به دست آورده اند، ایجاد چنین پیشرفتی باید یک اولویت اصلی باشد.
تصویر های اعتباری: توبیاس دالبرگ از جانب Pixabay
