Tutti abbiamo sentito parlare delle leggi di Moore, soprattutto la prima legge di Moore che può essere scritta come:
Il numero di transistori nei processori raddoppia ogni 18 mesi
La complessità di un microcircuito, misurata ad esempio tramite il numero di transistor per chip, raddoppia ogni 18 mesi (e quadruplica quindi ogni 3 anni).
L'evidenza sperimentale ha confermato tale legge dagli anni 70 fino ad oggi, l'andamento dello sviluppo tecnologico in questo senso viene riprodotto in modo piuttosto corretto.
La legge di Moore tuttavia non può continuare all'infinito! È chiaro che si incontreranno dei limiti sia tecnici che fisici:
- limiti tecnici: fino a quanto può spingersi la miniaturizzazione dei componenti? Ammesso che sia possibile proseguire ancora, a quali costi?
- limiti fisici: lo smaltimento del calore diventerà un problema insostenibile, oltre un certo livello di miniaturizzazione: la tecnologia non potrà comunque prescindere dai vincoli imposti dalle leggi della fisica
La legge di Moore è ancora applicabile, ma probabilmente per pochi anni. Si sta già pensando a formule alternative, che meglio descrivono quello che potrà essere l'andamento futuro.
È stata proposta la Legge di Huang, proposta da NVIDIA (Bill Dally, Chief Scientist di NVIDIA). L'idea è quella che le prestazioni dei computer potranno comunque migliorare anche una volta raggiunti i limiti imposti dalla Legge di Moore, infatti le strade di ottimizzazione sono moltissime: nuovi algoritmi, sistemi più efficienti di immagazzinamento e gestione della memoria, agendo su ognuno di questi componenti sia software che hardware, si possono sempre ottenere benefici anche se un singolo elemento (dimensione dei transistor) ha già raggiunto il "livello limite".
I risultati già ottenuti da Billy Dally e NVIDIA sono notevoli, soprattutto grazie all'Intelligenza Artificiale. Da hwupgrade.it:
in 10 anni è riuscito a migliorare di 1000 volte le prestazioni di una singola GPU nell'inferenza dell'intelligenza artificiale
Definire quindi una nuova legge e un nuovo approccio, rispetto a quello focalizzato unicamente sui transistor, al giorno d'oggi è probabilmente la scelta migliore, più attuale e di validità generale, come detto ciò che porta al risultato complessivo di prestazioni, dipende da moltissimi fattori, potenzialmente tutti ottimizzabili.
Vediamo infine un'immagine tratta dal sito ufficiale blogs.nvidia.com, che spiega anche i dettagli dello studio.
