Sự thay đổi trong "Định luật Moore"

Từ những năm 2010 trở đi, áp lực từ phía người dùng đối với việc thu nhỏ vi mạch (miniaturization) ngày càng tăng mạnh. Trong suốt những năm 2000 trở về trước, sự thu nhỏ của vi mạch bán dẫn và sự cải thiện hiệu năng của máy tính gần như tiến triển với cùng một tốc độ. Hiệu năng này được đo bằng đơn vị “FLOPS” (số phép tính dấu chấm động mỗi giây). Nghĩa là 1 petaflops nghĩa là khả năng thực hiện 1.000 nghìn tỷ phép tính trong một giây.

Theo Định luật Moore, hiệu năng của chất bán dẫn sẽ tăng gấp đôi sau mỗi hai năm, và cùng với đó, khả năng tính toán của máy tính cũng tăng gấp đôi sau mỗi hai năm. Nói cách khác, hai bên cùng “chạy song song” trong một trò chơi hai người nhịp nhàng.

Thế nhưng, giữa cuộc đua ấy, làn sóng AI lần thứ ba đã ập đến.

Vào tháng 9 năm 2012, tại Toronto, Canada, cuộc thi quốc tế “ImageNet Large Scale Visual Recognition Challenge” được tổ chức — nơi các hệ thống máy tính cạnh tranh về độ chính xác trong nhận dạng hình ảnh. Đội chiến thắng là nhóm của Đại học Toronto. Trong khi các đội khác có tỷ lệ nhận dạng sai khoảng 26%, thì hệ thống AI sử dụng Deep Learning (học sâu) của Đại học Toronto chỉ có 17%, tức là tạo ra cách biệt tới gần 10 điểm phần trăm.

Ba năm sau, năm 2015, công ty DeepMind (được Google mua lại) đã phát triển AlphaGo, chương trình đã đánh bại kỳ thủ cờ vây chuyên nghiệp. Năm tiếp theo, AlphaGo tiếp tục thắng 4/5 ván trước một kỳ thủ hàng đầu Hàn Quốc, và đến năm sau nữa, nó toàn thắng 3-0 trước kỳ thủ số 1 Trung Quốc, người được xem là một trong những cao thủ mạnh nhất thế giới.

Biểu đồ 1-9 minh họa năng lực tính toán của các máy tính được sử dụng trong lĩnh vực AI. Cụ thể, nó thể hiện lượng thời gian xử lý mà máy tính cần thực hiện cho một lần học của AI. AI — ra đời vào thập niên 1950, bùng nổ làn sóng đầu tiên vào thập niên 1960 và làn sóng thứ hai trong những năm 1970–1980 — đã phát triển song hành với “Định luật Moore” cho đến năm 2012.                                
Nguồn: OpenAI

Chính vì thế, lượng thời gian tính toán cần thiết cho một lần học của AI cũng tăng dần đều theo thời gian, vẽ nên một đường thẳng xuôi nhẹ lên phía bên phải trên đồ thị.

Nhưng Từ sau cuộc thi đó năm 2012, độ dốc của đường biểu đồ thay đổi đột ngột. Cùng với sự bùng nổ của Deep Learning, việc sử dụng AI đã tăng trưởng một cách bùng nổ, và nhu cầu về năng lực tính toán đã đạt tới mức độ khác hẳn so với trước đây. Giờ đây, tốc độ phát triển không còn là “2 năm gấp đôi”, mà là “3–4 tháng gấp đôi”, “1 năm gấp 10 lần” — một sự tăng trưởng cực kỳ dữ dội.