Menu

Technologické trendy pro rok 2018 a dále

Z hlediska budoucnosti nehraje vývoj klasických PC technologií důležitou roli. Hlavní zájem se točí okolo umělé inteligence a internetu věcí. 

To, že jsme neustále obklopeni všudypřítomnými počítači a chytrými telefony, dnes považujeme za normální, ale ještě před dvaceti lety bychom si rozsah našeho propojení s internetem ani nedokázali představit. Stejně tak dnes neumíme předpovědět, jak bude vypadat naše budoucnost za dalších dvacet let. S největší pravděpodobností budeme tou dobou stejně běžně, jako dnes používáme cloudové služby, obklopeni umělou inteligencí a internetem věcí. Zatím se o těchto dvou pojmech stále ještě jen začíná hovořit, ale v zákulisí se již vyvíjejí technologie, které od základu změní náš každodenní život.

Internet věcí vytvoří svět několikacentimetrových vzájemně propojených zařízení, která se budou skládat z procesoru, senzorů a adaptéru pro bezdrátovou komunikaci. Najdou umístění uvnitř oblečení, automobilů, stožárů veřejného osvětlení, parkovacích míst a neustále budou sbírat a odesílat ohromné množství dat. V budoucnu pak tato data nebudou analyzovat pomalé algoritmy, ale pokročilé systémy umělé inteligence, které se budou s každou nově získanou informací dále zdokonalovat.

Svět budoucnosti se ale bude vyvíjet tak, jak si dnes představujeme, pouze při dodržení jednoho základního předpokladu, kterým je pokračující miniaturizace nejmenších součástek počítače, tedy tranzistorů. Neustálá miniaturizace tranzistorů přináší zvyšování výkonu a snižování spotřeby čipů. Před patnácti lety se vyráběly tranzistory o velikosti 130 nanometrů (nm) a již tehdy byly tak malé jako chřipkový vir. Dnes si vývojová centra univerzit a největších výrobců procesorů lámou hlavy, jak udržet pokrok daný Moorovým zákonem a jak to udělat, aby bylo v budoucnosti možné vyrobit tranzistory, které by dokázaly prolomit velikostní bariéru průměru atomu (0,3 nm).

Zmenšováním k pokroku

Tranzistory jsou drobné elektronické přepínače představující ve světě počítačů jedničky a nuly. Čím menší tranzistory jsou, tím rychlejší a úspornější počítače z nich lze sestavit. Známý Moorův zákon určuje rytmus výroby počítačových čipů již padesát let. Říká, že počet tranzistorů, které se vejdou na stejnou plochu procesoru, se každých osmnáct měsíců zdvojnásobí. Zdvojnásobení počtu tranzistorů se promítá do efektivního zrychlení čipu o 40 %. Výrobci procesorů ale již dnes nezvládají toto tempo dodržovat, protože současné technologie používané k výrobě počítačových čipů narážejí na fyzikální hranice.

Vývoj každé nové generace procesorů již dnes přijde na miliardy eur. Z více než dvou tuctů výrobců procesorů dnes jen čtyři společnosti zvládají podmínky Moorova zákona alespoň rámcově dodržovat. Jsou to firmy Intel, Samsung, TSMC (Taiwan Semiconductor Manufacturing Company) a Globalfoundries (dodavatel procesorů pro AMD). Řada výrobců chytrých telefonů využívá služeb společnosti TSMC. Udávaná velikost tranzistorů navíc dnes již nevypovídá o jejich opravdových rozměrech. Telefony Samsung Galaxy S8 jsou podle specifikací výrobce osazeny procesory složenými z 10nm tranzistorů, ale jejich tranzistory vpravdě 10 nm neměří. To, co Samsung označuje termínem „10 nm“, značí u Intelu a TSMC rozdílné věci (viz vpravo dole).

To se také týká technologie FinFET, kterou poprvé představil Intel již v roce 2012. Zjednodušeně řečeno se struktura FinFET tranzistorů skládá ze dvou hlavních částí, z brány a vyvýšeného „žebra“ (označovaného jako Fin), které se kříží v podobě mřížky. Elektrická energie přichází do tranzistoru skrze žebro (Fin) a poté ji buď blokuje, nebo propouští brána. Díky tomu nabývá tranzistor hodnot „1“, nebo „0“. Velikost struktury tranzistorů různých výrobců lze porovnat podle dvou parametrů. První se nazývá „Contacted Poly Pitch“ neboli CCP a udává vzdálenost mezi dvěma branami, druhý bývá označován jako „Minimum Metal Pitch“ neboli MMP a značí vzdálenost mezi elektrickými kontakty umístěnými nad tranzistory.

Moorovu zákonu zvoní hrana

Hlavní výhoda technologie FinFET spočívá ve vyvýšeném žebru, které ze tří stran obklopuje brána umožňující efektivní ovládání průtoku či blokace elektrické energie. S neustále se zmenšující velikostí struktury tranzistoru je ale stále složitější spolehlivě kontrolovat průchod elektrického proudu. Důsledkem toho je prosakování proudu, nárůst odpadního tepla a zvýšená spotřeba elektrické energie. Nejdůležitější hráči polovodičového průmyslu jsou přesvědčeni, že možná miniaturizace technologie FinFET dosáhne hranice na velikosti 7 nm.

Společnost TSMC plánuje přechod na 7nm výrobní technologii v roce 2018 a prvními procesory této generace mají být čipy pro iPhone. Až se tak stane, bude to poslední generace procesorů založených na stávajícím funkčním principu.

Prodloužit platnost Moorova zákona by mohly dvě technologické inovace. První z nich spočívá ve využití nové metody expozice. Výrobci procesorů v současné době využívají pro vypalování struktury čipu do křemíku technologii imerzní litografie, která používá laser o vlnové délce 193 nm. Pro vytvoření struktur menších, než je vlnová délka používaného laseru, je nutné křemík exponovat několikrát a používat k tomu různé masky. V budoucnu by chtěli výrobci procesorů přejít na nový typ ultrafialového EUV (Extreme Ultraviolet) laseru s vlnovou délkou pouhých 13,5 nm. S ohledem na velmi krátkou vlnovou délku bude nutné expozici křemíku provádět ve vakuu a za použití řady speciálních zrcadel. Tyto požadavky ale představují závažný technologický problém. Speciální EUV lasery vyrábí holandská společnost ASML a ve světě jich již dnes funguje čtrnáct. Firma věří, že sériovou výrobu EUV laserů bude možné spustit již v roce 2019.

Pokud budou chtít výrobci v roce 2020 přejít (podle plánovaných předpokladů) na 5nm technologii, budou muset radikálně změnit strukturu tranzistoru. Prozatím spoléhají na nanovodičové tranzistory s bránou, která bude kompletně obklopovat žebro. Tímto způsobem lze řídit průchod elektrické energie ještě efektivněji než u současné technologie FinFET. Prototyp prvního nanovodičového tranzistoru o průměru 8 nm představilo již v létě roku 2016 výzkumné středisko Interuniversity Microelectronics Centre z belgické univerzity v Leuvenu. Odborníci předpokládají, že díky nanovodičové technologii bude možné zmenšovat tranzistory až na 3 nm. Po dosažení této hranice ale budeme muset dát křemíkové technologii sbohem.

Rychlé výpočetní enginy v počítačích budoucnosti

Miniaturizace tranzistorů dá v budoucnu možnosti pro vznik nových formátů domácích počítačů. Společnost AMD nedávno s předvedením přelomového konceptu mainframů světu ukázala, jak by takové počítače mohly vypadat. Technologie exasklalárních heterogenních procesorů (EHP) umožňuje umístit na destičku procesoru všechny důležité komponenty, tedy CPU, GPU i operační paměť a úložiště. Grafický čip integrovaný do těla CPU má dnes již většina procesorů, a i když dnes integrovaná grafika pohodlně zvládá dekódování videa, na plnohodnotné hraní počítačových her ještě zdaleka nestačí. Na EHP procesorech je grafická část oddělena a umístěna vedle výpočetních jader, díky čemuž může zabírat mnohem větší prostor a zvládat tak i vysoce náročné výpočty.

CPU a GPU jsou vzájemně propojeny pomocí tzv. inteposeru, což je křemíková ploška, do které jsou umístěny tisíce tranzistorů, které značně urychlují výměnu dat mezi oběma částmi. Vysokorychlostní paměťové čipy typu HMB (High Bandwith Memory) jsou umístěny nad grafickými jádry. Výhoda paměti t typu HMB oproti klasickými modulům RAM spočívá v tom, ž že její paměťové buňky jsou umístěny v několika vrstvách n nad sebou, a data jimi tedy mohou protékat mnohem rychleji. ji.

Kvůli vysoké teplotě není ale v současnosti možné umístit H HBM paměti přímo nad výpočetní jednotku CPU, která rovněž ně generuje velké množství tepla, které by mohlo ohrozit životnost vo obou částí. Koncept EHP procesorů tak zatím čeká na příští generaci tranzistorů, které budou pracovat s menší ope operační teplotou.

Obklopeni AI hardwarem

I když lze koncept EHP procesorů použít i v segmentu osobních počítačů, již od pohledu je jasné, že AMD jej vyvíjelo za jiným účelem. Dnes už nejsou hybatelem vývoje počítačů nové servery, osobní počítače nebo smartphony, ale budoucnost technologického světa budou tvořit dvě jiná odvětví - umělá inteligence (AI) a internet věcí (IoT).

Omezená, ale umělá inteligence

Termín „umělá inteligence“ je poněkud zavádějící, protože práce, pro kterou je AI určena, má s inteligencí jen málo společného. Do podoby, ve které by byla schopna zpracovat komplexní prostředí a podobně jako člověk analyzovat a reagovat na nepředvídatelné problémy, má umělá inteligence ještě hodně, hodně daleko. Namísto toho je AI založena na neurální síti, která má za úkol zpracovávat specifické úkoly. Dříve než toho bude schopná, musí podstoupit intenzivní školení. Některé typy AI se po jeho dokončení dokážou dále samočinně učit z výsledků své práce, a tak se mohou neustále zdokonalovat.

Neurální sítě se skládají z několika nodů, paralelně vykonávajících jednoduché výpočty (viz vlevo). Vývojáři dnes používají pro výpočty AI běžné grafické karty, jako je například Nvidia GTX 1080 s 2 560 aritmetickými jednotkami (ALU). Přísně vzato ale představuje zapojení grafických karet do podobných výpočtů jen z nouze ctnost. Většina osazených ALU totiž zůstává během výpočtů nevyužita, protože neurální síť nepotřebuje nebo nedokáže využít tak vysokou míru paralelizace. Neurální sítě musí navíc neustále mezi výpočetními jednotkami a operační pamětí přenášet velké množství dat.

V tomto ohledu by bylo použití rychlých pamětí typu HBM mnohem efektivnější než využití rychlé GDDR RAM, používané v grafikách GTX 1080. Projekt společnosti Intel s kódovým označením Lake Crest ukazuje, jak by taková optimalizovaná výpočetní jednotka pro AI mohla vypadat. Nejde přitom jen o výzkumný projekt, hotové přístroje s touto architekturou by se měly začít prodávat již v druhé polovině tohoto roku. Lake Crest obsahuje výpočetní nody, které Intel nazývá „processing clusters“. V každém takovém klastru se nachází více vzájemně propojených ALU komunikujících s HBM pamětí.

Umělá inteligence pro lidi

Hardware optimalizovaný pro AI si již našel cestu do běžných zařízení. Jedním z příkladů je nový procesor Snapdragon 835 od společnosti Qualcomm. Kromě CPU a grafické jednotky obsahuje tento mobilní čip i řadu specializovaných procesorů. Qualcomm optimalizoval jeden z nich pro výpočty požadované AI softwarem Google TensorFlow. TensorFlow operace jsou 25krát rychlejší než výpočty zpracovávané uvnitř CPU a osmkrát rychlejší než kalkulace prováděné grafickou jednotkou.

Minulý rok zveřejnil Google programovou knihovnu TensorFlow v rámci open-source modelu a od počátku letošního roku je TensorFlow rovněž kompatibilní s Windows. Schopnosti umělé inteligence se tak pomalu začínají dostávat do běžných mobilních aplikací i do programů určených pro Windows.

Hardware optimalizovaný pro AI výpočty najde využití i v internetu věcí. O tyto možnosti se zajímá americký start-up CubeWorks, který vyvíjí tzv. micromoty, což jsou specializované samostatné počítače o velikosti jednoho milimetru, které poslouží například v autonomních miniaturních kamerách nebo pohybových a teplotních čidlech. Společnost CubeWorks nedávno představila micromote s AI procesorem, kterému pro provoz stačí 300 mikrowattů. Tento micromote s pohybovým senzorem lze umístit na okenní rám a on dokáže samostatně rozpoznat, zda se k oknu blíží zloděj, nebo zda se jedná jenom o větev hýbající se ve větru.

Kromě optimalizace hardwaru urychluje příchod umělé inteligence do našich běžných životů i samotná AI, protože určité výpočty lze dále optimalizovat pouze za použití umělé inteligence. Od listopadu používá Google neurální síť Raisr, která dokáže zvyšovat kvalitu snímků s nízkým rozlišením lépe než jakýkoliv filtr vymyšlený člověkem. O využití neurálních sítí pro kódování videa již byla publikována řada článků a Google s využitím AI v tomto ohledu počítal již před dvěma roky při vývoji svého interního videkodeku VP10. Konverze filmů za pomoci umělé inteligence teoreticky přinese značné zlepšení kvality zobrazovaného videa, protože základem videokomprese je hlavně identifikace odpovídajících barev a intenzity jasu v různých videorámečcích. I když existuje řada sofistikovaných algoritmů, které to zvládnou, umělá inteligence by byla schopna zajistit uniformitu těchto hodnot v rozsahu celého filmu.

Počítače ukazují lidskou stránku

Dokážou počítače lhát? Při výuce neuronových sítí typu GAN (Generative Adversarial Network) se to od nich předpokládá, protože v takových případech proti sobě stojí dvě umělé inteligence, které spolu svým způsobem soupeří. Jedna neurální síť, která je optimalizována pro rozpoznávání obrázků, dodává té druhé snímky, včetně těch uměle vytvořených. Netrénovaná síť musí rozhodovat, které obrázky jsou reálné, a které ne. Obě sítě získávají odezvu ohledně toho, zda protilehlá síť podvodný snímek odhalila, nebo neodhalila. Čím déle spolupracují, jedna z nich stále úspěšněji falešné snímky rozpoznává a druhá je vytváří stále uvěřitelnější. Nakonec se obě sítě naučí pracovat rychleji než dvě v prvopočátku stejné sítě, které ale v rámci učení nesměly podvádět s nepravými snímky.

Vedle sítí typu GAN se výzkum umělé inteligence zabývá učením UI sítí prostřednictvím zpětných vazeb, někdy nazývaným „posilované učení“. V tomto ohledu výzkumníci zkoumají, jak dobře se umělé inteligence dokážou nezávisle naučit pravidla hry z jejího vlastního prostředí. V tomto ohledu nabízí umělým inteligencím počítačové hry dostatečně jednoduchý systém, který jim dokáže efektivně poskytnout zpětnou vazbu o tom, které kroky učení byly úspěšné.

Umělá inteligence DeepMind společnosti Google posunula tento koncept ještě o něco dál. Google zkoumá, jak se chovají dvě umělé inteligence v herním prostředí vytvořeném na sociálním dilematu: je jednodušší dosáhnout úspěchu prostřednictvím spolupráce, nebo prostřednictvím souboje (viz vlevo)? Výsledek je známý: spolupráce je složitější a vyžaduje více učebního úsilí než konfrontace. Této strategii dávaly umělé inteligence přednost hlavně v případě, kdy musely zpracovat větší množství zdrojů. Jednoduše řečeno - spolupráce vyžaduje víc výpočetní síly.

O bateriích a kvantových bodech

Oblast tranzistorů není jedinou doménou, ve které vede zmenšování k pokroku. Internet věcí se neobejde bez miniaturních baterií. Z technologického pohledu bude i během nadcházejících let hrát prim technologie lithiumiontových baterií, projde však značným vylepšením. Na výstavě CES představil Panasonic světu první ukázky toho, jak malé baterie mohou v budoucnu existovat (viz vlevo).

Představená baterie je pouhých 0,45 milimetru tlustá a je ohebná, takže se ideálně hodí pro použití v nositelných doplňcích. Panasonic dosáhl takové pružnosti tím, že přepracoval vnitřní komponenty běžné lithiumiontové baterie a navrstvil elektrody, představující zásobníky elektrické energie, do tenkých vrstev. Baterie se dobíjí bezdrátově, protože jakýkoliv klasický vodič by byl příliš tlustý a neohebný. Panasonic plánuje spustit sériovou výrobu těchto miniaturních akumulátorů již v roce 2018. Další důležitou oblastí bateriových technologií je vývoj pevného elektrolytu. Moderní Li-Ion baterie používají tekutý organický elektrolyt. Při vysoké teplotě se ale tato tekutina začíná vypařovat a baterie většinou exploduje a může i začít hořet. Pevný elektrolyt by v takovém případě zabránil krátkému spoji a zahoření baterie.

TV obraz z čistých barev

Z technologického úhlu pohledu směřuje k co nejmenším strukturám i zábavní průmysl. Televizory používající k tvorbě barev panely s technologií Quantum Dot jsou na trhu již několik let a Samsung v současnosti uvádí pod označením QLED na trh jejich novou generaci. Tato technologie ale prozatím nedosáhla plného využití svého potenciálu. Kvantové body mají velikost pouhých několika nanometrů (viz vlevo) a skládají se z kovové sloučeniny vyzařující energii v podobě světla se specifickou vlnovou délkou. Běžné LED televizory ale vytváří barvy prostřednictvím filtrů, které nemohou být nikdy tak přesné, aby dokázaly propouštět pouze světlo jedné vlnové délky.

V QLED televizorech jsou červené a zelené kvantové body osvětlovány prostřednictvím modrých LED diod, které prakticky nahrazují filtry. QLED technologie představuje pouze přechodovou fázi na cestě k opravdovým quantum dot displejům. V dotažení této technologie do dokonalosti je nutné, aby dokázaly kvantové body vytvářet i modré světlo, bohužel v tomto ohledu prozatím čelí výrobci příliš krátké životnosti použitých materiálů. Kvantové body mají při aplikaci elektrické energie vydávat světlo zcela samostatně a obrazovky založené na této technologii by se zcela obešly bez barevných filtrů. Díky tomu by bylo možné vytvořit obrazovky s dokonale věrnou reprodukcí barev. Podle společnosti Samsung ale takového technologického pokroku nedosáhneme do roku 2019.

Foto popis| FinFET tranzistory jsou na trhu již od roku 2012. Skládají se ze dvou hlavních částí, z žebra (fin) a brány (gate). Napětí přivedené do brány řídí stav tranzistoru.
Foto popis| Výkon určují dva parametry Z čím menších FinFET tranzistorů se procesor skládá, tím efektivněji pracuje. Základní jsou dva parametry: vzdálenost mezi dvěma branami (CPP) a vzdálenost mezi elektrickými kontakty (MMP) FinFET tranzistoru.
Foto popis| Velikost tranzistoru: Marketing a realita Velikost tranzistorů udávaná různými výrobci procesorů nemá nic společného s realitou. Prozatím není ani jisté, zda budou od roku 2018 výrobci schopni přejít na sériovou výrobu tranzistorů vyráběných EUV litografií.
Foto popis| Budoucí generace 7nm a menších čipů bude používat tranzistory s nanovodiči, ve kterých bude brána izolovat žebro ze všech čtyř stran. Snímek vpravo ukazuje prototyp z výzkumného střediska IMEC.
Foto popis| Vysoce výkonné PC na dlani ruky AMD představilo schéma svého exaskalárního heterogenního procesoru. Všechny komponenty se vejdou na jednu křemíkovou destičku a jsou propojeny tisícovkami tranzistorů usazených v tzv. interposeru.
Foto popis| Nody neurálních sítí í Neurální sítě obsahují vrstvy složené z množství nodů (neuronů), určených pro provádění jednoduchých výpočtů. Výsledky různých řad neuronů jsou vzájemně porovnány a výsledkem činnosti neuronové sítě je určitá prognóza. Níže uvedený příklad představuje neurální síť určenou k rozpoznávání obrázků.
Foto popis| Lake Crest: Procesor Intelu pro umělou inteligenci Základem tohoto AI procesoru je dvanáct výpočetních neuronových klastrů, které ukládají data do paměti typu HBM s propustností 1 TB/s. Každý klastr je k ostatním částem procesoru připojen pomocí 100gigabitového ICL spojení.
Foto autor| Foto: IMEC; Sony; Cubeworks; Google Inc./Andrzej Dragan

Foto popis| Procesor Qualcomm Snapdragon 835 přináší umělou inteligenci do světa chytrých telefonů. Mezi prvními je jím osazen smartphone Sony Xperia XZ Premium.
Foto popis| Micromote je jen jeden milimetr velký počítač s vlastní umělou inteligencí. Díky miniaturním rozměrům se vejde na hranu mince.
Foto popis| Raisr: Inteligentní zvětšování fotografií Umělou inteligenci Raisr používá Google od podzimu 2016. Dokáže zvětšovat fotografie s nízkým rozlišením a dodávat do nich chybějící detaily lépe než jakýkoliv zvětšovací filtr
Foto popis| Zvětšení se standardním filtrem
Foto popis| Zvětšení s umělou inteligencí
Foto popis| Ve hře na vlčí smečku spolupracují dvě umělé inteligence o to, která dříve uloví oběť (modrý čtvereček). Mohou spolu buď spolupracovat, nebo lovit samostatně. Pravidla jsou nastavena tak, aby spolupráce zvyšovala úspěšnost lovu.
Foto popis| Test dvou AI: Spolupráce je složitá Analýza hry na vlčí smečku ukazuje, že umělé inteligence dokážou přijít k úspěšnému společnému řešení problému v případě, že je k dispozici velké množství výpočetního výkonu.
Foto popis| Malá baterie do kapsy od kalhot Panasonic představil ohebnou baterii, kterou lze snadno nosit na těle.
Foto popis| TV s kvantovými body Samsung prodává pod označením QLED televizory částečně využívající technologii kvantových bodů.
Foto popis| Kvantové body: Počítá se každý atom Kvantové body jsou nanokrystaly vysílající světlo přesné vlnové délky. Barva vydávaného světla záleží na velikosti krystalů, modré body se skládají z pouhých několika atomů.

MARKUS MANDAU, autor@chip.cz


Příbuzná témata: