Non siamo pronti per la fine della Legge di Moore

Ha alimentato la prosperità degli ultimi 50 anni. Ma la fine è ormai prossima.

La previsione di Gordon Moore del 1965, secondo cui il numero di componenti di un circuito integrato sarebbe raddoppiato ogni anno fino a raggiungere la sorprendente cifra di 65.000 entro il 1975, è la più grande previsione tecnologica dell’ultimo mezzo secolo. Quando si dimostrò corretta, nel 1975, rielaborò quella che è diventata nota come Legge di Moore, raddoppiando il numero di transistor su un chip ogni due anni.

Da allora, la sua previsione ha definito la traiettoria della tecnologia e, per molti versi, del progresso stesso.

L’argomentazione di Moore era di tipo economico. I circuiti integrati, con transistor multipli e altri dispositivi elettronici interconnessi con linee metalliche di alluminio su un minuscolo quadrato di wafer di silicio, erano stati inventati pochi anni prima da Robert Noyce alla Fairchild Semiconductor. Moore, direttore della ricerca e sviluppo dell’azienda, si rese conto, come scrisse nel 1965, che con questi nuovi circuiti integrati “il costo per componente è quasi inversamente proporzionale al numero di componenti”. In teoria, più transistor si aggiungevano, più ciascuno costava meno. Moore capì anche che c’era molto spazio per i progressi ingegneristici, per aumentare il numero di transistor che si potevano inserire in modo economico e affidabile in un chip.

Ben presto questi chip più economici e potenti sarebbero diventati ciò che gli economisti amano definire una tecnologia di uso generale, così fondamentale da generare ogni sorta di altre innovazioni e progressi in diversi settori. Qualche anno fa, importanti economisti hanno attribuito alla tecnologia informatica resa possibile dai circuiti integrati un terzo della crescita della produttività statunitense dal 1974. Quasi tutte le tecnologie che ci interessano, dagli smartphone ai computer portatili economici ai GPS, sono il riflesso diretto della previsione di Moore. Ha anche alimentato le scoperte odierne nell’intelligenza artificiale e nella medicina genetica, dando alle tecniche di apprendimento automatico la capacità di masticare enormi quantità di dati per trovare risposte.

Ma come ha fatto una semplice previsione, basata sull’estrapolazione da un grafico del numero di transistor per anno – un grafico che all’epoca aveva solo pochi punti dati – a definire mezzo secolo di progressi? In parte, almeno, perché l’industria dei semiconduttori ha deciso di farlo.

Moore scrisse che “stipare più componenti sui circuiti integrati”, questo il titolo del suo articolo del 1965, “avrebbe portato a meraviglie come i computer domestici – o almeno i terminali collegati a un computer centrale – i controlli automatici per le automobili e le apparecchiature di comunicazione personali portatili”. In altre parole, attenendosi alla sua tabella di marcia che prevedeva l’inserimento di un numero sempre maggiore di transistor nei chip, si sarebbe arrivati alla terra promessa. Nei decenni successivi, un’industria in piena espansione, il governo e schiere di ricercatori accademici e industriali hanno riversato denaro e tempo per sostenere la Legge di Moore, creando una profezia che si è autoavverata e che ha mantenuto il progresso sulla strada giusta con una precisione sorprendente. Anche se negli ultimi anni il ritmo del progresso è diminuito, oggi i chip più avanzati hanno quasi 50 miliardi di transistor.

Ogni anno, dal 2001, la MIT Technology Review ha scelto le 10 tecnologie più importanti dell’anno. Si tratta di un elenco di tecnologie che, quasi senza eccezioni, sono possibili solo grazie ai progressi di calcolo descritti dalla Legge di Moore.

Per alcune delle voci dell’elenco di quest’anno il collegamento è ovvio: i dispositivi di consumo, tra cui orologi e telefoni, infusi con l’IA; l’attribuzione del cambiamento climatico resa possibile da una migliore modellazione al computer e dai dati raccolti dai sistemi di monitoraggio dell’atmosfera a livello mondiale; i satelliti economici e di piccole dimensioni. Altri elementi dell’elenco, tra cui la supremazia quantistica, le molecole scoperte grazie all’IA e persino i trattamenti anti-invecchiamento e i farmaci iper-personalizzati, sono dovuti in gran parte alla potenza di calcolo a disposizione dei ricercatori.

Ma cosa succederà quando la Legge di Moore finirà inevitabilmente? O se, come alcuni sospettano, è già morta e stiamo già correndo sui fumi del più grande motore tecnologico del nostro tempo?

RIP

^“È finita. Quest’anno è diventato davvero chiaro”, afferma Charles Leiserson, scienziato informatico del MIT e pioniere del calcolo parallelo, in cui più calcoli vengono eseguiti simultaneamente. Il più recente impianto di produzione di Intel, destinato a costruire chip con dimensioni minime di 10 nanometri, ha subito un forte ritardo, consegnando i chip nel 2019, cinque anni dopo la precedente generazione di chip con caratteristiche di 14 nanometri. La Legge di Moore, afferma Leiserson, riguardava sempre la velocità del progresso, e “non siamo più a quella velocità”. Negli ultimi anni anche numerosi altri importanti scienziati informatici hanno dichiarato morta la Legge di Moore. All’inizio del 2019, l’amministratore delegato del grande produttore di chip Nvidia si è detto d’accordo.

In realtà, si è trattato più di un declino graduale che di una morte improvvisa. Nel corso dei decenni, alcuni, tra cui lo stesso Moore, hanno temuto di vederne la fine, dato che era sempre più difficile realizzare transistor sempre più piccoli. Nel 1999, un ricercatore di Intel temeva che l’obiettivo dell’industria di realizzare transistor più piccoli di 100 nanometri entro il 2005 si scontrasse con problemi fisici fondamentali “senza soluzioni note”, come gli effetti quantistici degli elettroni che vagano dove non dovrebbero.

Per anni l’industria dei chip è riuscita a eludere questi ostacoli fisici. Sono stati introdotti nuovi design di transistor per meglio incanalare gli elettroni. Sono stati inventati nuovi metodi di litografia che utilizzano radiazioni ultraviolette estreme quando le lunghezze d’onda della luce visibile erano troppo spesse per scolpire con precisione caratteristiche del silicio di poche decine di nanometri. Ma il progresso è diventato sempre più costoso. Gli economisti di Stanford e del MIT hanno calcolato che lo sforzo di ricerca per sostenere la Legge di Moore è aumentato di 18 volte dal 1971.

Allo stesso modo, le fabbriche che producono i chip più avanzati stanno diventando proibitive. Il costo di una fabbrica aumenta di circa il 13% all’anno e si prevede che raggiungerà i 16 miliardi di dollari o più entro il 2022. Non a caso, il numero di aziende che hanno in programma di realizzare la prossima generazione di chip si è ridotto a sole tre, rispetto alle otto del 2010 e alle 25 del 2002.

Ciononostante, Intel – uno dei tre produttori di chip – non si aspetta un funerale della Legge di Moore a breve. Jim Keller, che ha assunto il ruolo di responsabile dell’ingegneria del silicio di Intel nel 2018, è l’uomo incaricato di tenerla in vita. È a capo di un team di circa 8.000 ingegneri hardware e progettisti di chip di Intel. Quando è entrato in azienda, racconta, molti prevedevano la fine della Legge di Moore. Se avessero avuto ragione, ricorda di aver pensato: “È una rottura” e forse aveva fatto “una pessima scelta professionale”.

Ma Keller ha trovato ampie opportunità tecniche di avanzamento. Sottolinea che ci sono probabilmente più di cento variabili coinvolte nel mantenimento della Legge di Moore, ognuna delle quali offre diversi vantaggi e incontra i propri limiti. Ciò significa che ci sono molti modi per continuare a raddoppiare il numero di dispositivi su un chip: innovazioni come le architetture 3D e i nuovi design dei transistor.

In questi giorni Keller sembra ottimista. Dice di aver sentito parlare della fine della Legge di Moore per tutta la sua carriera. Dopo un po’, ha “deciso di non preoccuparsene”. Afferma che Intel è al passo per i prossimi 10 anni, e farà volentieri i conti per voi: 65 miliardi (numero di transistor) per 32 (se la densità dei chip raddoppia ogni due anni) significa 2 trilioni di transistor. “Si tratta di un miglioramento di 30 volte delle prestazioni”, afferma, aggiungendo che se gli sviluppatori di software sono intelligenti, tra 10 anni potremmo avere chip cento volte più veloci.

Tuttavia, anche se Intel e gli altri produttori di chip riusciranno a sfornare qualche altra generazione di microchip ancora più avanzati, i giorni in cui si poteva contare su chip più veloci ed economici ogni due anni sono chiaramente finiti. Tuttavia, questo non significa la fine del progresso computazionale.

È il momento di farsi prendere dal panico

Neil Thompson è un economista, ma il suo ufficio si trova al CSAIL, il vasto centro di intelligenza artificiale e informatica del MIT, circondato da robotici e informatici, tra cui il suo collaboratore Leiserson. In un nuovo documento, i due documentano l’ampio margine di miglioramento delle prestazioni di calcolo attraverso un software migliore, algoritmi e un’architettura specializzata dei chip.

Un’opportunità consiste nel ridurre il cosiddetto “bloat” del software per sfruttare al meglio i chip esistenti. Quando i chip potevano essere sempre più veloci e potenti, i programmatori non avevano bisogno di preoccuparsi molto di scrivere codice più efficiente. E spesso non riuscivano a sfruttare appieno i cambiamenti nell’architettura hardware, come i core multipli, o processori, presenti nei chip utilizzati oggi.

Thompson e i suoi colleghi hanno dimostrato di poter eseguire un calcolo ad alta intensità di calcolo circa 47 volte più velocemente solo passando da Python, un popolare linguaggio di programmazione generale, al più efficiente C. Questo perché il C, pur richiedendo più lavoro da parte del programmatore, riduce notevolmente il numero di operazioni necessarie, rendendo il programma molto più veloce. L’ulteriore adattamento del codice per sfruttare appieno un chip con 18 core di elaborazione ha accelerato ulteriormente le cose. In soli 0,41 secondi, i ricercatori hanno ottenuto un risultato che con il codice Python richiedeva sette ore.

Sembra una buona notizia per il progresso continuo, ma Thompson teme che segni anche il declino dei computer come tecnologia di uso generale. Invece di “sollevare tutte le barche”, come ha fatto la Legge di Moore, offrendo chip sempre più veloci e meno costosi e universalmente disponibili, i progressi nel software e nelle architetture specializzate inizieranno a indirizzare selettivamente problemi specifici e opportunità di business, favorendo chi ha denaro e risorse sufficienti.

In effetti, il passaggio a chip progettati per applicazioni specifiche, in particolare per l’IA, è ben avviato. L’apprendimento profondo e altre applicazioni di IA si affidano sempre più a unità di elaborazione grafica (GPU) adattate ai videogiochi, in grado di gestire operazioni in parallelo, mentre aziende come Google, Microsoft e Baidu stanno progettando chip di IA per le loro esigenze specifiche. L’IA, in particolare l’apprendimento profondo, ha un enorme bisogno di potenza informatica e i chip specializzati possono accelerarne notevolmente le prestazioni, afferma Thompson.

Ma il compromesso è che i chip specializzati sono meno versatili delle CPU tradizionali. Thompson teme che i chip per l’elaborazione più generica stiano diventando una zona d’ombra, rallentando “il ritmo generale del miglioramento dei computer”, come scrive in un documento di prossima pubblicazione, “The Decline of Computers as a General Purpose Technology”.

Secondo Erica Fuchs, docente di ingegneria e politiche pubbliche alla Carnegie Mellon, a un certo punto chi sviluppa applicazioni di intelligenza artificiale e di altro tipo si accorgerà della diminuzione dei costi e dell’aumento delle prestazioni garantiti dalla Legge di Moore. “Forse tra 10 anni o 30 anni – e nessuno sa quando – si avrà bisogno di un dispositivo con una potenza di calcolo aggiuntiva”, afferma Erica Fuchs.

Il problema, dice Fuchs, è che i successori degli attuali chip general purpose sono sconosciuti e richiederanno anni di ricerca e sviluppo di base per essere creati. Se siete preoccupati di cosa sostituirà la Legge di Moore, suggerisce Fuchs, “il momento del panico è adesso”. Secondo l’autrice, “ci sono persone molto intelligenti nel campo dell’IA che non sono consapevoli dei vincoli hardware che i progressi a lungo termine dell’informatica devono affrontare”. Inoltre, poiché i chip specifici per le applicazioni si stanno dimostrando estremamente redditizi, ci sono pochi incentivi a investire in nuovi dispositivi logici e modi di fare calcolo.

Cercasi: un piano Marshall per le patatine fritte

Nel 2018, Fuchs e i suoi colleghi della CMU Hassan Khan e David Hounshell hanno scritto un documento che ripercorre la storia della Legge di Moore e identifica i cambiamenti alla base dell’attuale mancanza di collaborazione tra industria e governo che ha favorito tanti progressi nei decenni precedenti. I ricercatori sostengono che “la frammentazione delle traiettorie tecnologiche e la redditività privata a breve termine di molte di queste nuove schegge” significa che dobbiamo aumentare notevolmente gli investimenti pubblici per trovare le prossime grandi tecnologie informatiche.

Se gli economisti hanno ragione e gran parte della crescita degli anni ’90 e dei primi anni 2000 è stata il risultato dei microchip – e se, come alcuni suggeriscono, la lenta crescita della produttività iniziata a metà degli anni 2000 riflette il rallentamento del progresso computazionale – allora, dice Thompson, “ne consegue che si dovrebbero investire enormi quantità di denaro per trovare la tecnologia successiva. Non lo stiamo facendo. Ed è un fallimento delle politiche pubbliche”.

Non c’è alcuna garanzia che questi investimenti siano redditizi. Il calcolo quantistico, i transistor a nanotubi di carbonio, persino la spintronica, sono possibilità allettanti, ma nessuna sostituisce in modo evidente la promessa che Gordon Moore ha visto per la prima volta in un semplice circuito integrato. Per scoprirlo, però, è necessario investire nella ricerca. Perché una previsione è praticamente certa: vorremo sempre più potenza di calcolo.

Foto di copertina: illustrazione della Legge di Moore