چگونه پردازنده‌هاي گرافيكي پردازش بانك‌هاي اطلاعاتي را دگرگون خواهند كرد

[Borna66]

نرم‌افزارهاي سازماني دليل ديگري نيز براي روي آوردن به پردازنده‌هاي گرافيكي دارند. اطلاعات سازماني تمام چيزي است كه شركت‌ها براي ادامه تجارت خود به آن نياز دارند. اين اطلاعات براي eBay شامل تمام فهرست‌ها، مشخصات كاربران، بازخورد و پيشنهاداتي است كه از يكصد ميليون نفر كاربر خود در سراسر جهان گردآوري مي‌كند. رشد حجم اطلاعات سازماني نسبت به ميزان افزايش تعداد ترانزيستورهايي كه در يك تراشه به‌كار مي‌روند كمتر است (قانون مور)، بنابر‌اين، ظرفيت حافظه كامپيوتر سريع‌تر از اطلاعات سازماني افزايش مي‌يابد. دلايل اين واقعيت نيز كاملاً واضح هستند. اكنون امكان نگه‌داري بانك‌هاي اطلاعاتي بزرگ درون حافظه سيستم فراهم شده است، به اين معني كه مي‌توان داده‌ها را تنها در چند هزارم ثانيه از حافظه استخراج كرد.

زمان دقيق دسترسي به ديسك بين چهار تا ده هزارم ثانيه است. با وجود اين كه زمان مذكور كافي به‌نظر مي‌رسد، هنگام پاسخ‌گويي به ميليون‌ها درخواست، اين مدت زمان به چندين ساعت مي‌رسد. نمونه‌اي از برنامه‌هايي كه مي‌تواند از پردازنده‌هاي گرافيكي به‌خوبي بهره‌برداري كند، ‌بانك‌ اطلاعاتي پروژه‌هاي فضايي است كه داده‌هاي موجود در آن‌شباهت زيادي به اطلاعات گرافيكي دارد. در واقع اين داده‌ها نخستين سري از اطلاعاتي بودند كه به‌منظور پياده‌سازي عمليات پيچيده پردازنده‌هاي گرافيكي براي تركيب نتايج حاصل از گروه‌هاي داده‌اي مختلف به‌كار گرفته شدند. در نتيجه اگر كارايي و زمان پاسخ‌گويي بانك اطلاعاتي به‌واسطه بهره‌گيري از ديسك‌هاي كند محدود نشده باشد، پردازنده‌اي مانند GPU تأثير بسياري بر كارايي كل سيستم خواهد داشت. نكته جالب توجه اين كه برنامه‌هاي جست‌‌وجو تا‌كنون از توانايي فوق‌العاده پردازنده‌هاي گرافيكي در پردازش موازي اطلاعات استفاده نكرده‌اند. به‌تازگي يك الگوريتم جست‌و‌جوي موازي طراحي شده است كه حداكثر توان GPU را بر‌اساس يك راهبرد تقسيم كننده به‌كار مي‌گيرد تا فرآيندهاي جست‌و‌جو سريع‌تر انجام گيرند. اين الگوريتم p–ray نام دارد كه در آن p تعداد پردازنده‌ها را نمايش مي‌دهد. براي درك عملكرد اين الگوريتم، ‌ابتدا نحوه جست‌وجوي شماره‌ها را در دفتر تلفن درنظر بگيريد. فرض كنيد به‌دنبال شماره تماس شخصي به نام Godot هستيد. به‌جاي ورق زدن تمام صفحات دفتر تلفن، مي‌توانيد آن را از وسط باز كنيد تا ببينيد نخستين حرف از نخستين نام موجود در صفحه باز شده قبل از حرف نخست نام Godot است يا بعد از آن قرار مي‌گيرد. بر‌اساس نتيجه به‌دست آمده، بخش نخست يا دوم دفتر تلفن را بر‌اساس همين رويكرد باز ‌كنيد. به‌واسطه هربار تكرار اين راهبرد حجم اطلاعات مورد جست‌و‌جو را به نصف كاهش مي‌دهيد تا به يك صفحه برسيد. با استفاده از اين راهبرد يافتن شماره تماس شخصي به نام Godot در يك دفترتلفن فرضي با 1024 صفحه تنها به ده تكرار نياز دارد. در زبان كامپيوتر، اين راهبرد با عنوان جست‌‌وجوي باينري شناخته مي‌شود و پياده‌سازي آن امكان‌پذير است؛ زيرا داده‌هاي موردنظر درحال حاضر درون بانك اطلاعاتي ثبت شده‌اند.

در‌صورت تمايل مي‌توانيد از سه دوست ديگر خود نيز كمك بگيريد و پس از تقسيم دفترتلفن به چهار قسمت، هرشخص در بخش مخصوص به‌خود اطلاعات را جست‌‌وجو كند. اگر هريك از شما راهبرد باينري را به‌كار بگيريد، زمان جست و‌جو از ده مرحله به هشت مرحله كاهش مي‌يابد. البته، تنها يك نفر شماره Godot را پيدا مي‌كند و زمان سايرين هدر مي‌رود. اگر از شماره‌هاي دفترتلفن خود يك نسخه اضافي نيز تهيه كرده باشيد، راه حل مناسب ديگري هم در اختيار داريد. هر شخص كار جست‌وجو را از نخستين نام موجود در قسمت خود شروع مي‌كند. اگر حرف نخست اين نام (فرضاً Bekket) قبل از حرف نخست Godot قرار داشت، دفتر را نگه داشته ودر غير اين صورت آن را كنار مي‌گذارد. بخش حاوي شماره موردنظر نيز به چهار قسمت تقسيم مي‌شود و اين فرآيند ادامه مي‌يابد تا هرشخص تنها يك برگ از دفتر را در اختيار داشته باشد و يكي از آن‌ها شماره Godot‌ را بيابد.

اين الگوريتم از رويكرد پيشين نيز سريع‌تر است. هر‌بار تكرار فرآيند مستلزم صرف زمان يكساني با دور قبل است. به اين ترتيب، تمام دفتر يك بار جست‌‌وجو مي‌شود، اما اين كار توسط چهار شخص انجام مي‌گيرد. با هربار تكرار الگوريتم، حجم اطلاعات مورد جست‌‌وجو به يك چهارم كاهش مي‌يابد. حال جست‌و‌جوي يك دفتر تلفن 1024 صفحه‌اي تنها با پنج مرحله شامل تقسيم 1024 صفحه به 256 به 64 به 16 به 4 و در نهايت به 1 صفحه، انجام مي‌پذيرد (بخش الگوريتم p-ary را ببينيد).

[Borna66]

اگر خواننده دقيقي باشيد، متوجه مي‌شويد كه تعداد مراحل جست‌و‌جو با وجود كمك ساير افراد، تنها به ميزان پنجاه درصد كاهش يافته است. با وجود اين كه به‌نظر مي‌رسد پيشرفت ناچيزي است (و هزينه زيادي را در پي دارد) در شرايطي كه بايد ده‌ها ميليون ركورد را در كسري از ثانيه جست‌‌وجو كنيد، اين پيشرفت ارزش حياتي مي‌يابد. اگر منابع كافي در اختيار داريد (با توجه به اين كه پردازنده‌هاي گرافيكي امروزي بيش از دويست هسته دارند) مي‌توانيد افراد بيشتري را در اجراي الگوريتم p-ary به‌كار بگيريد تا زمان پاسخ‌گويي كاهش يابد. به‌عنوان مثال، با استفاده از 32 شخص (يا پردازنده) مي‌توانيد 1024 ركورد را در دو مرحله جست‌‌وجو كنيد.

"يك GPU‌ كه به قيمت يك پردازنده عادي خريداري مي‌شود، با استفاده از جست‌‌وجو به شيوه p-ary مي‌تواند سرعت پاسخ‌گويي به‌هر درخواست را تا دويست درصد افزايش دهد. تنها در چنين شرايطي است كه حداكثر كارايي GPU مورد استفاده قرار مي‌گيرد و بيش از شش ميليون نتيجه جست‌‌وجو را در يك ثانيه در اختيار كاربر مي‌گذارد."

يك GPU‌ كه به قيمت يك پردازنده عادي خريداري مي‌شود، با استفاده از جست‌‌وجو به شيوه p-ary مي‌تواند سرعت پاسخ‌گويي به هر درخواست را تا دويست درصد افزايش دهد. انجام هزاران جست‌و‌جو در بانك‌هاي اطلاعاتي حاوي ميليون‌ها ركورد، براي بعضي از برنامه‌هاي وب يك فرآيند عادي است. تنها در چنين شرايطي است كه حداكثر كارايي GPU مورد استفاده قرار مي‌گيرد و بيش از شش ميليون نتيجه جست‌‌وجو را در يك ثانيه در اختيار كاربر مي‌گذارد. براي جست‌‌وجوي يك دفترتلفن 1024 صفحه‌اي به استفاده از GPU نيازي نيست.

به‌علت اين‌ كه GPU روي يك كارت PC نصب شده است‌، تمام داده‌ها پيش از اين كه در اختيار GPU‌ قرار گيرند، توسط يك گذرگاه به نسبت كند روي كارت PC كپي مي‌شوند. برنامه‌هايي با حجم پردازشي بالا مانند برنامه‌هاي شبيه‌سازي فيزيكي، دچار چنين محدوديت‌هايي نمي‌شوند. اما، اغلب برنامه‌هاي بانك اطلاعاتي حجم محاسباتي به نسبت كمي دارند در عوض نيازمند اداره حجم زيادي از داده‌ها هستند.

[Borna66]

از آن‌جا كه حافظه كارت‌هاي گرافيكي با سرعت زيادي افزايش مي‌يابد (و در آخرين مدل‌ها به چهار گيگابايت رسيده است)، استفاده از حافظه آن‌ها به‌عنوان حافظه موقت، موجب كاهش ترافيك اطلاعات در گذرگاه كارت pc‌ مي‌شود و در نتيجه كارايي افزايش مي‌يابد. نسل جديد پردازنده‌هاي گرافيكي امكان تبادل ناهمگام اطلاعات را نيز فراهم مي‌كنند. البته، اين ويژگي ترافيك حافظه را كاهش نمي‌دهد، اما امكان ارجاع بي‌درنگ نتايج را فراهم مي‌كند كه اين امر به نوبه خود موجب كاهش زمان پاسخ‌گويي مي‌شود. صرف‌نظر از بانك‌هاي اطلاعاتي توانمند‌تر و بازي‌هاي گرافيكي واقعي‌تر،‌ gpuها به خودي خود هيچ مفهوم جديدي را كه انجام آن توسط cpu ممكن نباشد، ارائه نمي‌كنند. با وجود اين ممكن است كليد يك تحول تاريخي باشند. پردازنده‌هاي گرافيكي توان پردازشي ابركامپيوترها را همه‌گير مي‌كنند؛ همان‌طور كه كامپيوترهاي شخصي، توان پردازشي كامپيوترها را در اختيار همه قرار دادند. چنين توان پردازشي عظيمي پيش از اين تنها در اختيار اداره‌هاي دولتي، مؤسسات تحقيقاتي و سازمان‌هاي بزرگ قرار داشت.

به‌عنوان مثال، ممكن است يك محقق الگوريتم مناسبي را براي طراحي ماشيني داراي هوش مصنوعي برابر با هوش انسان توسعه داده باشد، اما تا‌كنون توان پردازشي لازم براي پياده‌سازي آن در اختيار وي قرار نگرفته باشد. مفهومي كه ما انسان‌ها از آن به‌عنوان «تجربه» ياد مي‌كنيم، در دنياي هوش مصنوعي، «بانك اطلاعاتي» ناميده مي‌شود.