Ian Buck es un informático e ingeniero estadounidense que se desempeña como vicepresidente en NVIDIA, donde lidera las iniciativas de computación acelerada e inteligencia artificial de la empresa. Es ampliamente reconocido como el creador de CUDA (Compute Unified Device Architecture), una plataforma de computación paralela y modelo de programación que transformó las unidades de procesamiento gráfico (GPU) de hardware gráfico especializado a procesadores de propósito general para cargas de trabajo científicas y de inteligencia artificial. Su trabajo sentó las bases del auge moderno del aprendizaje automático, ya que CUDA se convirtió en la interfaz estándar para entrenar redes neuronales en GPU.
Buck comenzó su carrera en computación con GPU durante sus estudios de posgrado en la Universidad de Stanford, donde trabajó bajo la supervisión del profesor Pat Hanrahan, ganador del Premio Turing y cofundador de Pixar. A principios de la década de 2000, Buck desarrolló el lenguaje de programación Brook, una abstracción temprana de alto nivel para computación de propósito general en GPU, que demostró que las GPU podían usarse para tareas no gráficas como álgebra lineal y simulaciones físicas. Esta investigación influyó directamente en el diseño de CUDA, que NVIDIA lanzó en 2007.
Vida temprana y educación
Ian Buck nació en los Estados Unidos a mediados de la década de 1970. Obtuvo su licenciatura en ciencias de la computación en el Instituto de Tecnología de Massachusetts (MIT) en 1997, donde trabajó en computación paralela y gráficos. Luego cursó un doctorado en la Universidad de Stanford, completando su disertación en 2004 sobre "Computación de flujo en hardware gráfico". Su investigación doctoral se centró en el uso de GPU como procesadores de flujo, un concepto que precedió a la adopción generalizada de la aceleración por GPU en la computación de alto rendimiento.
Durante su tiempo en Stanford, Buck colaboró con otros investigadores que luego serían influyentes en el campo, incluidos John Owens y David Kirk. Su trabajo en Brook fue financiado en parte por DARPA e Intel, y atrajo la atención tanto del ámbito académico como de la industria.
Carrera en NVIDIA
Buck se unió a NVIDIA en 2005, antes del lanzamiento oficial de CUDA. Se le encargó liderar el desarrollo del modelo de programación CUDA, lo que implicó diseñar las extensiones de lenguaje, el compilador y las bibliotecas de tiempo de ejecución que permitían a los desarrolladores escribir código similar a C para GPU. CUDA se lanzó en 2007 con la serie GeForce 8 y la línea de productos de computación dedicada Tesla.
Bajo el liderazgo de Buck, CUDA creció de una herramienta de nicho para programadores gráficos a un ecosistema integral que incluye bibliotecas como cuBLAS, cuFFT y cuDNN, así como marcos como TensorFlow y PyTorch que integran CUDA para el entrenamiento de aprendizaje profundo. También impulsó la adopción de CUDA en la computación de alto rendimiento, ayudando a construir la supercomputadora Titan en el Laboratorio Nacional de Oak Ridge en 2012, que fue el primer sistema acelerado por GPU en alcanzar un petaflop de rendimiento.
En su rol actual como vicepresidente de computación acelerada, Buck supervisa la hoja de ruta de NVIDIA para arquitecturas de GPU, incluidas las generaciones Hopper y Blackwell, y trabaja con socios en la computación en la nube y la industria automotriz. Ha sido un defensor vocal del uso de GPU en el entrenamiento de modelos de lenguaje grandes, señalando que la programabilidad y el rendimiento de CUDA lo han convertido en el estándar de facto para la infraestructura de IA.
Impacto en la IA y la computación de alto rendimiento
Las contribuciones de Buck a CUDA han tenido un impacto profundo en el campo de la inteligencia artificial. Antes de CUDA, la mayor parte de la investigación en IA dependía de unidades de procesamiento central (CPU), que eran más lentas y menos eficientes para las operaciones matriciales que sustentan el entrenamiento de redes neuronales. Al permitir que las GPU manejaran estas cargas de trabajo, CUDA redujo los tiempos de entrenamiento en órdenes de magnitud, haciendo factible entrenar modelos más grandes y llevando a avances en aprendizaje profundo como AlexNet en 2012 y el posterior auge de los sistemas de IA generativa.
CUDA también se convirtió en un diferenciador clave para NVIDIA en el panorama competitivo contra rivales como AMD e Intel. Mientras AMD e Intel han desarrollado sus propios marcos de computación en GPU (ROCm y oneAPI, respectivamente), la madurez de CUDA y su extenso ecosistema de software han mantenido a NVIDIA dominante en el mercado de aceleradores de IA. A partir de 2024, CUDA se usa en más del 90% de las cargas de trabajo de entrenamiento de IA en todo el mundo, según estimaciones de la industria.
Más allá de la IA, CUDA se ha aplicado a la computación científica, la exploración de petróleo y gas, la imagen médica y el modelado financiero. Buck también ha participado en la promoción de la computación con GPU en la educación, apoyando cursos universitarios y programas de investigación que enseñan programación paralela.
Reconocimiento y legado
Ian Buck ha recibido numerosos premios por su trabajo, incluido el Premio Gordon Bell de la ACM en 2010 como parte de un equipo que usó GPU para simular cromodinámica cuántica. Fue nombrado miembro del IEEE en 2018 por sus contribuciones a la computación paralela. En 2021, fue incorporado a la Academia Nacional de Ingeniería por su papel en la creación de CUDA y el avance de la computación con GPU.
Buck también es un orador frecuente en conferencias como SC y GTC, donde ha presentado sobre la evolución de las arquitecturas de GPU y el futuro de la computación acelerada. Posee más de 50 patentes relacionadas con el procesamiento paralelo y los gráficos.
A pesar de su rol corporativo, Buck sigue conectado con el ámbito académico, sirviendo como investigador visitante en Stanford y asesorando a estudiantes de posgrado. Su trabajo ha inspirado a una generación de informáticos a explorar la programación de GPU, y CUDA se ha convertido en una herramienta fundamental en el arsenal de investigadores e ingenieros de IA.
Vida personal
Se sabe que Ian Buck es reservado sobre su vida personal. Está casado y tiene dos hijos. En su tiempo libre, disfruta del senderismo y la fotografía, pasatiempos que dice que le ayudan a pensar en problemas técnicos complejos. Reside en el Área de la Bahía de San Francisco, cerca de la sede de NVIDIA en Santa Clara, California.
A partir de 2024, Buck continúa liderando los esfuerzos de computación acelerada de NVIDIA, centrándose en integrar GPU con la inferencia de modelos de lenguaje grandes y la computación en el borde. Su visión para el futuro incluye hacer que la computación con GPU sea accesible a un público más amplio a través de servicios en la nube y herramientas de código abierto, asegurando que los beneficios de la computación acelerada no se limiten a grandes corporaciones.