Ian Buck est un informaticien et ingénieur américain qui occupe le poste de vice-président chez NVIDIA, où il dirige les initiatives de calcul accéléré et d'intelligence artificielle de l'entreprise. Il est largement reconnu comme le créateur de CUDA (Compute Unified Device Architecture), une plateforme de calcul parallèle et un modèle de programmation qui a transformé les unités de traitement graphique (GPU) de matériel graphique spécialisé en processeurs polyvalents pour les charges de travail scientifiques et d'intelligence artificielle. Son travail a posé les fondations de l'essor moderne du apprentissage automatique, car CUDA est devenu l'interface standard pour l'entraînement des réseaux de neurones sur GPU.
Buck a commencé sa carrière dans le calcul sur GPU durant ses études supérieures à l'Université Stanford, où il a travaillé sous la direction du professeur Pat Hanrahan, lauréat du prix Turing et cofondateur de Pixar. Au début des années 2000, Buck a développé le langage de programmation Brook, une abstraction de haut niveau précoce pour le calcul généraliste sur GPU, qui a démontré que les GPU pouvaient être utilisés pour des tâches non graphiques telles que l'algèbre linéaire et les simulations physiques. Cette recherche a directement influencé la conception de CUDA, que NVIDIA a publié en 2007.
Jeunesse et Éducation
Ian Buck est né aux États-Unis au milieu des années 1970. Il a obtenu son baccalauréat en sciences en informatique au Massachusetts Institute of Technology (MIT) en 1997, où il a travaillé sur le calcul parallèle et les graphiques. Il a ensuite poursuivi un doctorat à l'Université Stanford, complétant sa thèse en 2004 sur « Stream Computing on Graphics Hardware ». Sa recherche doctorale s'est concentrée sur l'utilisation des GPU comme processeurs de flux, un concept qui a précédé l'adoption généralisée de l'accélération GPU dans le calcul haute performance.
Pendant son séjour à Stanford, Buck a collaboré avec d'autres chercheurs qui deviendront plus tard influents dans le domaine, notamment John Owens et David Kirk. Son travail sur Brook a été financé en partie par la DARPA et Intel, et il a attiré l'attention à la fois du monde académique et de l'industrie.
Carrière chez NVIDIA
Buck a rejoint NVIDIA en 2005, avant la sortie officielle de CUDA. Il a été chargé de diriger le développement du modèle de programmation CUDA, ce qui impliquait la conception des extensions de langage, du compilateur et des bibliothèques d'exécution permettant aux développeurs d'écrire du code de type C pour les GPU. CUDA a été lancé en 2007 avec la série GeForce 8 et la gamme Tesla de produits de calcul dédiés.
Sous la direction de Buck, CUDA est passé d'un outil de niche pour les programmeurs graphiques à un écosystème complet comprenant des bibliothèques telles que cuBLAS, cuFFT et cuDNN, ainsi que des frameworks comme TensorFlow et PyTorch qui intègrent CUDA pour l'entraînement en apprentissage profond. Il a également conduit l'adoption de CUDA dans le calcul haute performance, contribuant à la construction du supercalculateur Titan au Oak Ridge National Laboratory en 2012, qui a été le premier système accéléré par GPU à atteindre un pétaflop de performance.
Dans son rôle actuel de vice-président du calcul accéléré, Buck supervise la feuille de route de NVIDIA pour les architectures GPU, y compris les générations Hopper et Blackwell, et travaille avec des partenaires dans les secteurs du cloud computing et de l'automobile. Il a été un défenseur vocal de l'utilisation des GPU dans l'entraînement des grands modèles de langage, notant que la programmabilité et la performance de CUDA en ont fait la norme de facto pour l'infrastructure de l'IA.
Impact sur l'IA et le Calcul Haute Performance
Les contributions de Buck à CUDA ont eu un impact profond sur le domaine de l'intelligence artificielle. Avant CUDA, la plupart des recherches en IA reposaient sur des unités centrales de traitement (CPU), qui étaient plus lentes et moins efficaces pour les opérations matricielles sous-tendant l'entraînement des réseaux de neurones. En permettant aux GPU de gérer ces charges de travail, CUDA a réduit les temps d'entraînement de plusieurs ordres de grandeur, rendant possible l'entraînement de modèles plus grands et conduisant à des percées en apprentissage profond telles que AlexNet en 2012 et l'essor ultérieur des systèmes de IA générative.
CUDA est également devenu un différenciateur clé pour NVIDIA dans le paysage concurrentiel face à des rivaux comme AMD et Intel. Bien qu'AMD et Intel aient développé leurs propres frameworks de calcul GPU (ROCm et oneAPI, respectivement), la maturité de CUDA et son vaste écosystème logiciel ont maintenu la domination de NVIDIA sur le marché des accélérateurs d'IA. En 2024, CUDA est utilisé dans plus de 90 % des charges de travail d'entraînement en IA dans le monde, selon les estimations de l'industrie.
Au-delà de l'IA, CUDA a été appliqué au calcul scientifique, à l'exploration pétrolière et gazière, à l'imagerie médicale et à la modélisation financière. Buck a également participé à la promotion du calcul GPU dans l'éducation, en soutenant des cours universitaires et des programmes de recherche qui enseignent la programmation parallèle.
Reconnaissance et Héritage
Ian Buck a reçu de nombreux prix pour son travail, notamment le prix Gordon Bell de l'ACM en 2010 en tant que membre d'une équipe ayant utilisé des GPU pour simuler la chromodynamique quantique. Il a été nommé Fellow de l'IEEE en 2018 pour ses contributions au calcul parallèle. En 2021, il a été intronisé à la National Academy of Engineering pour son rôle dans la création de CUDA et l'avancement du calcul GPU.
Buck est également un conférencier fréquent lors de conférences telles que SC et GTC, où il a présenté l'évolution des architectures GPU et l'avenir du calcul accéléré. Il détient plus de 50 brevets liés au traitement parallèle et aux graphiques.
Malgré son rôle en entreprise, Buck reste connecté au monde académique, servant de chercheur invité à Stanford et encadrant des étudiants diplômés. Son travail a inspiré une génération d'informaticiens à explorer la programmation GPU, et CUDA est devenu un outil fondamental dans la boîte à outils des chercheurs et ingénieurs en IA.
Vie Personnelle
Ian Buck est connu pour être discret sur sa vie personnelle. Il est marié et père de deux enfants. Pendant son temps libre, il aime la randonnée et la photographie, des passe-temps qui, selon lui, l'aident à réfléchir à des problèmes techniques complexes. Il réside dans la région de la baie de San Francisco, près du siège de NVIDIA à Santa Clara, en Californie.
En 2024, Buck continue de diriger les efforts de calcul accéléré de NVIDIA, en se concentrant sur l'intégration des GPU avec l'inférence des grands modèles de langage et le calcul en périphérie. Sa vision pour l'avenir inclut de rendre le calcul GPU accessible à un public plus large grâce aux services cloud et aux outils open-source, garantissant que les avantages du calcul accéléré ne soient pas limités aux grandes entreprises.