Ian Buck é um cientista da computação e engenheiro americano que atua como vice-presidente na NVIDIA, onde lidera as iniciativas de computação acelerada e IA da empresa. Ele é amplamente reconhecido como o criador do CUDA (Compute Unified Device Architecture), uma plataforma de computação paralela e modelo de programação que transformou as unidades de processamento gráfico (GPUs) de hardware gráfico especializado em processadores de propósito geral para cargas de trabalho científicas e de inteligência artificial. Seu trabalho lançou as bases para o boom moderno de aprendizado de máquina, pois o CUDA se tornou a interface padrão para treinar redes neurais em GPUs.
Buck começou sua carreira em computação com GPUs durante seus estudos de pós-graduação na Universidade de Stanford, onde trabalhou sob a orientação do Professor Pat Hanrahan, vencedor do Prêmio Turing e cofundador da Pixar. No início dos anos 2000, Buck desenvolveu a linguagem de programação Brook, uma abstração de alto nível inicial para computação com GPUs de propósito geral, que demonstrou que as GPUs poderiam ser usadas para tarefas não gráficas, como álgebra linear e simulações físicas. Essa pesquisa influenciou diretamente o design do CUDA, que a NVIDIA lançou em 2007.
Início da Vida e Educação
Ian Buck nasceu nos Estados Unidos em meados da década de 1970. Ele obteve seu Bacharelado em Ciências em ciência da computação pelo Instituto de Tecnologia de Massachusetts (MIT) em 1997, onde trabalhou com computação paralela e gráficos. Em seguida, ele cursou um doutorado na Universidade de Stanford, concluindo sua tese em 2004 sobre "Computação de Fluxo em Hardware Gráfico". Sua pesquisa de doutorado focou no uso de GPUs como processadores de fluxo, um conceito que antecedeu a adoção generalizada da aceleração por GPU na computação de alto desempenho.
Durante seu tempo em Stanford, Buck colaborou com outros pesquisadores que mais tarde se tornariam influentes na área, incluindo John Owens e David Kirk. Seu trabalho em Brook foi financiado em parte pela DARPA e pela Intel, e atraiu atenção tanto da academia quanto da indústria.
Carreira na NVIDIA
Buck ingressou na NVIDIA em 2005, antes do lançamento oficial do CUDA. Ele foi encarregado de liderar o desenvolvimento do modelo de programação CUDA, o que envolveu o design das extensões de linguagem, do compilador e das bibliotecas de tempo de execução que permitiam aos desenvolvedores escrever código semelhante a C para GPUs. O CUDA foi lançado em 2007 com a série GeForce 8 e a linha Tesla de produtos de computação dedicados.
Sob a liderança de Buck, o CUDA cresceu de uma ferramenta de nicho para programadores gráficos para um ecossistema abrangente que inclui bibliotecas como cuBLAS, cuFFT e cuDNN, bem como frameworks como TensorFlow e PyTorch que integram o CUDA para treinamento de aprendizado profundo. Ele também impulsionou a adoção do CUDA na computação de alto desempenho, ajudando a construir o supercomputador Titan no Laboratório Nacional de Oak Ridge em 2012, que foi o primeiro sistema acelerado por GPU a alcançar um petaflop de desempenho.
Em seu papel atual como vice-presidente de computação acelerada, Buck supervisiona o roteiro da NVIDIA para arquiteturas de GPU, incluindo as gerações Hopper e Blackwell, e trabalha com parceiros nas indústrias de computação em nuvem e automotiva. Ele tem sido um defensor vocal do uso de GPUs no treinamento de grandes modelos de linguagem, observando que a programabilidade e o desempenho do CUDA o tornaram o padrão de facto para infraestrutura de IA.
Impacto na IA e na Computação de Alto Desempenho
As contribuições de Buck para o CUDA tiveram um impacto profundo no campo da inteligência artificial. Antes do CUDA, a maioria das pesquisas em IA dependia de unidades centrais de processamento (CPUs), que eram mais lentas e menos eficientes para as operações de matriz que sustentam o treinamento de redes neurais. Ao permitir que as GPUs lidassem com essas cargas de trabalho, o CUDA reduziu os tempos de treinamento em ordens de magnitude, tornando viável treinar modelos maiores e levando a avanços no aprendizado profundo, como o AlexNet em 2012 e o subsequente surgimento de sistemas de IA generativa.
O CUDA também se tornou um diferencial chave para a NVIDIA no cenário competitivo contra rivais como AMD e Intel. Enquanto a AMD e a Intel desenvolveram seus próprios frameworks de computação com GPU (ROCm e oneAPI, respectivamente), a maturidade do CUDA e seu extenso ecossistema de software mantiveram a NVIDIA dominante no mercado de aceleradores de IA. Em 2024, o CUDA é usado em mais de 90% das cargas de trabalho de treinamento de IA em todo o mundo, de acordo com estimativas da indústria.
Além da IA, o CUDA foi aplicado à computação científica, exploração de petróleo e gás, imagem médica e modelagem financeira. Buck também esteve envolvido na promoção da computação com GPU na educação, apoiando cursos universitários e programas de pesquisa que ensinam programação paralela.
Reconhecimento e Legado
Ian Buck recebeu inúmeros prêmios por seu trabalho, incluindo o Prêmio Gordon Bell da ACM em 2010 como parte de uma equipe que usou GPUs para simular cromodinâmica quântica. Ele foi nomeado Fellow do IEEE em 2018 por suas contribuições à computação paralela. Em 2021, ele foi admitido na Academia Nacional de Engenharia por seu papel na criação do CUDA e no avanço da computação com GPU.
Buck também é um palestrante frequente em conferências como SC e GTC, onde apresentou sobre a evolução das arquiteturas de GPU e o futuro da computação acelerada. Ele detém mais de 50 patentes relacionadas a processamento paralelo e gráficos.
Apesar de seu papel corporativo, Buck permanece conectado à academia, atuando como pesquisador visitante em Stanford e orientando estudantes de pós-graduação. Seu trabalho inspirou uma geração de cientistas da computação a explorar a programação de GPUs, e o CUDA se tornou uma ferramenta fundamental no kit de ferramentas de pesquisadores e engenheiros de IA.
Vida Pessoal
Ian Buck é conhecido por ser reservado sobre sua vida pessoal. Ele é casado e tem dois filhos. Em seu tempo livre, ele gosta de caminhadas e fotografia, hobbies que, segundo ele, ajudam a pensar sobre problemas técnicos complexos. Ele reside na área da Baía de São Francisco, perto da sede da NVIDIA em Santa Clara, Califórnia.
Em 2024, Buck continua liderando os esforços de computação acelerada da NVIDIA, focando na integração de GPUs com inferência de grandes modelos de linguagem e computação de borda. Sua visão para o futuro inclui tornar a computação com GPU acessível a um público mais amplo por meio de serviços em nuvem e ferramentas de código aberto, garantindo que os benefícios da computação acelerada não sejam limitados a grandes corporações.