211service.com
„Nvidia“ generalinis direktorius: programinė įranga valgo pasaulį, bet AI valgys programinę įrangą
Technologijų bendrovės ir investuotojai pastaruoju metu kaupė pinigus dirbtiniam intelektui, o lustų gamintoja „Nvidia“ jų nutekėjo daug. Bendrovės pajamos išaugo, nes ji pradėjo gaminti aparatinę įrangą, pritaikytą mašininio mokymosi algoritmams ir naudojimo atvejams, pavyzdžiui, autonominiams automobiliams. Šią savaitę San Chosė (Kalifornija) vykusioje kasmetinėje bendrovės kūrėjų konferencijoje bendrovės generalinis direktorius Jensenas Huangas kalbėjo MIT technologijų apžvalga apie tai, kaip mašininio mokymosi revoliucija tik prasideda.
„Nvidia“ gavo naudos iš spartaus technologijų įmonių investicijų į mašininį mokymąsi sprogimo. Ar šis spartus mašininio mokymosi naudojimo atvejų augimas gali tęstis?
Mes labai anksti. Šiuo metu dirbtinį intelektą naudoja labai nedaug kodo eilučių įmonėse ir pramonės šakose visame pasaulyje. Tai gana paplitusi interneto paslaugų įmonėse, ypač dviejose ar trijose iš jų. Tačiau yra daugybė kitų technologijų ir kitose pramonės šakose, kurios bando pasivyti. Programinė įranga valgo pasaulį, bet AI valgys programinę įrangą.
Kokią pramonę pakeis mašininis mokymasis?
Viena iš jų yra automobilių pramonė. Konferencijoje kartu su mumis dalyvauja dešimt geriausių pasaulio automobilių kompanijų. Antroji – sveikatos apsauga, o poveikis visuomenei bus labai didelis. Informacija apie sveikatą yra netvarkinga ir nestruktūrizuota, tačiau dabar kompiuteriai gali ją suprasti, kad pagerintų gydytojų diagnozes ir prognozes.
Naujausi tyrimų, taikomų diagnozuojant mašininį mokymąsi, rezultatai yra įspūdingi (žr AI oftalmologas parodo, kaip mašininis mokymasis gali pakeisti mediciną ). Tačiau neaišku, kaip reguliuotojai išbandys ir patvirtins šias naujas sistemas.
Kai kalbame apie žmonių gyvybes, visada kyla reguliavimo iššūkių. Tačiau negalime ignoruoti technologijos, kuri duoda 10 ar 1000 kartų geresnių rezultatų, poveikio. Esu įsitikinęs, kad protingi protai suvoks šios technologijos naudą ir atiduos ją į gydytojų, gydytojų ir radiologų rankas, kad jie galėtų geriau dirbti. Arterys neseniai gavo FDA patvirtinimą savo širdies vaizdavimui [kuris anotuoja širdies skenavimą], ir aš žinau daug kitų, kurie ruošiami.
Mašininio mokymosi naudojimas automobiliuose taip pat sukurs naujų iššūkių reguliavimo institucijoms. „Nvidia“ pademonstravo programinę įrangą, kuri išmoksta vairuoti tiesiog stebint, ką daro žmogus, tačiau sunku tiksliai paaiškinti, kaip ji veikia arba elgtųsi įvairiais scenarijais (žr. Tamsi paslaptis AI širdyje ).
Šio visapusiško požiūrio galia ir pažadas yra labai viliojantis. Mes tikrai tikime, kad ilgalaikis AI veiksmas yra panašus į tai, kaip vairuoja žmonės – mes neskirstome problemos į objektus, viziją, lokalizaciją ir planavimą. Tačiau kiek laiko užtruksime iki ten, kyla abejonių. Priversti viską tinkamai atlikti yra didelis iššūkis, [ir] kai jis neatlieka vieno dalyko tinkamai, kaip tai pataisyti, nes bandote treniruoti viską kartu. Tikriausiai kai kurias iš šių problemų turime suskaidyti į mažesnius gabalus.
Jūsų lustai jau vairuoja kai kuriuos automobilius: dabar visose „Tesla“ transporto priemonėse naudojamas „Nvidia“ Drive PX 2 kompiuteris, kad įjungtų „Autopiloto“ funkciją, kuri automatizuoja važiavimą greitkeliu. Ar ši funkcija išnaudoja visą aparatinės įrangos pajėgumą? Ar jis galėtų valdyti visiškai autonominį vairavimą?
Drive PX 2 yra skaičiavimo platforma, kurioje yra rezervuota daug skaičiavimo pajėgumų – idėja yra turėti pakankamai, kad galėtumėte nuolat atnaujinti programinę įrangą ir laikui bėgant džiaugtis patobulinimais. Dėl visiškos autonomijos, ty automobilio be vairuotojo, vis dar yra nežinomų dalykų, tačiau vyksta daug programinės įrangos kūrimo. Nesu tikras, bet mes išsiaiškinsime.
„Intel“, „Google“ ir kelios kitos įmonės dabar kuria lustus, skirtus mašininiam mokymuisi paspartinti (žr Mūšis dėl lustų tiekimo AI bumui įkaista ). Kaip išliksi priekyje?
Daugelis žmonių pripažįsta šios rinkos svarbą ir manau, kad ji bus labai didelė. Ketiname savo metų investicijas į savo GPU lustus ir pustrečio milijardo dolerių MTTP biudžetą nukreipti į gilų mokymąsi. Ir mes padarysime savo architektūrą prieinamą visur: kompiuteriuose, serveriuose, debesyje, automobiliuose, robotuose.
Jūs sutinkate su mokslininkais, kurie teigia, kad fiziniai iššūkiai, susiję su tranzistorių mažinimu ir energijos vartojimo efektyvumu, lėtina kompiuterių procesorių galios pažangą (žr. Moore'o įstatymas miręs. Kas dabar? ). Tačiau jūs teigiate, kad „Nvidia“ lustai gali nuolat tobulėti, nes jie yra skirti tam tikriems naudojimo atvejams. Žinoma, jūs negalite amžinai atsispirti fizikai.
Nekyla klausimų, mes negalime. Šiuo metu procesorių ir programinės įrangos neefektyvumą perkeliame į labiau specializuotus GPU. Manau, kad mes ir toliau turėsime naudos iš to porą dešimtmečių. Bet kažkur turėsime rasti ką nors naujo. Įmonėje turime nuostabią inžinierių komandą, peržengiančią įrenginių fizikos ribas, ir keletą puikių partnerių gamybos srityje. Tarp mūsų visų rasime kelią.