211service.com
Nvidia izpilddirektors: Programmatūra ēd pasauli, bet AI gatavojas ēst programmatūru
Tehnoloģiju uzņēmumi un investori pēdējā laikā ir uzkrājuši naudu mākslīgajam intelektam, un daudzi no tiem ir nonākuši mikroshēmu ražotājam Nvidia. Uzņēmuma ieņēmumi ir palielinājušies, jo tas ir sācis ražot aparatūru, kas pielāgota mašīnmācības algoritmiem un izmantošanas gadījumiem, piemēram, autonomām automašīnām. Uzņēmuma ikgadējā izstrādātāju konferencē Sanhosē, Kalifornijā, šonedēļ uzņēmuma izpilddirektors Jensens Huangs runāja ar MIT tehnoloģiju apskats par to, kā mašīnmācības revolūcija tikai sākas.
Nvidia ir guvusi labumu no tehnoloģiju uzņēmumu straujā investīciju pieauguma mašīnmācībā. Vai šis straujais mašīnmācības izmantošanas gadījumu pieaugums var turpināties?
Mēs esam ļoti agri. Mūsdienās AI izmanto tikai dažas koda rindiņas uzņēmumos un nozarēs visā pasaulē. Tas ir diezgan izplatīts interneta pakalpojumu uzņēmumos, īpaši divos vai trijos no tiem. Bet ir vesela virkne citu tehnoloģiju un citās nozarēs, kas cenšas panākt. Programmatūra apēd pasauli, bet AI apēdīs programmatūru.
Kuru nozari nākamreiz pārveidos mašīnmācība?
Viens no tiem ir automobiļu rūpniecība. Desmit no pasaules labākajām automašīnu kompānijām ir šeit kopā ar mums konferencē. Otrais ir veselības aprūpe, un ietekme uz sabiedrību būs ļoti liela. Informācija par veselību ir netīra un nestrukturēta, taču tagad datori to var saprast, lai uzlabotu ārstu diagnozes un prognozes.
Jaunākie pētījumu rezultāti no mašīnmācības pielietošanas diagnostikai ir iespaidīgi (sk AI oftalmologs parāda, kā mašīnmācīšanās var pārveidot medicīnu ). Taču nav skaidrs, kā regulatori pārbaudīs un apstiprinās šīs jaunās sistēmas.
Kad mēs runājam par cilvēku dzīvībām, vienmēr pastāv regulējuma problēmas. Taču mēs nevaram ignorēt tādas tehnoloģijas ietekmi, kas sniedz 10 vai 1000 reižu labākus rezultātus. Esmu pārliecināts, ka saprātīgi prāti sapratīs šīs tehnoloģijas priekšrocības un nodos to ārstu, klīnicistu un radiologu rokās, lai viņi varētu strādāt labāk. Arterys nesen saņēma FDA apstiprinājumu savai sirds attēlveidošanai [kas anotē sirds skenējumus], un es zinu par daudziem citiem, kas tiek gatavoti.
Mašīnmācības izmantošana automašīnās arī radīs jaunus izaicinājumus regulatoriem. Nvidia ir demonstrējusi programmatūru, kas mācās braukt, tikai vērojot, ko dara cilvēka vadītājs, taču ir grūti precīzi izskaidrot, kā tā darbojas vai uzvesties dažādos scenārijos (sk. Tumšais noslēpums AI sirdī ).
Šīs visaptverošās pieejas spēks un solījums ir ļoti vilinoši. Mēs patiešām ticam, ka ilgtermiņā AI virzība ir līdzīga cilvēku braukšanas veidam — mēs nesadalām problēmu objektos un redzējumā, lokalizācijā un plānošanā. Bet cik ilgā laikā mēs tur nokļūsim, tas ir apšaubāms. Ir liels izaicinājums panākt, lai tas visu izdarītu pareizi, [un], ja tas nedara vienu lietu pareizi, kā to salabot, jo jūs mēģināt apmācīt visu kopā. Mums, iespējams, dažas no šīm problēmām ir jāsadala mazākos gabalos.
Jūsu mikroshēmas jau vada dažas automašīnas: visi Tesla transportlīdzekļi tagad izmanto Nvidia Drive PX 2 datoru, lai darbinātu Autopilota funkciju, kas automatizē braukšanu pa lielceļiem. Vai šī funkcija izmanto visu aparatūras jaudu? Vai tas varētu nodrošināt pilnībā autonomu braukšanu?
Drive PX 2 ir skaitļošanas platforma, kurā ir rezervēta liela skaitļošanas jauda — ideja ir tāda, lai tās būtu pietiekami daudz, lai jūs varētu nepārtraukti atjaunināt programmatūru un laika gaitā priecāties par uzlabojumiem. Attiecībā uz pilnīgu autonomiju, kas nozīmē automašīnu bez vadītāja, joprojām ir daži nezināmie, taču notiek daudz programmatūras izstrādes. Es neesmu īsti pārliecināts, bet mēs to uzzināsim.
Intel, Google un vairāki citi uzņēmumi tagad strādā pie mikroshēmām, kas paredzētas, lai paātrinātu mašīnmācīšanos (sk Cīņa, lai nodrošinātu mikroshēmas AI uzplaukumam, uzsilst ). Kā tu paliksi priekšā?
Daudzi cilvēki atzīst šī tirgus nozīmi, un es domāju, ka tas būs ļoti liels. Mēs virzīsim savus gadus ilgos ieguldījumus mūsu GPU mikroshēmās un divarpus miljardu dolāru pētniecības un izstrādes budžetu, lai padziļinātu mācīšanos. Un mēs padarīsim savu arhitektūru pieejamu visur: personālajos datoros, serveros, mākonī, automašīnās, robotos.
Jūs piekrītat pētniekiem, kuri saka, ka fiziskās problēmas, kas saistītas ar tranzistoru padarīšanu mazākiem un energoefektīvākiem, palēnina datoru procesoru jaudas progresu (sk. Mūra likums ir miris. Ko tagad? ). Bet jūs apgalvojat, ka Nvidia mikroshēmas var turpināt attīstīties, jo tās ir specializētas konkrētiem lietošanas gadījumiem. Protams, jūs nevarat pretoties fizikai mūžīgi.
Nav šaubu par to, mēs nevaram. Pašlaik mēs no jauna atgūstam CPU un programmatūras neefektivitāti savos specializētākajos GPU. Es domāju, ka mēs turpināsim gūt labumu no tā pāris gadu desmitus. Bet kaut kur mums būs jāatrod kaut kas jauns. Mums uzņēmumā ir pārsteidzoša inženieru komanda, kas pārsniedz ierīču fizikas robežas, un daži lieliski partneri ražošanā. Starp mums visiem mēs atradīsim ceļu.