CEO Nvidii: Oprogramowanie zjada świat, ale sztuczna inteligencja zje oprogramowanie

Firmy technologiczne i inwestorzy w ostatnim czasie inwestują pieniądze w sztuczną inteligencję – a wiele z nich spływa do producenta chipów Nvidii. Przychody firmy wzrosły, ponieważ zaczęła produkować sprzęt dostosowany do algorytmów uczenia maszynowego i przypadków użycia, takich jak samochody autonomiczne. Na dorocznej konferencji deweloperów firmy w San Jose w Kalifornii, w tym tygodniu, dyrektor generalny firmy Jensen Huang rozmawiał z: Przegląd technologii MIT o tym, jak właśnie zaczyna się rewolucja uczenia maszynowego.

Nvidia skorzystała z gwałtownej eksplozji inwestycji firm technologicznych w uczenie maszynowe. Czy ten szybki wzrost przypadków użycia uczenia maszynowego może się utrzymać?

Jesteśmy bardzo wcześnie. Bardzo niewiele linijek kodu w przedsiębiorstwach i branżach na całym świecie wykorzystuje dziś sztuczną inteligencję. Jest to dość powszechne w firmach świadczących usługi internetowe, szczególnie w dwóch lub trzech z nich. Ale jest cała masa innych w technologii i innych branżach, które próbują nadrobić zaległości. Oprogramowanie zżera świat, ale sztuczna inteligencja zje oprogramowanie.

Jaka branża zmieni się w następnej kolejności dzięki uczeniu maszynowemu?

Jednym z nich jest przemysł motoryzacyjny. Na konferencji jest z nami dziesięć największych światowych firm motoryzacyjnych. Drugi to opieka zdrowotna, a jej wpływ na społeczeństwo będzie bardzo duży. Informacje zdrowotne są nieuporządkowane i nieuporządkowane, ale teraz komputery mogą je zrozumieć, aby poszerzyć diagnozy i przewidywania lekarzy.

Wyniki ostatnich badań nad zastosowaniem uczenia maszynowego w diagnostyce są imponujące (patrz Okulista AI pokazuje, jak uczenie maszynowe może zmienić medycynę ). Nie jest jednak jasne, w jaki sposób organy regulacyjne będą testować i zatwierdzać te nowe rodzaje systemów.

Kiedy mówimy o ludzkim życiu, zawsze pojawiają się wyzwania regulacyjne. Ale nie możemy ignorować wpływu technologii, która przynosi 10 lub 1000 razy lepsze wyniki. Jestem przekonany, że rozsądne umysły dostrzegą zalety tej technologii i oddadzą ją w ręce lekarzy, klinicystów i radiologów, aby mogli lepiej wykonywać swoją pracę. Arterys niedawno uzyskał zgodę FDA na ich obrazowanie serca [które opisuje skany serca] i znam wiele innych, które są w przygotowaniu.

Wykorzystanie uczenia maszynowego w samochodach stworzy również nowe wyzwania dla regulatorów. Nvidia zademonstrowała oprogramowanie, które uczy się jeździć, obserwując, co robi ludzki kierowca — ale trudno jest dokładnie wyjaśnić, jak działa lub zachowuje się w różnych sytuacjach (zobacz Mroczny sekret w sercu AI ).

Moc i obietnica tego kompleksowego podejścia jest bardzo kusząca. Naprawdę wierzymy, że w dłuższej perspektywie sposób, w jaki będzie prowadzić sztuczna inteligencja, jest podobny do sposobu, w jaki jeżdżą ludzie — nie dzielimy problemu na obiekty, wizję, lokalizację i planowanie. Ale jak długo zajmie nam dotarcie tam, jest wątpliwe. Sprawienie, by wszystko robiło właściwie, jest wielkim wyzwaniem, [i] kiedy nie robi jednej rzeczy dobrze, jak to naprawić, ponieważ próbujesz trenować wszystko razem. Prawdopodobnie musimy podzielić niektóre z tych problemów na mniejsze kawałki.

Twoje żetony już napędzają niektóre samochody: wszystkie pojazdy Tesli używają teraz komputera Drive PX 2 firmy Nvidia do zasilania funkcji autopilota, która automatyzuje jazdę po autostradzie. Czy ta funkcja wykorzystuje pełną pojemność sprzętu? Czy może napędzać w pełni autonomiczną jazdę?

Drive PX 2 to platforma obliczeniowa z dużą rezerwą mocy obliczeniowej — chodzi o to, aby mieć wystarczającą ilość, aby można było stale aktualizować oprogramowanie i cieszyć się ulepszeniami w miarę upływu czasu. Aby uzyskać pełną autonomię, czyli samochód bez kierowcy, wciąż istnieją pewne niewiadome, ale trwa rozwój oprogramowania. Nie jestem do końca pewien, ale dowiemy się.

Intel, Google i kilka innych firm pracuje obecnie nad chipami zaprojektowanymi w celu przyspieszenia uczenia maszynowego (patrz Bitwa o dostarczenie żetonów na rozgrzewkę AI Boom ). Jak utrzymasz przewagę?

Wiele osób zdaje sobie sprawę z wagi tego rynku i myślę, że będzie on bardzo duży. Zamierzamy skierować nasze lata inwestycji w układy GPU i budżet na badania i rozwój w wysokości dwóch i pół miliarda dolarów na głębokie uczenie. Udostępnimy naszą architekturę wszędzie: na komputerach PC, serwerach, chmurze, samochodach, robotach.

Zgadzasz się z naukowcami, którzy twierdzą, że fizyczne wyzwania związane z zmniejszaniem tranzystorów i wydajniejszymi energetycznie spowalniają postęp w zakresie mocy procesorów komputerowych (patrz Prawo Moore'a nie żyje. Co teraz? ). Ale twierdzisz, że chipy Nvidii mogą się rozwijać, ponieważ są wyspecjalizowane w konkretnych przypadkach użycia. Z pewnością nie możesz wiecznie opierać się fizyce.

Nie ma co do tego wątpliwości, nie możemy. W tej chwili odzyskujemy nieefektywność procesorów i oprogramowania w naszych bardziej wyspecjalizowanych procesorach graficznych. Mam wrażenie, że przez kilkadziesiąt lat będziemy z tego czerpać korzyści. Ale gdzieś będziemy musieli znaleźć coś nowego. Mamy niesamowity zespół inżynierów w firmie, który przesuwa granice fizyki urządzeń i kilku świetnych partnerów w produkcji. Między nami wszystkimi znajdziemy drogę.

ukryć