NVIDIA находится на оси чрезвычайно ценного рынка с растущей потребностью в искусственном интеллекте и мыслящих машинах. Если вы смотрели фильм «Терминатор» и помните компанию Cyberdyne Systems, создателя Skynet, то наверняка помните, что они создавали новый чип, который позволял компьютерам думать. NVIDIA (@nvidia) сегодня ближе всего к выдуманной Cyberdyne.
В прошлом единственными людьми, которые знали что-либо о NVIDIA, была небольшая группа геймеров и разработчиков, которые зависели от видеокарт и чипов NVIDIA. Сегодня цена акций NVIDIA достигает нового максимума, поскольку каждый из автомобильных компаний, компаний, занимающихся медицинской визуализацией, и компаний, занимающихся робототехникой, не может получить достаточно чипов и услуг, которые предоставляет эта компания. Недавно я провел некоторое время с компанией на их ежегодном собрании.
Похоже, NVIDIA оказалась в нужном месте в нужное время; Произошла революция в области искусственного интеллекта, рынок, нуждающийся в инструментах искусственного интеллекта, созрел, и NVIDIA была здесь, чтобы воспользоваться этим. Им потребовалось всего 25 лет, чтобы в одночасье добиться успеха, и они оставили IBM Cognitive Business и AMD в пыли. Как и во всех других компаниях, удача, своевременность и упорный труд привели компанию туда, где она находится сегодня. Сегодня NVIDIA готова стать одним из важнейших поставщиков комплектующих для растущих во всем мире отраслей искусственного интеллекта, машинного обучения и робототехники. Сегодняшние вычисления стремительно меняются, и компании, которые не задумываются о том, как ИИ изменит их бизнес в той или иной форме, рискуют остаться позади.
Прежде чем рассматривать отрасли, в которых изменятся ИИ и машинное обучение (машинное обучение), нам нужно понять, как NVIDIA поддерживает эту новую отрасль. Чипы, которые в основном производит NVIDIA, - это графические процессоры (блоки общей обработки). Графический процессор или графический процессор используется в основном для трехмерных приложений. Это однокристальный процессор, который создает световые эффекты и преобразует объекты каждый раз при перерисовке 3D-сцены. Это математически ресурсоемкие задачи, которые в противном случае сильно нагружали бы ЦП.
Вычисления с ускорением на графическом процессоре - это использование графического процессора (ГП) вместе с ЦП для ускорения глубокого обучения и приложений искусственного интеллекта. Вычисления с ускорением на графическом процессоре разгружают части приложения, требующие интенсивных вычислений, на графический процессор, в то время как остальная часть кода по-прежнему выполняется на центральном процессоре. С точки зрения пользователя, приложения просто работают намного быстрее.
Как оказалось, этот тип микросхем чрезвычайно важен для новейших приложений AI и ML.
Давайте посмотрим на несколько отраслей, которые сегодня полагаются на вычисления на GPU.
Самостоятельные автомобили
Автомобили с автоматическим управлением должны «видеть» окружающий мир и выносить суждения в режиме реального времени. Для этого им необходимо производить чрезвычайно быстрые вычисления для оценки скорости, расстояния и точно предсказывать поведение других участников дорожного движения. В дополнение к этому, графический процессор должен собирать миллионы точек данных, собранных с различных датчиков, для создания изображения, а затем использовать эту информацию, чтобы понять, что будет дальше. Это чрезвычайно сложная задача, требующая больших вычислительных ресурсов, которая была бы невозможна в автомобиле несколько лет назад, если бы этот автомобиль не буксировал стойки традиционных серверов. В настоящее время энергоэффективные чипы могут выполнять чрезвычайно быстрые вычисления на карте размером с несколько банок кокса.
NVIDIA (@nvidiadrive) заключила сделки почти со всеми крупными производителями автомобилей на поставку чипов, алгоритмов и многих других сопутствующих продуктов и услуг.
Автомобильные компании начинают понимать, что, если они не сделают свои автомобили умнее, от самых простых (например, автоматический круиз-контроль) до самых сложных (автоматическое вождение), они проиграют своим конкурентам. Единственная компания, к которой обращаются автомобильные компании, - это NVIDIA. Когда дело доходит до этого рынка, IBM и AMD терпят поражение. Если вы когда-нибудь ездили на Tesla (Tesla Motors) и пробовали использовать автопилот, вы поймете, насколько важно, чтобы компьютеры «видели и думали сами».
Робототехника
Тренировать роботов сложно. Как мы видим выше, не все роботы могут противостоять ежедневным нагрузкам, таким как открытие дверей. Однако сегодня большинство роботов выполняют рутинные повторяющиеся задачи, такие как сварка, осмотр, измерения и другие промышленные работы. Поскольку роботы становятся все более обычным явлением, им придется выполнять более сложные процедуры и работать вместе с людьми. Опять же, чипы NVIDIA будут становиться все более и более полезными, поскольку этим роботам требуется способность больше ощущать окружающий мир и становиться умнее. Как и в случае с людьми, единственный способ приобрести навыки - это практика. Мы, люди, с раннего возраста знаем, как практиковать навыки, например научиться бить по мячу или открывать бутылки. Мы учимся это делать, но не без множества проб и ошибок. То же самое и с роботами, однако это чрезвычайно дорогие и сложные машины, которые не имеют синяков и по большей части не могут подняться. В дополнение к этому, их нельзя обучать людям, так как они могут ранить или убить кого-то поблизости. NVIDIA осознала необходимость обучения роботов и создала имитатор робота под названием Isaac, симулируемую среду, в которой используются алгоритмы и компьютерные модели для обучения робота выполнению задачи с течением времени. Чтобы получить хорошее объяснение, послушайте, как Дженсен Хуанг рассказывает об этом на их последней конференции.
Распознавание изображений и голоса
Все больше и больше устройств входят в наши дома и офисы, используют распознавание голоса и изображений и на их основе принимают меры. Apple была первой, кто ввел широкое распространение распознавания голоса с помощью Siri, и теперь мы видим, что Amazon вкладывает значительные средства в ИИ и распознавание голоса с помощью серии Echo. Чтобы понять, насколько серьезно они относятся к этому рынку, загляните на страницу их вакансий: 987 открытых вакансий для людей с такими навыками, как логопед, машинное обучение и искусственный интеллект.
Здесь снова распознавание голоса зависит от обработки графическим процессором, потому что большинство голосовых запросов выполняется в неоптимальных ситуациях (шумный фон, акценты и предполагаемый язык). Умные компании, такие как Amazon, понимают, что голос станет одним из стандартов для ввода компьютерных команд в будущем, вместо того, чтобы полагаться на неуклюжие пальцы.
Распознавание изображений
Распознавание изображений - это еще одна область, которая зависит от вычислений на графическом процессоре и уже во многих областях развивается. Если вы еще не использовали Google Фото, попробуйте. Однако будьте осторожны, причина, по которой Google хочет, чтобы вы загружали целую жизнь фотографий бесплатно, заключается в том, что они могут многое узнать о вас по каждой фотографии. Google не может использовать это в рекламных целях сегодня, но может сделать это в будущем. Google использует распознавание изображений для классификации, идентификации и сортировки тысяч изображений, из которых очень просто найти что-либо. Все, что вам нужно, - это простой поиск по словам «свадьба» и «кошка», и вы найдете все об этих категориях, а также метаданные, такие как местоположение GPS, время, даты и другие люди на фотографиях, если вы ранее отметил тех людей на фотографиях. (Есть причина, по которой теги лиц отключены в Европе)
Другая компания Blippar.com (@blippar) использует нейронные сети, машинное обучение и визуальное распознавание в приложении. Когда вы наведете камеру своего телефона на что-либо, она сразу же распознает, что это за объект, и предоставит вам дополнительную информацию о нем. Сегодня автомобильные компании используют его, чтобы помочь вам получить 360-градусный обзор салона новой модели автомобиля, просто используя приложение в рекламе автомобиля, которую вы видите в журнале. Однако приложение также может распознавать лица некоторых известных людей. Как вы понимаете, такая технология может быть очень полезной для сканирования больших скоплений людей и поиска разыскиваемых людей. Его также можно адаптировать для использования в очках, чтобы пользователь мог узнавать всех на улице по их общедоступным фотографиям в LinkedIn или Facebook. Еще одно интересное использование технологии распознавания изображений от израильской компании (UVeye.com). Они используют оптическое распознавание для сканирования нижней части транспортных средств для поиска повреждений или предметов, которых там не должно быть, и все это за миллисекунды, когда автомобиль проезжает мимо камеры, встроенной в дорогу.
Очевидно, это вызывает много вопросов, касающихся конфиденциальности, безопасности и вмешательства со стороны правительства, но это уже другой блог. Существует компромисс между получением очень полезных услуг и предоставлением большему количеству компаний доступа к нашей частной жизни для оказания таких услуг.
Одно можно сказать наверняка: NVIDIA идет своим чередом и поставляет чипы, которые станут двигателем будущего. Эта компания только начинается.
Хакерский полдень - это то, с чего хакеры начинают свои дни. Мы часть семьи @AMI. Сейчас мы принимаем заявки и рады обсуждать рекламные и спонсорские возможности.
Если вам понравился этот рассказ, мы рекомендуем прочитать наши Последние технические истории и Современные технические истории. До следующего раза не воспринимайте реалии мира как должное!
