Лента TH Новости Искусственный интеллект


Искусственный интеллект заполоняет мир (интервью с гендиректором Nvidia)

∴ 257

В последнее время технические компании и инвесторы вкладывают деньги в искусственный интеллект. Одним из лидеров таких вложений стала Nvidia. Доходы компании выросли, когда она начала выпускать аппаратное обеспечение, настроенное для алгоритмов машинного обучения, и использовать такие сферы, как автономные автомобили. На ежегодной конференции разработчиков в Сан-Хосе, штат Калифорния, генеральный директор компании Дженсен Хуанг рассказал о том, как только начинается революция машинного обучения.

371

Nvidia выиграла от стремительного взрыва инвестиций в машинное обучение от технологических компаний. Можно ли продолжить столь быстрое развитие систем машинного обучения?

Пока еще очень рано делать выводы. ИИ сегодня использует очень мало строк кода на предприятиях и в промышленности по всему миру. Это довольно распространено в интернет-сервисных компаниях. Но есть целая куча других людей в техно и других отраслях, которые пытаются наверстать упущенное. Программное обеспечение поедает мир, но ИИ собирается съесть программное обеспечение.

Какая следующая отрасль будет трансформирована машинным обучением?

Одна из них — автомобильная промышленность. Десять ведущих автомобильных компаний мира находятся здесь с нами на конференции. Во-вторых, это здравоохранение, и влияние на общество будет очень велико. Информация о здоровье беспорядочна и не структурирована, но теперь компьютеры могут понять массу данных, чтобы расширить диагнозы и прогнозы врачей.

Какие отрасли, по вашему мнению, будут наиболее подвержены влиянию ИИ?

Недавние результаты исследований от применения машинного обучения к диагностике впечатляют. Но неясно, как регулирующие органы будут тестировать и одобрять эти новые виды систем. Когда мы говорим о человеческих жизнях, всегда возникают проблемы регулирования. Но мы не можем игнорировать влияние технологии, которая дает в 10 или 1000 раз лучшие результаты. Я уверен, что разумные умы поймут преимущества этой технологии и передадут ее в руки врачей, клиницистов и рентгенологов, чтобы они могли лучше работать. Недавно Arterys получила одобрение FDA на их сердечную визуализацию [которая комментирует сканирование сердца], и я знаю о многих других, которые находятся в стадии разработки.

Использование машинного обучения в автомобилях также создаст новые проблемы для регулирующих органов. Nvidia продемонстрировала программное обеспечение, которое учится водить, просто наблюдая за тем, что делает человеческий водитель, но трудно точно объяснить, как это работает или будет вести себя в разных сценариях.

Сила и перспективы этого комплексного подхода очень заманчивы. Мы действительно верим в то, что долговременный путь, которым управляет ИИ, похож на то, как люди управляют средствами передвижения – мы не нарушаем проблему в объектах, видении, локализации и планировании. Но сколько времени нам понадобится, чтобы одобрить беспилотные системы, сложно сказать. Добиться того, чтобы все делать правильно, является большой проблемой, [и] когда система ИИ не делает что-то правильное, вы ее исправляете, потому что вы пытаетесь обучить все вместе. Вероятно, нам придется разбивать некоторые из этих проблем на более мелкие куски.

Ваши фишки уже за рулем некоторых автомобилей: все машины Tesla теперь используют компьютер Nvidia Drive PX 2 для функции автопилота, которая автоматизирует движение по шоссе. Использует ли эта функция всю полноту оборудования? Может ли она полностью автономно управлять автомобилем?

Drive PX 2 — это вычислительная платформа с большой вычислительной емкостью. Идея состоит в том, чтобы иметь достаточно мощности, чтобы вы могли постоянно обновлять программное обеспечение и быть в восторге от улучшений с течением времени. Для полной автономии, то есть машины без водителя, есть еще некоторые неизвестные факторы, но есть много программных разработок, которые происходят. Я не совсем уверен, но мы узнаем в ближайшем будущем, каков потолок данной системы.

Intel, Google и ряд других компаний теперь работают над чипами, предназначенными для ускорения обучения машинам. Как вы будете оставаться впереди?

Многие люди признают важность этого рынка, и я думаю, что он будет очень большим. Мы собираемся направить годы инвестиций в наши чипы GPU и бюджет в размере двух с половиной миллиардов долларов на исследования и разработки в углубленное изучение. И мы сделаем нашу архитектуру доступной повсеместно: на ПК, на серверах, в облаке, на автомобилях, в роботах.

Вы согласны с исследователями, которые заявляют, что физические трудности, связанные с уменьшением и повышением энергоэффективности транзисторов, замедляют прогресс в вычислительных процессорах. Но вы утверждаете, что чипы Nvidia могут продолжать продвигаться, потому что они специализированы на конкретных случаях использования. Конечно, вы не можете сопротивляться физике вечно.

Без вопросов, мы не можем. Сейчас мы компенсируем неэффективность процессоров и программного обеспечения более специализированными графическими процессорами. Я считаю, что мы будем продолжать это еще пару десятилетий. Но где-то мы должны найти что-то новое. У нас есть замечательная инженерная команда, которая раздвигает границы физики устройств и несколько великих партнеров в области производства. Где-то там и лежит верный путь.

Филипп Дончев