211service.com
CEO di Nvidia: il software sta mangiando il mondo, ma l'IA sta mangiando il software
Le società tecnologiche e gli investitori hanno recentemente accumulato denaro nell'intelligenza artificiale e molto è arrivato al produttore di chip Nvidia. I ricavi dell'azienda sono aumentati quando ha iniziato a realizzare hardware personalizzato per algoritmi di apprendimento automatico e casi d'uso come le auto a guida autonoma. Alla conferenza annuale degli sviluppatori dell'azienda a San Jose, in California, questa settimana, il CEO dell'azienda Jensen Huang ha parlato con Revisione della tecnologia del MIT su come la rivoluzione dell'apprendimento automatico è appena iniziata.
Nvidia ha beneficiato di una rapida esplosione di investimenti nell'apprendimento automatico da parte delle aziende tecnologiche. Questa rapida crescita dei casi d'uso per l'apprendimento automatico può continuare?
Siamo molto presto. Pochissime righe di codice nelle aziende e nei settori di tutto il mondo utilizzano l'IA oggi. È abbastanza pervasivo nelle società di servizi Internet, in particolare due o tre di esse. Ma ce ne sono molti altri nel settore tecnologico e in altri settori che stanno cercando di recuperare il ritardo. Il software sta mangiando il mondo, ma l'IA mangerà il software.
Quale settore verrà trasformato in futuro dall'apprendimento automatico?
Uno è l'industria automobilistica. Dieci delle migliori case automobilistiche del mondo sono qui con noi alla conferenza. Il secondo è l'assistenza sanitaria e l'impatto sulla società sarà molto grande. Le informazioni sanitarie sono disordinate e non strutturate, ma ora i computer possono comprenderle per aumentare le diagnosi e le previsioni dei medici.
I risultati di ricerche recenti dall'applicazione dell'apprendimento automatico alla diagnosi sono impressionanti (vedi Un oftalmologo AI mostra come l'apprendimento automatico può trasformare la medicina ). Ma non è chiaro come le autorità di regolamentazione testeranno e approveranno questi nuovi tipi di sistemi.
Quando si parla di vite umane, ci sono sempre sfide normative. Ma non possiamo ignorare l'impatto di una tecnologia che porta risultati 10 o 1.000 volte migliori. Ho fiducia che le menti ragionevoli realizzeranno i vantaggi di questa tecnologia e la metteranno nelle mani di medici, clinici e radiologi in modo che possano lavorare meglio. Arterys ha recentemente ottenuto l'approvazione della FDA per il suo imaging cardiaco [che annota le scansioni del cuore] e conosco molti altri che sono in cantiere.
L'uso dell'apprendimento automatico nelle automobili creerà anche nuove sfide per le autorità di regolamentazione. Nvidia ha dimostrato un software che impara a guidare semplicemente osservando cosa fa un guidatore umano, ma è difficile spiegare esattamente come funziona o come si comporterebbe in diversi scenari (vedi L'oscuro segreto nel cuore dell'IA ).
Il potere e la promessa di questo approccio end-to-end è molto allettante. Crediamo davvero che a lungo termine, il modo in cui l'IA guiderà sia simile al modo in cui guidano gli esseri umani: non suddividiamo il problema in oggetti, visione, localizzazione e pianificazione. Ma quanto tempo ci vorrà per arrivarci è discutibile. Fargli fare tutto correttamente è una grande sfida, [e] quando non fa una cosa giusta, come si corregge, perché stai cercando di allenare il tutto insieme. Probabilmente dobbiamo scomporre alcuni di questi problemi in blocchi più piccoli.
I tuoi chip stanno già guidando alcune auto: tutti i veicoli Tesla ora utilizzano il computer Drive PX 2 di Nvidia per alimentare la funzione Autopilot che automatizza la guida in autostrada. Questa funzione utilizza la piena capacità dell'hardware? Potrebbe alimentare la guida completamente autonoma?
Drive PX 2 è una piattaforma informatica con molta capacità di calcolo riservata: l'idea è di averne abbastanza in modo da poter aggiornare continuamente il software ed essere felici dei miglioramenti nel tempo. Per la piena autonomia, ovvero un'auto senza conducente, ci sono ancora alcune incognite, ma c'è molto sviluppo di software in corso. Non ne sono esattamente sicuro, ma lo scopriremo.
Intel, Google e molte altre aziende stanno ora lavorando su chip progettati per accelerare l'apprendimento automatico (vedi La battaglia per fornire chip per l'IA Boom si riscalda ). Come rimarrai avanti?
Molte persone riconoscono l'importanza di questo mercato e penso che sarà molto grande. Indirizzeremo i nostri anni di investimenti nei nostri chip GPU e un budget di ricerca e sviluppo di due miliardi e mezzo di dollari nel deep learning. E renderemo disponibile la nostra architettura ovunque: nei PC, nei server, nel cloud, nelle automobili, nei robot.
Siete d'accordo con i ricercatori che affermano che le sfide fisiche legate alla realizzazione di transistor più piccoli e più efficienti dal punto di vista energetico stanno rallentando i progressi nella potenza dei processori dei computer (vedi La legge di Moore è morta. E adesso? ). Ma tu affermi che i chip di Nvidia possono continuare ad avanzare perché sono specializzati in casi d'uso particolari. Sicuramente non puoi resistere per sempre alla fisica.
Non c'è dubbio, non possiamo. In questo momento stiamo ricatturando le inefficienze di CPU e software nelle nostre GPU più specializzate. La mia sensazione è che continueremo a trarne vantaggio per un paio di decenni. Ma da qualche parte dovremo trovare qualcosa di nuovo. Abbiamo un fantastico team di ingegneri in azienda che spinge i limiti della fisica dei dispositivi e alcuni ottimi partner nella produzione. Tra tutti noi troveremo la strada.