211service.com
L'uomo che vende pale nella corsa all'oro dell'apprendimento automatico
Jen-Hsun Huang, CEO del produttore di chip Nvidia, è molto preveggente o molto fortunato. La sua azienda è stata costruita attorno a unità di elaborazione grafica (GPU) per videogiochi. Ma quegli stessi chip sono ora ampiamente utilizzati in progetti di intelligenza artificiale come gli sforzi per costruire auto a guida autonoma.
I chip di Nvidia si sono rivelati particolarmente efficienti per addestrare le reti neurali utilizzate in una tecnica chiamata deep learning che ha recentemente reso il software molto più intelligente e ha indotto giganti della tecnologia e investitori ad accumulare denaro nella ricerca sull'apprendimento automatico. Questa settimana la società ha annunciato un nuovo chip progettato specificamente per l'attività (vedi Un chip da 2 miliardi di dollari per accelerare l'intelligenza artificiale). Huang ha parlato con Will Knight, Revisione della tecnologia del MIT 's senior editor per AI e robotica, alla conferenza annuale sulla tecnologia dell'azienda a San Jose questa settimana.
Quale ti aspetti sarà il prossimo grande mercato per il tuo hardware?
Penso che la robotica sarà enorme. Il motivo per cui abbiamo scelto [di realizzare un chip per] le auto a guida autonoma è che è la sfida robotica più semplice. Il deep learning ci ha fornito un algoritmo che può finalmente consentire ai robot di apprendere da soli, da obiettivi di alto livello e attraverso l'iterazione di scoprire da soli. Non credo sia possibile insegnarlo a un robot scrivendo programmi.
Il deep learning ha sicuramente avuto successo, ma è solo una simulazione molto approssimativa di ciò che accade nel cervello. Sei interessato a sviluppare hardware che funzioni più come le basi dell'intelligenza biologica?
Stiamo cercando di costruire un aereo migliore piuttosto che capire come funziona un uccello. Alcune persone lo descrivono come neuroni, ma l'analogia con il cervello è molto vaga. Per noi è tutta una serie di matematica che estrae le caratteristiche importanti dalle immagini o dalla voce o dall'azione del sensore. Qualsiasi analogia con un cervello non è necessariamente così importante.
Il software AlphaGo di Google DeepMind ha recentemente sconfitto il miglior giocatore Go del mondo . La ricerca sull'intelligenza artificiale all'avanguardia come quella modellerà l'hardware futuro?
Lavoriamo a stretto contatto con i ragazzi di DeepMind e non c'è dubbio che AlphaGo sia stata una pietra miliare nello sforzo umano. È incredibile che una macchina possa apprendere la profonda intuizione necessaria per giocare. Mi piacerebbe vederci avanzare queste nuove idee, che si tratti di memoria, apprendimento per rinforzo o apprendimento a trasferimento, apprendimento non supervisionato. Tutte queste aree di ricerca amplieranno notevolmente le capacità di questo strumento chiamato deep learning. Non appena imparo le sfide delle architetture di oggi, posso inserire quelle idee nella prossima architettura.