Искусственный интеллект известен с 1950-х годов, но только открытия последнего десятилетия позволили задуматься о создании настоящего ИИ. Во многом это заслуга Nvidia, которая уже много лет лидирует в этой гонке и имеет в своем портфолио множество полезных технологий, способных изменить мир. Посмотрим, как производитель видеокарт для геймеров достиг такой позиции в сегменте ИИ.
У большинства из нас Nvidia ассоциируется с видеокартами, и это неудивительно, учитывая популярность дизайна GeForce. Ведь 80 процентов из них принадлежат им. рынок автономных карт, и не похоже, что AMD или Intel могут угрожать зелени в этом сегменте. Как заявил сам Дженсен Хуан в интервью Time:
Мы начинали как компьютерная компания. Первыми требовательными приложениями были компьютерные игры. В то время их рынок не стоил много. Оглядываясь назад, мы знаем, что выбор видеоигры был одним из лучших стратегических решений, которые мы когда-либо принимали.
Однако быстро стало ясно, что развитие в этом сегменте имеет свои ограничения. Хотя игровая индустрия быстро росла и продолжает расти, одни только продажи видеокарт, не считая ситуации, связанной с криптовалютным бумом, стабилизировались на определенном уровне. В Nvidia быстро поняли, что GPU можно использовать и для других, очень сложных задач, которые либо очень сложно, либо даже невозможно выполнить на другом оборудовании.
Так родилась концепция создания ускорителей вычислений для использования в платформах HPC. Таким образом, в 2007 году были запущены системы серии Tesla , которые являются первыми решениями на рынке, адаптированными к работе GPGPU. «Зеленые» стремительно завоевывают рынок, внедряя очередные поколения своих ускорителей, а также пользуясь тем, что в этом сегменте заметно отстают конкуренты. Nvidia смогла предоставить колоссальную программную поддержку, множество полезных библиотек, подготовленных для различных видов расчетов, а также обеспечить простоту использования и программирования, благодаря использованию известной и годами отработанной технологии CUDA.
Однако начало революции ИИ должно было начаться с обычного завтрака .которые съели коллеги из Стэнфордского университета — Эндрю Нг из Google и Билл Далли из Nvidia. Первый работал над нейронной сетью, которая могла сама обучаться и распознавать элементы в видео на YouTube. Его система использовала тысячи процессоров и была очень сложной. Далли поспорил с коллегой, что сможет создать решение такого типа, используя всего несколько графических процессоров, и обратился к Брайану Катандзаро, который много лет работал в области глубокого обучения в Nvidia. Как оказалось, при использовании всего 12 графических процессоров были получены те же результаты, что и при использовании тысяч процессоров. Эта история циркулирует в сети уже много лет и частично является правдой, но исследования по использованию GPU в расчетах искусственного интеллекта проводились за два года до этого события.
Вычислительные платформы — это одно, но настоящая революция началась с появлением первых блоков Tegra X1 , благодаря которым Nvidia обозначила свое место в индустрии глубокого обучения. Более того, разработка этого типа чипов также позволила подготовить основу для платформы Nvidia Drive , используемой в современных автомобильных системах. Зеленые поняли, что этого все же недостаточно, потому что все большее значение приобретают расчеты с меньшей точностью .
В случае многих задач, связанных с широко понимаемым искусственным интеллектом, высокая точность ни для чего не нужна . Поэтому без соответствующего аппаратного и программного обеспечения такие операции выполняются на неадаптированных единицах со стандартной скоростью, известной из других типов вычислений. Nvidia прекрасно знала об этом с момента выпуска Tesla P100 , который когда-то был первым в мире графическим процессором для суперкомпьютеров с ИИ для центров обработки данных. Этот ускоритель имел полностью разблокированные вычисления с половинной точностью FP16, которые выполнялись в два раза быстрее, чем вычисления с одинарной точностью, связанные с видеоиграми.
По словам Эндрю Фельдмана из Cerebras, компании, занимающейся искусственным интеллектом:
Математика в вычислениях ИИ проста, и ее много.
Отчасти поэтому со временем Nvidia решила разработать специальные блоки под названием Tensors , которые можно найти в картах Turing и Ampere. Они значительно ускорили работу с матрицами, используемыми в задачах SI или выводе. Довольно маловероятно, что в будущем они исчезнут, если посмотреть на то, как выглядит недавно представленный ускоритель H100 .
В какой-то момент Nvidia уже отвечала за более чем 95 процентов. поставка систем для сегмента вычислений искусственного интеллекта . Именно тогда началось преследование других производителей, в том числе Google. Однако, в отличие от этой и других компаний, зеленые создают более универсальные единицы, хотя некоторые из них также узкоспециализированы для нагрузок SI. Конкуренция обычно сосредоточена на ASIC, адаптированных к одному типу вычислений и только ускоряющих их. В этом их преимущество и недостаток в быстро меняющемся мире.
Катандзаро комментирует эти действия следующим образом:
Мы говорим о GPU, TPU, IPU или о чем угодно, но люди слишком привязаны к этим названиям. Мы называем наши графические процессоры так из-за истории того, что мы делали... но графические процессоры всегда предназначались для ускорения вычислений, и характер рабочих нагрузок, которые волнуют людей, меняется .
Зеленые вкладывают огромные деньги в современные технологии. Их цель каждый год — лидировать во всех возможных тестах SI и превзойти TPU Google. На ежегодных презентациях GTC растет число демонстраций только ИИ . Технология Nvidia уже используется в вышеупомянутых автомобилях, которые в конечном итоге должны стать автономными. Более того, его аппаратное и программное обеспечение используется, в частности, в радиационных системах лечения рака, вычислительных платформах для исследования лекарств, метеорологических системах и, наконец, очень полезных роботах, используемых на фабриках. Существует также, среди прочего, Секвенирование ДНК, распознавание объектов, а также автоматизация компании или распознавание речи.
В отличие от большинства производителей вычислительной техники, Nvidia представила даже относительно простые платформы, доступные рядовым пользователям. Благодаря продуктам Jetson разработчики могут легко создавать собственные решения, адаптированные к зеленой экосистеме. Это, конечно, только укрепляет их позиции на рынке, и частично это связано с программным и аппаратным обеспечением Nvidia .
Весь рынок искусственного интеллекта сталкивается со многими проблемами. Одним из основных является изменение климата, которое нам обоим необходимо понять и найти способ обойти его. ИИ и глубокое обучение на мощных платформах HPC смогут помочь. Один из самых интересных проектов Nvidia — это, безусловно , Nvidia Maxine , которая по предположению будет предлагать перевод на лету при изменении изображения — ИИ не только сделает так, что наши глаза всегда обращены в сторону камеры во время разговора, но и подстроит движение наших губ к переведенным словам. Это технология, которая могла быть несколько лет назад
Это лишь малая часть того, что может предложить Nvidia. Важно отметить, что с точки зрения обычных пользователей эти технологии просто имеют смысл и кажутся полезными . Конечно, большая часть из них предназначена исключительно для использования компаниями, но пример Maxine или систем для автономных автомобилей ясно показывает, что в будущем мы будем использовать зеленые технологии. В случае с конкуренцией дизайн, хотя зачастую и чрезвычайно интересный, не так уж осязаем.
Найджел Тун из Graphcore считает, что ученые в настоящее время ограничены только оборудованием. В этом контексте Nvidia еще многое предстоит сделать, хотя у нее больше всего шансов вытащить всю тележку инноваций:
Есть такие идеи, как вероятностное машинное обучение, которые все еще сдерживаются, потому что современное оборудование, такое как графические процессоры, просто не позволяет ему двигаться вперед. Гонка будет заключаться в том, насколько быстро NVIDIA сможет развернуть GPU, или есть что-то новое, что позволит это сделать?
В конце концов, несомненно, что ИИ будет развиваться, и мы во многом обязаны его развитием зелени. Время покажет, как будет выглядеть этот процесс и сколько препятствий будет на пути у Nvidia, Google и их конкурентов.
