Nvidia: strojové učení není segment, je to budoucnost všeho

Na letošní konferenci GPUTech si opět vzal hlavní slovo šéf Nvidie – Jen-Hsun Huang, který se zaměřil hlavně na oblasti strojového učení a umělé inteligence. Nezapomnělo se ani na čerstvě nastupující virtuální realitu.

Nvidia se v oblasti strojového učení pomocí neuronových sítí angažuje opravdu hodně – kromě samotné podpory výkonných grafických čipů, které navrhuje i pro tuto oblast výpočtů, zajišťuje i vývoj všech potřebných softwarových nástrojů, které usnadňují a zrychlují výzkum a použití.

Šéf Nvidie sdělil, že za poslední rok se jen v rámci startupů z oblasti umělé inteligence investovalo přes pět miliard dolarů a Nvidia tak už dnes blíže spolupracuje se stovkami společnosti. Společností z této oblasti už jsou ale tisíce.

Nejvíce rozvíjející se oblastí strojového učení je Deep Learning, kde je vidět obrovský pokrok každým rokem. Podle Nvidie je to technologie, která změní všechno. Nejedná se tak o nějaký samostatný segment, ale o technologii, která nakonec bude součástí všeho kolem nás a postupně bude integrovaná do všemožných systémů.

Lze tak očekávat, že jednotlivé oblasti budou hluboké neuronové sítě využívat stále více – ať už se bude jednat o rozpoznávání zvuků, obrazu a dalších. Základní výhodou je, že tyto techniky v mnohém připomínají lidský mozek, respektive jeho schopnosti ve vybraných oblastech.

Postupnou integraci si lze představit jako využívání tisíců či milionů relativně malých „expertních mozků“, které se dokáží naučit co je potřeba a změnit dosavadní fungování systémů. Český startup NeuronSW například vyvinul technologii na bázi deep learningu, která dokáže z poslechu zvuků mechanických strojů zjistit závadu, možnosti použití jsou ale téměř neomezené.

Klepněte pro větší obrázek
Složení Nvidia DGX-1

Pro tyto účely Nvidia představila i extrémně výkonný „superpočítač“ (node) určený pro deep learning – Nvidia DGX-1, který obsahuje celkem osm grafických karet Tesla P100. Díky tomu může být učení hlubokých neuronových sítí mnohem rychlejší a tedy i efektivnější. Nvidia se snaží akcelerovat vývoj v této oblasti právě kombinací dostupných hardwarových i softwarových řešení.

Klepněte pro větší obrázekKlepněte pro větší obrázek
Rozdíl ve zrychlení učení pomocí hlubokých neuronových sítí s novými systémy od Nvidie

Jak jsme popisovali v článku o robotických pažích, které se učí uchopit jakýkoli předmět nebo systémech automatického řízení vozidla, vše se točí kolem množství dat. Čím více dat a delší učení, tím lze teoreticky dosáhnout lepších výsledků, respektive zkušeností. Zatímco člověk má v tomto směru omezení kvůli tomu, že mozek už běžnou „pomalou“ evolucí jen tak rychlejší nebude, v případě čipů lze stále postupovat rychleji s exponenciálním vývojem.

Témata článku: Technologie, Byznys, Umělá inteligence, Nvidia, Strojové učení, Budoucnost

6 komentářů

Nejnovější komentáře

  • Petr Galansky 7. 4. 2016 12:22:53
    Neuronové sítě kopírují princip funkce těch neuronů co máme v...
  • TrueStory 7. 4. 2016 9:23:17
    Problém strojového učení je, že nám začne vyhazovat výsledky, které se nám...
  • jdu_blejt 7. 4. 2016 9:02:30
    Ocakaval som skor info o novej generacii GTX kariet:(
Určitě si přečtěte