211service.com
CEO de Nvidia: El software se está comiendo el mundo, pero la IA se va a comer el software
Las empresas tecnológicas y los inversores han estado acumulando dinero recientemente en inteligencia artificial, y mucho ha estado llegando al fabricante de chips Nvidia. Los ingresos de la empresa aumentaron a medida que comenzó a fabricar hardware personalizado para algoritmos de aprendizaje automático y casos de uso, como automóviles autónomos. En la conferencia anual de desarrolladores de la compañía en San José, California, esta semana, el CEO de la compañía, Jensen Huang, habló con Revisión de tecnología del MIT sobre cómo la revolución del aprendizaje automático apenas comienza.
Nvidia se ha beneficiado de una rápida explosión de inversión en aprendizaje automático por parte de empresas tecnológicas. ¿Puede continuar este rápido crecimiento en los casos de uso para el aprendizaje automático?
Estamos muy temprano. Muy pocas líneas de código en las empresas e industrias de todo el mundo utilizan IA en la actualidad. Es bastante generalizado en las empresas de servicios de Internet, particularmente en dos o tres de ellas. Pero hay muchos otros en tecnología y otras industrias que están tratando de ponerse al día. El software se está comiendo el mundo, pero la IA se va a comer el software.
¿Qué industria será transformada por el aprendizaje automático a continuación?
Uno es la industria automotriz. Diez de las principales compañías automotrices del mundo están aquí con nosotros en la conferencia. El segundo es el cuidado de la salud, y el impacto en la sociedad va a ser muy grande. La información de salud es desordenada y desestructurada, pero ahora las computadoras pueden entenderla para mejorar los diagnósticos y predicciones de los médicos.
Los resultados de investigaciones recientes de la aplicación del aprendizaje automático al diagnóstico son impresionantes (ver Un oftalmólogo de IA muestra cómo el aprendizaje automático puede transformar la medicina ). Pero no está claro cómo los reguladores probarán y aprobarán estos nuevos tipos de sistemas.
Cuando hablamos de vidas humanas, siempre hay desafíos regulatorios. Pero no podemos ignorar el impacto de una tecnología que trae resultados 10 o 1000 veces mejores. Confío en que las mentes razonables se darán cuenta de los beneficios de esta tecnología y la pondrán en manos de médicos, clínicos y radiólogos para que puedan hacer un mejor trabajo. Arterys obtuvo recientemente la aprobación de la FDA para sus imágenes cardíacas [que anotan exploraciones del corazón], y sé de muchas otras que están en preparación.
El uso del aprendizaje automático en los automóviles también creará nuevos desafíos para los reguladores. Nvidia ha demostrado un software que aprende a conducir simplemente observando lo que hace un conductor humano, pero es difícil explicar exactamente cómo funciona o cómo se comportaría en diferentes escenarios (ver El oscuro secreto en el corazón de la IA ).
El poder y la promesa de este enfoque integral es muy tentador. Realmente creemos que, a largo plazo, la forma en que conducirá la IA es similar a la forma en que conducen los humanos: no dividimos el problema en objetos, visión, localización y planificación. Pero cuánto tiempo nos llevará llegar allí es cuestionable. Lograr que haga todo correctamente es un gran desafío, [y] cuando no hace una cosa bien, ¿cómo se repara? Porque estás tratando de entrenar todo junto. Probablemente tengamos que dividir algunos de estos problemas en partes más pequeñas.
Sus chips ya están conduciendo algunos autos: todos los vehículos Tesla ahora usan la computadora Drive PX 2 de Nvidia para impulsar la función de piloto automático que automatiza la conducción en carretera. ¿Esa función utiliza toda la capacidad del hardware? ¿Podría impulsar la conducción totalmente autónoma?
Drive PX 2 es una plataforma de cómputo con mucha capacidad de cómputo reservada; la idea es tener suficiente para que pueda actualizar continuamente el software y estar encantado con las mejoras a lo largo del tiempo. Para la autonomía total, es decir, un automóvil sin conductor, todavía hay algunas incógnitas, pero se está desarrollando mucho software. No estoy exactamente seguro, pero lo averiguaremos.
Intel, Google y varias otras empresas ahora están trabajando en chips diseñados para acelerar el aprendizaje automático (ver La batalla para proporcionar chips para el auge de la IA se intensifica ). ¿Cómo te mantendrás adelante?
Mucha gente reconoce la importancia de este mercado y creo que va a ser muy grande. Vamos a dirigir nuestros años de inversión en nuestros chips de GPU y un presupuesto de investigación y desarrollo de dos mil quinientos millones de dólares hacia el aprendizaje profundo. Y haremos que nuestra arquitectura esté disponible en todas partes: en PC, en servidores, en la nube, en automóviles, en robots.
Está de acuerdo con los investigadores que dicen que los desafíos físicos de hacer transistores más pequeños y más eficientes en el consumo de energía están ralentizando el progreso en el poder de los procesadores de computadora (ver La ley de Moore está muerta. ¿Ahora que? ). Pero usted afirma que los chips de Nvidia pueden seguir avanzando porque están especializados en casos de uso particulares. Seguramente no podrás resistirte a la física para siempre.
No hay duda al respecto, no podemos. En este momento, estamos recuperando las ineficiencias de las CPU y el software en nuestras GPU más especializadas. Mi sensación es que seguiremos beneficiándonos de eso durante un par de décadas. Pero en algún lugar tendremos que encontrar algo nuevo. Tenemos un increíble equipo de ingeniería en la empresa que supera los límites de la física de los dispositivos y algunos excelentes socios en la fabricación. Entre todos encontraremos el camino.