211service.com
El hombre que vende palas en la fiebre del oro del aprendizaje automático
Jen-Hsun Huang, CEO del fabricante de chips Nvidia, es muy profético o muy afortunado. Su empresa se construyó en torno a unidades de procesamiento de gráficos (GPU) para videojuegos. Pero esos mismos chips ahora se usan ampliamente en proyectos de inteligencia artificial, como los esfuerzos para construir automóviles autónomos.
Los chips de Nvidia resultaron ser especialmente eficientes para entrenar las redes neuronales utilizadas en una técnica llamada aprendizaje profundo que recientemente ha hecho que el software sea mucho más inteligente y ha provocado que los gigantes tecnológicos e inversores acumulen dinero en la investigación del aprendizaje automático. Esta semana, la compañía anunció un nuevo chip diseñado específicamente para la tarea (ver Un chip de $2 mil millones para acelerar la inteligencia artificial). Huang habló con Will Knight, Revisión de tecnología del MIT editor senior de IA y robótica de la compañía, en la conferencia anual de tecnología de la compañía en San José esta semana.
¿Cuál espera que sea el próximo gran mercado para su hardware?
Creo que la robótica va a ser enorme. La razón por la que elegimos [hacer un chip para] autos sin conductor es que es el desafío de robótica más fácil. El aprendizaje profundo nos ha dado un algoritmo que finalmente puede permitir que los robots aprendan por sí mismos, a partir de objetivos de alto nivel y, a través de la iteración, descubran por sí mismos. No creo que sea posible enseñarle eso a un robot escribiendo programas.
El aprendizaje profundo ciertamente ha tenido éxito, pero es solo una simulación muy aproximada de lo que sucede en el cerebro. ¿Está interesado en desarrollar hardware que funcione más como las bases de la inteligencia biológica?
Estamos tratando de construir un avión mejor en lugar de descubrir cómo funciona un pájaro. Algunas personas lo describen como neuronas, pero la analogía con el cerebro es muy vaga. Para nosotros, es un montón de matemáticas que extraen las características importantes de las imágenes, la voz o la acción del sensor. Cualquier analogía con un cerebro no es necesariamente tan importante.
El software AlphaGo de Google DeepMind recientemente derrotó al mejor jugador de Go del mundo . ¿La investigación de inteligencia artificial de vanguardia como esa dará forma al futuro hardware?
Trabajamos muy de cerca con los muchachos de DeepMind, y no hay duda de que AlphaGo fue un hito en el esfuerzo humano. Es asombroso que una máquina pueda aprender la profunda intuición necesaria para jugar. Me encantaría vernos avanzar en estas nuevas ideas, ya sea memoria, aprendizaje por refuerzo o transferencia de aprendizaje, aprendizaje no supervisado. Todas estas áreas de investigación expandirán dramáticamente las capacidades de esta herramienta llamada aprendizaje profundo. Tan pronto como aprenda los desafíos de las arquitecturas actuales, puedo poner esas ideas en la próxima arquitectura.