Фабрики штучного інтелекту та роботи: які технологічні зміни пророкує CEO NVIDIA
У промові напередодні цьогорічної виставки Computex генеральний директор NVIDIA Дженсен Хуанг заявив про еру робототехніки та «фабрик штучного інтелекту», що працюють на чипах і програмному забезпеченні Nvidia. Такі фундаментальні зміни мають трапитись вже «у найближчому майбутньому». Наскільки реалістичним є прогноз директора техкорпорації та яких змін очікувати.
Що таке «фабрика штучного інтелекту»
Взагалі ця фраза стала доволі популярною у директора NVIDIA. Він згадує про цей концепт мало не на кожній конференції.
Дженсен Хуанг в цьому контексті згадує про «інфляцією обчислень», яку, за його словами, переживає світ. Продуктивність процесорів надзвичайно сповільнилася і все ж необхідний обсяг обчислень усе ще подвоюється дуже швидко.
«Фабрики штучного інтелекту» тепер можливі, оскільки графічні процесори інтегровані з центральними процесорами, що означає, що багато обчислень можна виконувати одночасно, і робить обробку штучного інтелекту швидшою та ефективнішою.
За його словами, комп’ютер «більше не просто інструмент для зберігання інформації або обробки даних, а фабрика для генерування інтелекту для будь-якої галузі». За версією Хуанга, інформація, яку отримують сервери та центри обробки даних, зможуть створювати нові токени інформації.
«Це використання комп’ютерів у виробництві, чогось, що ніколи раніше не було», — сказав Хуанг, наголошуючи, що те, що почалося з прискорених обчислень, «привело до штучного інтелекту, призвело до генеративного ШІ, а тепер промислова революція».
Що конкретно пропонує NVIDIA щодо фабрик штучного інтелекту
Фактично у NVIDIA представили низку систем на базі архітектури NVIDIA Blackwell із процесорами Grace, мережею та інфраструктурою для бізнесу.
Blackwell – це нова мікроархітектура графічного процесора від компанії. Вона дозволяє ефективно виконувати завдання штучного інтелекту та машинного навчання. Основна ідея полягає в тому, щоб спростити та прискорити обробку великих обсягів даних, які потребують алгоритми ШІ. Це дозволяє комп'ютерам навчатися і приймати рішення набагато швидше, ніж за допомогою традиційних процесорів.
Фактично «фабрики штучного інтелекту» це поки що модне слово на позначення центрів обробки даних.
Але ця відмінність має великий сенс для NVIDIA, яка може переконати компанії сприймати витрати на датацентри по іншому:. «Центри обробки даних увійшли до розділу капітальних витрат вашої компанії. Ви вважаєте це витратами. Але фабрика – це зовсім інше. Це приносить гроші», – сказав він. «Новий світ генеративного ШІ має нову форму фабрики».
Під час свого виступу Хуанг оголосив, що ASRock Rack, ASUS, GIGABYTE, Pegatron, QCT, Supermicro, Wistron і Wiwynn створюватимуть хмарні, локальні, вбудовані та периферійні системи штучного інтелекту за допомогою графічних процесорів NVIDIA та мережі.
Також NVIDIA оголосила, що її мікросервіс NVIDIA NIM, оптимізований у формі контейнера, тепер доступний для завантаження 28 млн розробників у всьому світі. Його можна розгортати в хмарі, центрах обробки даних або робочих станціях, що дозволяє розробникам простіше створювати генеративні програми штучного інтелекту такі як копілоти та чат-боти, кільканадцять хвилин, процес, який раніше займав кілька тижнів.
Зміни в робототехніці
Ближче до завершення своєї двогодинної презентації Хуан підкреслив, що наступним кроком цієї нової ери для штучного інтелекту є просування вперед робототехніки.
Наприклад, Foxconn (найбільший у світі контактний виробник електроніки) використовує штучний інтелект NVIDIA та технологію Omniverse для навчання роботів і оптимізації операцій. Foxconn керує понад 170 заводами по всьому світу, останнім з яких є віртуальний завод — цифрова копія нового заводу у Гвадалахарі, Мексика. Інженери Foxconn визначають процеси та навчають роботів у цьому віртуальному середовищі.
Також BYD Electronics, Siemens, Teradyne Robotics і Alphabet's Intrinsic інтегрують бібліотеки NVIDIA Isaac — симуляційний контент у свої програмні інфраструктури та моделі роботів для підвищення ефективності на фабриках, складах і розподільних центрах.
Що заважає розвиватись робототехніці
Є кілька проблем у розвитку робототехніки. Наприклад, парадокс Моравека: речі, які просто зробити людям, як-от скласти кілька блоків у пірамідку, неймовірно важкі для роботів, тоді як завдання, які є складними для людей, як-от підняття важких предметів чи гра в шахи, легкі для роботів.
Також великою перепоною є технічні деталі, зокрема, техніка хапання: людські руки — дуже складна конструкція і мають безліч сенсорів, що допомагає безпомильно виконувати складні операції. Натомість промислові роботи використовують простіші та надійніші захвати.
Завдяки досягненням в області штучного інтелекту, роботів навчають сортувати пакунки та виконувати інші складські завдання, хоча в неконтрольованому середовищі їм все ще важко розрізняти об’єкти.
Чому розробляють насамперед промислових роботів
Більшість теперішніх зусиль в робототехніці спрямовані на промисловість. Одна з причини — початкові витрати. Лише в випадку широкого застосування розробка може покрити інвестиції.
Під час обговорення роботів часто говорять про «загальне призначення». По суті, це стосується систем, які можуть швидко вирішувати різноманітні завдання так, як це роблять люди. Традиційні робототехнічні системи, зазвичай, мають єдине призначення, тобто вони справді добре виконують одну справу кілька разів. Багатоцільові системи, існують, але вони переважно не автономні (необхідна людина для контролю робота та його дій).
Роботів, створених для однієї функції, важко адаптувати, хоча, теоретично, робот, створений, щоб думати, як ми, може робити все, що ми можемо.
Також людям потрібна краща система керування, ніж геймпад чи інші пристрої введення. Найближчим часом застосування великих мовних моделей зможе створювати природніші методи спілкування між роботами та людьми. Природна мова дозволяє людям віддавати системам команди та дає краще розуміння того, що робить робот. У цьому напрямку працюють стартапи Figure AI та 1X Technologies, у яких робот контактує з людиною через API нейромережі створені OpenAI.
