英偉達(dá)企業(yè)高級總監(jiān)大衛(wèi)?霍根在今年的人工智能博覽會上談到了該公司如何看待人工智能的應(yīng)用產(chǎn)生的影響。

在主題會議上，題為“什么是人工智能的真正采用”，霍根提供了真實的例子，說明了這項技術(shù)是如何被英偉達(dá)的gpu使用和啟用的。但首先，他強(qiáng)調(diào)了我們在人工智能領(lǐng)域看到的勢頭。

“許多政府已經(jīng)宣布了對人工智能的投資，以及他們將如何定位自己，”霍根評論道。“世界各國正開始投資于非常大的基礎(chǔ)設(shè)施。”

世界上最強(qiáng)大的超級計算機(jī)是由英偉達(dá)的gpu驅(qū)動的。目前最快的ORNL Summit使用了令人難以置信的27,648個gpu，提供了超過144,petaflops的性能。人工智能需要大量的計算能力，這使英偉達(dá)處于一個很好的資本化位置。

“人工智能的計算需求是巨大的，超出了任何人以前在標(biāo)準(zhǔn)企業(yè)環(huán)境中看到的，”Hogan說。“你不能在標(biāo)準(zhǔn)CPU集群上訓(xùn)練神經(jīng)網(wǎng)絡(luò)。”

英偉達(dá)最初是為游戲開發(fā)顯卡。霍根說，雖然這仍然是該公司業(yè)務(wù)的重要組成部分，但該公司早在2012年就開始轉(zhuǎn)向人工智能。

演講的大部分內(nèi)容都是關(guān)于自動駕駛汽車的，考慮到需求和英偉達(dá)在該領(lǐng)域的專業(yè)知識，這并不令人意外。Hogan強(qiáng)調(diào)，你根本無法使用cpu培訓(xùn)無人駕駛汽車，并提供了成本、大小和功耗方面的比較。

Hogan解釋說:“一種基于GPU架構(gòu)的新型計算正在開始發(fā)展，這種架構(gòu)被稱為‘密集計算’，能夠構(gòu)建功能強(qiáng)大、計算量巨大、但實際上包含在非常小的配置中的系統(tǒng)。”

自動駕駛汽車制造商需要每天訓(xùn)練pb級的數(shù)據(jù)，重復(fù)他們的模型，并再次部署它們，以便將這些汽車推向市場。

英偉達(dá)有一臺名為DGX-2的機(jī)器，其運(yùn)算速度可達(dá)每秒2千萬億次。“這相當(dāng)于一個盒子里有800臺傳統(tǒng)服務(wù)器。”

英偉達(dá)擁有370輛無人駕駛汽車，霍根說，這些汽車覆蓋了世界上大多數(shù)汽車品牌。其中許多公司都在大舉投資，爭相在2020-21年的時間框架內(nèi)推出至少“二級”無人駕駛汽車。

“我們有一支自動車隊，”霍根說。“我們無意與優(yōu)步(Uber)、戴姆勒(Daimler)或?qū)汃R(BMW)競爭，但我們幫助客戶實現(xiàn)這一目標(biāo)的最佳方式是親自嘗試。”

“我們的客戶所做的所有工作都是我們自己做的，所以我們明白其中的挑戰(zhàn)，以及如何做到這一點。”

現(xiàn)實世界的影響

霍根指出，人工智能是一種“跨組織的橫向能力”，是“許多許多事情的推動者”。提出一些不能通過人工智能在一定程度上得到改善的行業(yè)的例子，無疑是一個挑戰(zhàn)。

繼自動駕駛汽車之后，英偉達(dá)預(yù)計下一個大規(guī)模的人工智能將出現(xiàn)在醫(yī)療領(lǐng)域(當(dāng)然，我們親愛的讀者已經(jīng)知道這一點)。

霍根提供了英國國民健康服務(wù)(NHS)的自然例子，NHS擁有大量的病人數(shù)據(jù)。將這些數(shù)據(jù)整合在一起，并利用人工智能對其進(jìn)行解釋，可以解鎖有價值的信息，從而改善醫(yī)療保健。

人工智能可以使醫(yī)學(xué)成像變得和一些醫(yī)生一樣，甚至更好。然而，對于大多數(shù)人來說，它們?nèi)匀皇嵌S圖像。

霍根展示了人工智能如何將二維圖像轉(zhuǎn)換成更容易理解的器官三維模型。在下面的GIF圖中，我們看到一張心臟的x光照片被轉(zhuǎn)換成3D模型:

我們也聽說了人工智能如何幫助基因組學(xué)領(lǐng)域，幫助尋找人類疾病的治療方法。Nvidia gpu用于牛津納米孔公司(Oxford Nanopore)的微型手持設(shè)備，該設(shè)備可以在野外對植物等物體進(jìn)行DNA測序。

在去年的一篇博客文章中，英偉達(dá)解釋了MinIT如何使用人工智能進(jìn)行基本運(yùn)算:

納米孔測序測量通過納米孔的微小離子流。當(dāng)DNA通過這些小孔時，它能檢測到信號的變化。這個捕獲的信號產(chǎn)生原始數(shù)據(jù)，需要信號處理來確定DNA堿基的順序——稱為“序列”。這就是所謂的“壘包”。

這個分析問題非常適合人工智能，特別是遞歸神經(jīng)網(wǎng)絡(luò)。與之前的方法相比，RNNs可以在時間序列數(shù)據(jù)中獲得更高的準(zhǔn)確性，而牛津納米孔公司的測序儀正是以這一點而聞名。”

霍根指出，在許多方面，電子商務(wù)為人工智能鋪平了道路。為諸如廣告之類的事情收集的數(shù)據(jù)有助于訓(xùn)練神經(jīng)網(wǎng)絡(luò)。此外，電子商務(wù)公司一直致力于改進(jìn)和優(yōu)化他們的算法，以吸引顧客，比如推薦。

“所有這些數(shù)據(jù)，所有我們創(chuàng)建的Facebook信息，使我們能夠訓(xùn)練網(wǎng)絡(luò)，”霍根說。

實體零售商也在通過人工智能得到改善。霍根以沃爾瑪為例，該公司正利用人工智能來改善其需求預(yù)測，并保持供應(yīng)鏈平穩(wěn)運(yùn)行。

實時情況下，沃爾瑪能夠看到潛在的供應(yīng)挑戰(zhàn)在哪里，并采取行動避免或?qū)⑵渥钚』Ｔ摴旧踔聊軌蚩吹侥睦锏奶鞖鈼l件可能導(dǎo)致問題。

霍根表示，這為沃爾瑪節(jié)省了數(shù)百億美元。“這只是人工智能如何在今天產(chǎn)生影響的一個例子，不僅影響企業(yè)的利潤，還影響企業(yè)的整體業(yè)績。”

霍根稱，埃森哲目前每天檢測到約2億次網(wǎng)絡(luò)威脅。他指出，沒有人工智能，保護(hù)自己不受如此多不斷演變的威脅是不可能的。

“這是不可能解決的，看它，優(yōu)先考慮它，并采取任何其他方式，而不是應(yīng)用人工智能，”霍根評論說。“人工智能的基礎(chǔ)是模式——不同的東西——以及何時采取行動、何時不采取行動。”

雖然我們經(jīng)常聽說人工智能有一天會被用來做什么，但霍根的演講對英偉達(dá)如何看待人工智能在今天或不遠(yuǎn)的將來產(chǎn)生的影響提供了一個引人入勝的視角。