Η NVIDIA έβαλε τα στοιχήματά της στην τεχνητή νοημοσύνη πολύ νωρίς και τώρα αποκομίζει τα οφέλη, όπως αποδεικνύεται από την απίστευτη ανάπτυξή της τον περασμένο χρόνο. Όλα ξεκίνησαν με το Deep Learning Super Sampling ή DLSS του gaming, μια τεχνική που επικεντρώνεται στην επιτάχυνση της απόδοσης του παιχνιδιού με τη δύναμη του AI (συγκεκριμένα, ενός εκπαιδευμένου νευρωνικού δικτύου). Τότε ήταν που η NVIDIA άρχισε να βάζει Tensor Cores σε όλες τις κάρτες γραφικών GeForce από τη σειρά RTX και μετά. με την έλευση της ανίχνευσης ακτίνων σε πραγματικό χρόνο, υπήρχε έντονη ανάγκη για ανάκτηση όσο το δυνατόν μεγαλύτερης απόδοσης.
Με την πάροδο του χρόνου, η NVIDIA εξέλιξε το DLSS. Η έκδοση 2.0 παρείχε πολύ υψηλότερη ποιότητα, διατηρώντας παράλληλα την κατάσταση του επιταχυντή απόδοσης. Η έκδοση 3.0 πρόσθεσε το Frame Generation, το οποίο ξεκλείδωσε νέα επίπεδα απόδοσης, ειδικά σε παιχνίδια με CPU. και η έκδοση 3.5 επικεντρώθηκε στη βελτίωση της ποιότητας της ανίχνευσης ακτίνων στο πλαίσιο της αναβάθμισης με τη νέα δυνατότητα Ανασυγκρότησης ακτίνων που μόλις έκανε το ντεμπούτο του στο Cyberpunk 2077 με ευρεία αναγνώριση.
Στο τελευταίο τμήμα της πρόσφατης
Στρογγυλή τράπεζα «AI Visuals» που φιλοξενείται από την Digital Foundry
ο αντιπρόεδρος της Εφαρμοσμένης Έρευνας για τη Βαθιά Μάθηση της NVIDIA, Bryan Catanzaro, δήλωσε ότι πιστεύει ότι οι μελλοντικές εκδόσεις του DLSS, ίσως στην έκδοση 10, θα μπορούσαν να φροντίσουν κάθε πτυχή της απόδοσης σε ένα νευρικό σύστημα που βασίζεται σε AI.
Πίσω το 2018 στο συνέδριο NeurIPS, δημιουργήσαμε πραγματικά μια πολύ ωραία επίδειξη ενός κόσμου που αποδιδόταν από ένα νευρωνικό δίκτυο, όπως, εντελώς, αλλά οδηγούνταν από μια μηχανή παιχνιδιών. Οπότε, βασικά, αυτό που κάναμε ήταν να χρησιμοποιούσαμε τη μηχανή παιχνιδιού για να δημιουργήσουμε πληροφορίες σχετικά με το πού βρίσκονται τα πράγματα και στη συνέχεια να τις χρησιμοποιούσαμε ως είσοδο σε ένα νευρωνικό δίκτυο που θα έκανε όλη την απόδοση, οπότε ήταν υπεύθυνος βασικά για κάθε μέρος της διαδικασίας απόδοσης . Απλώς η εκτέλεση αυτού του πράγματος σε πραγματικό χρόνο το 2018 ήταν κάτι οραματικό. Η ποιότητα εικόνας που πήραμε από αυτό σίγουρα δεν πλησίαζε καθόλου το Cyberpunk 2077, αλλά νομίζω ότι μακροπρόθεσμα εδώ θα κατευθυνθεί η βιομηχανία γραφικών. Θα χρησιμοποιούμε ολοένα και περισσότερο γενετική τεχνητή νοημοσύνη για τη διαδικασία γραφικών. Και πάλι, ο λόγος για αυτό θα είναι ο ίδιος όπως και για κάθε άλλη εφαρμογή της τεχνητής νοημοσύνης, μπορούμε να μάθουμε πολύ πιο περίπλοκες λειτουργίες κοιτάζοντας τεράστια σύνολα δεδομένων από ό,τι μπορούμε με τη μη αυτόματη κατασκευή αλγορίθμων από κάτω προς τα πάνω.
Νομίζω ότι θα έχουμε αυξημένο ρεαλισμό και, επίσης, ελπίζω να κάνουμε φθηνότερο το να φτιάξουμε εκπληκτικά περιβάλλοντα AAA μεταβαίνοντας σε πολύ, πολύ πιο νευρική απόδοση. Νομίζω ότι θα είναι μια σταδιακή διαδικασία. Το θέμα με τον παραδοσιακό 3D Pipeline και τις μηχανές παιχνιδιών είναι ότι είναι ελεγχόμενος: μπορείτε να βάλετε ομάδες καλλιτεχνών να κατασκευάσουν πράγματα και να έχουν συνεκτικές ιστορίες, τοποθεσίες, τα πάντα. Μπορείτε πραγματικά να φτιάξετε έναν κόσμο με αυτά τα εργαλεία.
Θα χρειαστούμε σίγουρα αυτά τα εργαλεία. Δεν πιστεύω ότι η τεχνητή νοημοσύνη θα δημιουργήσει παιχνίδια με τέτοιο τρόπο που απλά γράφεις μια παράγραφο για τη δημιουργία ενός παιχνιδιού cyberpunk και μετά βγαίνει κάτι τόσο καλό όσο το Cyberpunk 2077. Νομίζω ότι ας πούμε ότι το DLSS 10 θα πάει στο μακρινό μέλλον να είναι ένα εντελώς νευρωνικό σύστημα απόδοσης που διασυνδέεται με μια μηχανή παιχνιδιών με διαφορετικούς τρόπους, και εξαιτίας αυτού, θα είναι πιο καθηλωτικό και πιο όμορφο.
Ο Catanzaro αναφέρεται σε αυτό το «παιχνίδι οδήγησης» που παρουσιάστηκε για πρώτη φορά στο συνέδριο NeurIPS του Δεκεμβρίου 2018 στο Μόντρεαλ του Καναδά. Περιττό να πούμε ότι η ποιότητα δεν ήταν εξαιρετική, αλλά η τεχνητή νοημοσύνη είναι ικανή για σημαντικές βελτιώσεις σε σχετικά σύντομο χρονικό διάστημα.
Δεν είναι καθόλου τραβηγμένο να φανταστεί κανείς ότι σε περίπου δέκα χρόνια, το DLSS θα μπορούσε να αντικαταστήσει πλήρως τις παραδοσιακές μεθόδους απόδοσης. Η NVIDIA εργάζεται ήδη σε περισσότερες νευρωνικές τεχνικές, όπως η ακτινική προσωρινή αποθήκευση και η συμπίεση υφής, οι οποίες θα μπορούσαν να προστεθούν στη σουίτα DLSS καθώς επεκτείνεται για να αντικαταστήσει πρόσθετα μέρη της διαδικασίας απόδοσης. Αν αποδειχθεί ότι αυτή είναι η κατεύθυνση, ωστόσο, η NVIDIA μπορεί να χρειαστεί να αυξήσει σημαντικά τον αριθμό των Tensor Cores που είναι διαθέσιμοι στις GPU της.
Θα παρακολουθούμε στενά τις νέες ερευνητικές εργασίες, καθώς αποτελούν την καλύτερη ένδειξη για το τι πρόκειται να έρθει από τη NVIDIA στον τομέα της νευρωνικής απόδοσης.
