Διευθύνων Σύμβουλος της Nvidia: Ποντάραμε το αγρόκτημα στην τεχνητή νοημοσύνη και κανείς δεν το γνώριζε

Ο ιδρυτής και διευθύνων σύμβουλος της Nvidia, Jensen Huang, δήλωσε σήμερα ότι η εταιρεία είχε λάβει μια υπαρξιακή επιχειρηματική απόφαση το 2018 που λίγοι συνειδητοποίησαν ότι θα επαναπροσδιορίσει το μέλλον της και θα βοηθούσε στον επαναπροσδιορισμό μιας εξελισσόμενης βιομηχανίας. Έχει αποπληρωθεί πάρα πολύ, φυσικά, αλλά ο Huang είπε ότι αυτή είναι μόνο η αρχή ενός εγγύς μέλλοντος με τεχνητή νοημοσύνη – ένα μέλλον που τροφοδοτείται κυρίως από το υλικό Nvidia. Ήταν αυτό το επιτυχημένο παιχνίδι τυχερό ή έξυπνο; Η απάντηση, φαίνεται, είναι «ναι».

Έκανε αυτές τις παρατηρήσεις και τους προβληματισμούς

κατά τη διάρκεια μιας κεντρικής ομιλίας

στο SIGGRAPH στο Λος Άντζελες. Αυτή η στιγμή πριν από πέντε χρόνια, είπε ο Huang, ήταν η επιλογή να υιοθετήσουμε την επεξεργασία εικόνας με τεχνητή νοημοσύνη με τη μορφή ανίχνευσης ακτίνων και έξυπνης αναβάθμισης: RTX και DLSS αντίστοιχα. (Τα αποσπάσματα προέρχονται από τις σημειώσεις μου και μπορεί να μην είναι αυτολεξεί, ορισμένες μικρές διορθώσεις ενδέχεται να πραγματοποιηθούν μετά τον έλεγχο της μεταγραφής.)

«Συνειδητοποιήσαμε ότι η ραστεροποίηση έφτασε στα όριά της», είπε, αναφερόμενος στην παραδοσιακή, ευρέως χρησιμοποιούμενη μέθοδο απόδοσης μιας τρισδιάστατης σκηνής. «Το 2018 ήταν μια στιγμή «στοίχημα της εταιρείας». Απαιτούσε να εφεύρουμε εκ νέου το υλικό, το λογισμικό, τους αλγόριθμους. Και ενώ εφευρίσκαμε εκ νέου το CG με AI, εφευρίσκαμε εκ νέου τη GPU για την τεχνητή νοημοσύνη».

Ενώ το ray-tracing και το DLSS βρίσκονται ακόμη σε διαδικασία υιοθέτησης στον ποικίλο και πολύπλοκο κόσμο των καταναλωτικών GPU και παιχνιδιών, η αρχιτεκτονική που είχαν δημιουργήσει για να το επιτρέψουν βρέθηκε ότι είναι τέλειος συνεργάτης για την αναπτυσσόμενη κοινότητα ανάπτυξης μηχανικής μάθησης.

Ο τεράστιος όγκος υπολογισμών που απαιτείται για την εκπαίδευση ολοένα και μεγαλύτερων μοντέλων παραγωγής εξυπηρετήθηκε καλύτερα όχι από παραδοσιακά κέντρα δεδομένων με κάποια ικανότητα GPU, αλλά συστήματα όπως το H100 που σχεδιάστηκαν από την αρχή για να εκτελούν τις απαραίτητες λειτουργίες σε κλίμακα. Θα ήταν δίκαιο να πούμε ότι η ανάπτυξη της τεχνητής νοημοσύνης περιορίστηκε κατά κάποιο τρόπο μόνο από τη διαθεσιμότητα αυτών των υπολογιστικών πόρων. Η Nvidia είχε στην κατοχή της μια έκρηξη σε κλίμακα Beanie Baby και έχει πουλήσει περίπου όσους διακομιστές και σταθμούς εργασίας μπόρεσε να φτιάξει.

Αλλά ο Χουάνγκ υποστήριξε ότι αυτή ήταν μόλις η αρχή. Τα νέα μοντέλα όχι μόνο πρέπει να εκπαιδεύονται, αλλά να εκτελούνται σε πραγματικό χρόνο από εκατομμύρια, ίσως και δισεκατομμύρια χρήστες σε τακτική βάση.

“Το μέλλον είναι ένα LLM στην πρώτη γραμμή σχεδόν όλων: “Human” είναι η νέα γλώσσα προγραμματισμού”, είπε. Τα πάντα, από οπτικά εφέ έως μια ταχέως ψηφιοποιούμενη κατασκευαστική αγορά, σχεδιασμός εργοστασίων και βαριά βιομηχανία θα υιοθετήσουν σε κάποιο βαθμό μια διεπαφή φυσικής γλώσσας, όπως είπε ο Huang.

«Ολόκληρα τα εργοστάσια θα είναι καθορισμένα από λογισμικό και ρομποτικά, και τα αυτοκίνητα που θα κατασκευάζουν θα είναι τα ίδια ρομποτικά. Έτσι είναι ρομποτικά σχεδιασμένα ρομπότ που κατασκευάζουν ρομπότ», είπε.

Κάποιοι μπορεί να μην συμμερίζονται την άποψή του, η οποία, αν και εύλογη, τυχαίνει να είναι εξαιρετικά φιλική προς τα συμφέροντα της Nvidia.

Αλλά ενώ το

βαθμός

Η εξάρτηση από τα LLM μπορεί να είναι άγνωστη, λίγοι θα έλεγαν ότι δεν θα υιοθετηθεί καθόλου, ακόμη και μια συντηρητική εκτίμηση για το ποιος θα το χρησιμοποιήσει και για τι θα απαιτήσει μια σοβαρή επένδυση σε νέους υπολογιστικούς πόρους.

Η επένδυση εκατομμυρίων δολαρίων σε υπολογιστικούς πόρους τελευταίας γενιάς, όπως racks που εστιάζουν στην CPU, είναι ανόητη όταν κάτι σαν το GH200, το πρόσφατα αποκαλυφθέν και αφιερωμένο στο κέντρο δεδομένων υλικό ανάπτυξης τεχνητής νοημοσύνης, μπορεί να κάνει την ίδια δουλειά με λιγότερο από το ένα δέκατο του κόστους και Απαιτήσεις ισχύος.

Παρουσίασε με χαρά ένα βίντεο που δείχνει μια συναρμολόγηση πολλαπλών υπολογιστικών μονάδων Grace Hopper που μοιάζει με LEGO σε μια λεπίδα, μετά σε ένα rack, μετά μια σειρά GH200 όλα συνδεδεμένα σε τόσο υψηλές ταχύτητες που ισοδυναμούσαν με τη «μεγαλύτερη ενιαία GPU στον κόσμο», που περιελάμβανε μία πλήρες exaflop της υπολογιστικής ισχύος της ειδικότητας ML.

«Αυτό είναι το πραγματικό μέγεθος, παρεμπιπτόντως», είπε, αντιπροσωπεύοντας το δραματικό αποτέλεσμα στο κέντρο της οπτικοποίησης. “Και πιθανότατα τρέχει ακόμη και το Crysis.”

Αυτά θα είναι η βασική μονάδα της ψηφιακής βιομηχανίας του μέλλοντος που θα κυριαρχείται από την τεχνητή νοημοσύνη, πρότεινε.

«Δεν ξέρω ποιος το είπε, αλλά… όσο περισσότερα αγοράζεις, τόσο περισσότερο εξοικονομείς. Αν μπορούσα να σας ζητήσω να θυμηθείτε ένα πράγμα από την ομιλία μου σήμερα, αυτό θα ήταν αυτό», είπε, κερδίζοντας ένα γέλιο από το κοινό του παιχνιδιού εδώ στο SIGGRAPH.

Καμία αναφορά στις πολλές προκλήσεις της τεχνητής νοημοσύνης, στους κανονισμούς ή στο σύνολο της ιδέας της αλλαγής της τεχνητής νοημοσύνης — όπως έχει ήδη κάνει πολλές φορές τον τελευταίο χρόνο. Είναι σίγουρα μια ροζ όψη του κόσμου, αλλά όταν πουλάς αξίνες και φτυάρια κατά τη διάρκεια μιας χρυσαυγιτίας, έχεις την πολυτέλεια να σκεφτείς έτσι.