侵权投诉
焊接机器人 喷涂机器人 搬运机器人 装配机器人 切割机器人 其它机器人
订阅
纠错
加入自媒体

【深度】黄仁勋:AI与无人驾驶新时代真的来了

2017-01-23 09:25
络遇
关注

问题:汽车AI会不会与世界的其它部分连接?引进谷歌助手,会不会为谷歌打开大门,让它在汽车领域竞争?你们有没有打算为生活的其它方面开发AI?

黄仁勋:如果你看看版图就会发现,最上游是AI助手,可能是IBM沃森、微软感知服务、Cortana,也可能是谷歌助手。汽车将会与许多的AI助手连接。自然语言理解必须在汽车上完成,因为汽车需要用更快的速度与用户互动。你在开车,你没有太多的耐心。告诉汽车做什么,汽车还要花一段时间思考,这样可不行。自然语言理解必须以很快的速度给出回应。

助手和AI信息是放在云端的,作为客户,你可以决定使用哪个语音助手,每一个汽车制造商都会提供多种选择。

问题:你们与许多企业合作,从合作经历来看,你觉得德国的无人驾驶技术是不是处在领先位置?美国、日本、中国有没有机会竞争?

黄仁勋:中国日本进步很快。如果说有哪个国家会因为AI受益,它就是日本。AI是未来机器人的核心技术,目前的机器人制造主要集中在日本和德国,它们还是汽车产业的核心国家。两大产业都因为AI受益。在未来几年里,我深信日本、中国及其它一些国家会带来更多的AI消息。

问题:你们在GPU、自动驾驶汽车市场做得很不错,你们还为任天堂游戏机提供组件。为什么还要推出新的Shield家庭娱乐设备、进入消费市场呢?

黄仁勋:之所以开发Shield,是因为我们觉得家庭计算机市场、家庭计算平台将会出现变革。曾经,人们认为个人电脑就是家用电脑,其实不是的,只是因为个人电脑刚好放在家里,这种情况将会改变。当我们所有人离开房子时,所有电脑也会随人离开。

现在我们的住宅是空的,没有电脑。我一直认为,和汽车一样,住宅也需要一台电脑。这台电脑可以做各种有趣的事情,可以播放内容,可以通信。昨天我们与AI交流,于是它可以控制智能家庭,可以与人沟通,用自然的方式交流。我们一直认为应该开发类似的电脑。

问题在于用怎样的方式建造呢?我认为,Android与云计算是完美的解决方案,这种计算模型很好。从长远来看,AI组件相当重要,Shield可以达成目标。开发Shield的初衷正在于此,它现在变得越来越真实了。

问题:最近我看到了一台AI冰箱,你觉得AI在家里会以怎样的形式存在?它会成为家电的一部分吗?

黄仁勋:我相信家庭电脑会与住宅最大的屏幕连接,也就是电视。对于某些人来说,家里如果只有一块屏幕,他们可能会放在有趣的地方,但是还有许多地方你想监控,想控制,你想看到信息,甚至还想观察婴儿,你还想控制安全摄像头,希望与朋友用视频聊天。

GPU与CPU之争

问题:有一点还没有谈到,它就是GeForce Now流媒体平台。我曾经试用过Grid,在许多不同的平台中它很实用。你们准备如何将产品推向全球呢?你们有没有建造自己的数据中心,或者与其它人合作?如何确保画面不延迟?

黄仁勋:回答是肯定的,我们的确与许多不同的人合作。现在建造数据中心比过去更容易,我们有GPU,有云服务,遍及全世界。亚马逊有GPU,微软也有GPU,谷歌也有。它们的数据中心使用了我们的GPU,我们可以将数据放在它们的数据中心。我们可以在同一地方建造某类数据中心,它是高度GPU化的数据中心。我们可以做许多不同的事,现在全世界到处都是云计算数据中心,它已经商品化。

问题:为了发展AI汽车业务,最近你们宣布与博世合作,这次合作有多重要?

黄仁勋:非常重要。汽车产业的供应链非常特殊。汽车OEM制造商开发视觉技术,设计架构,甚至还承担部分工程工作,但是大多的工程工作是一线企业完成的。

问题:回到GeForce Now,它可以在Mac电脑上运行。我对Nvidia与苹果的关系有点好奇,你们的关系有多密切,你们还可能会与苹果在哪些方面合作?

黄仁勋:我们与苹果的关系很好,但是这是一个开放的平台,是一项网络服务。我们与苹果并没有什么好谈的。

问题:虽然Cuda在编程时很有吸引力,但是也有一些人暗示说,神经网络的运行及其它一些任务(比如训练云计算)可以用定制芯片完成,比如ASIC或者半定制芯片,以及某些应用特定使用的标准FPGA。市场可能会远离GPU,你对此有何看法?

黄仁勋:首先,GPU本身就是定制芯片。Cuda正在以非常快的速度进化,在处理不同任务时越来越好。开发Pascal时我们下了许多苦功,我们想彻底改变深度学习架构。你将会看到我们付出更大的努力。

我们一直认为自己的GPU就是定制芯片,我还相信,在处理深度学习之类的任务时使用通用处理器并不是很好的主意。正因如此,我们才会让GPU、Cuda不断进化,增加面向深度学习的定制功能。

问题:依你之见,GPU相比CPU最大的优势是什么?尤其是在自动驾驶、AI领域。

黄仁勋:CPU与GPU是不同的东西,电脑两个都需要安装,就像盐和辣椒一样。CPU用来处理指令,GPU用来处理数据。CPU非常敏捷,GPU可以用非常快的速度完成大量工作。GPU类似于喷气式飞机,而CPU相当于战斗机。一个很快,一个吞吐量很大。如果我要处理庞大的任务,就会选择安装大引擎的大飞机,也就是GPU。CPU与GPU很不相同,具体要看你处理的是什么任务。一个是卡车,一个是摩托,一个敏捷,一个吞吐量大。

问题:在AI运算中,云计算与边缘设备相比有着巨大的优势,如果未来这种运算模式形成,两类产品会不会有一种萎缩?

黄仁勋:我认为两者都会继续增长。不错,云计算的确增长很快,原因在于我们可以将小网络、人工网络放进边缘设备,让边缘设备变得非常智能。当边缘设备越来越智能,AI的响应时间就会大幅缩短。你可以与机器人顺利交流,延迟时间更小。从另一方面来看,云计算需要的宽带带宽也会更小。

我们需要减少云计算的流量。现在全球有几十亿台设备,未来智能设备可能会达到1万亿个,它们不能将所有识别视频全都上传到云端。我们要在本地完成识别任务,只将元数据传到云端。

问题:在过去几十年里,AI一直在失败,直到过去几年才成功。用你的比喻来形容,AI只是在等待卡车到来,然后就可以前进了。

黄仁勋:有些事是注定的,还有一些却是偶然。我们开发了处理器,它刚好擅于处理数据,拥有很高的吞吐量。从另一方面来看,深度神经网络却是一种很强大的计算力。从某种层面上讲,深度神经网络的算法很简单,很优雅,不过要让它实用,必须用大量数据训练。如果没有强大的计算引擎,它就无法发挥作用。

两者结合却是偶然。深度学习之所以优雅,是因为它的能力很强。它要发展只有一个障碍,那就是强大的计算力。我一直觉得,深度学习与GPU会偶然邂逅。

深度学习最酷的地方在于模型容易转移。一旦你理解了它,你开始使用它,AI就从艺术变成了工程。使用深度学习的企业为什么突然增加,大爆炸一样,原因正在于此。你可以将这种能力拿在手中,马上就可以真正运用。40年前,你可以自己设计芯片,现在的情况与当年类似。当时掀起一阵芯片设计狂潮。

最终,当我们拥有深度学习工具,有了算法,有了运算平台,我们可以自己训练自己的AI网络,到时企业也会掀起新狂潮的。

<上一页  1  2  3  4  5  
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号