211service.com
Mannen som säljer spadar i Machine-Learning Gold Rush
Jen-Hsun Huang, vd för chiptillverkaren Nvidia, är antingen mycket förutseende eller mycket lyckligt lottad. Hans företag byggdes kring grafikprocessorer (GPU) för videospel. Men samma chip används nu i stor utsträckning i projekt med artificiell intelligens, till exempel ansträngningar att bygga självkörande bilar.
Nvidias chips visade sig vara särskilt effektiva för att träna de neurala nätverk som används i en teknik som kallas djupinlärning som nyligen har gjort mjukvaran mycket smartare och fått teknikjättar och investerare att lägga pengar på forskning om maskininlärning. Den här veckan tillkännagav företaget ett nytt chip designat specifikt för uppgiften (se A $2 Billion Chip to Accelerate Artificial Intelligence ). Huang pratade med Will Knight, MIT Technology Review seniorredaktör för AI och robotik, vid företagets årliga teknikkonferens i San Jose denna vecka.
Vad förväntar du dig kommer att bli nästa stora marknad för din hårdvara?
Jag tror att robottekniken kommer att bli enorm. Anledningen till att vi valde [att göra ett chip för] självkörande bilar är att det är den enklaste robotutmaningen. Deep learning har gett oss en algoritm som äntligen kan tillåta robotar att lära sig själva, från högnivåmål, och genom iteration upptäcka själva. Jag tror inte att det är möjligt att lära en robot det genom att skriva program.
Deep learning har verkligen varit framgångsrikt, men det är bara en mycket ungefärlig simulering av vad som händer i hjärnan. Är du intresserad av att utveckla hårdvara som fungerar mer som grunden för biologisk intelligens?
Vi försöker bygga ett bättre plan istället för att ta reda på hur en fågel fungerar. Vissa människor beskriver det som neuroner, men analogin till hjärnan är väldigt lös. För oss är det en hel massa matematik som extraherar de viktiga funktionerna ur bilder eller röst- eller sensoråtgärder. Varje analogi med en hjärna är inte nödvändigtvis så viktig.
Google DeepMinds programvara AlphaGo nyligen besegrade världens bästa Go-spelare . Kommer banbrytande AI-forskning som den att forma framtida hårdvara?
Vi arbetar väldigt nära med DeepMind-killarna, och det råder ingen tvekan om att AlphaGo var en milstolpe i mänsklig strävan. Det är fantastiskt att en maskin kan lära sig den djupa intuition som behövs för att spela. Jag skulle älska att se oss utveckla dessa nya idéer, oavsett om det är minne, förstärkningsinlärning eller överföringsinlärning, oövervakad inlärning. Alla dessa forskningsområden kommer att utöka kapaciteten för detta verktyg som kallas djupinlärning dramatiskt. Så fort jag lär mig utmaningarna med dagens arkitekturer kan jag lägga in dessa idéer i nästa arkitektur.