В цифровую эпоху в любой отрасли успех будет сопутствовать лишь тем компаниям, которые сумеют автоматически и в реальном времени проникать в суть Больших Данных. Однако для этого нужны масштабируемые инструменты, способные к саморазвитию без программирования, по аналогии с мозгом человека. Давно известные методы машинного обучения, работающие на специализированных закрытых конфигурациях с ограниченным количеством слоев нейронной сети, здесь были бессильны, пока прогресс в области графических ускорителей не привел к ренессансу нейронных сетей и бурному развитию средств подержки методов глубинного обучения. О стратегии работы компании Nvidia в сфере искусственного интеллекта рассказал на форуме GPU Technology Conference Europe Уилл Рэми, руководитель программ развития экосистемы CUDA и куратор программы Deep Learning Institute.

— Чем вызван всплеск интереса к технологиям искусственного интеллекта?

Искусственный интеллект может применяться везде, где есть данные. Но когда данных мало, а в цепочке их обработки присутствует человек, трудно говорить о самообучаемых системах. Нынешнему ренессансу нейронных сетей способствовали три фактора. Первый — появление больших массивов данных и потребность в их автоматической обработке: сегодня проблема не в сборе данных, а в понимании их сути. Второй — удачная идея глубоких нейросетей: возможность в процессе обучения строить сколь угодно много слоев нейронной сети позволила теперь говорить о создании самообучаемых машин. И третий — прогресс в области графических ускорителей, эффективно работающих с нейронными сетями благодаря архитектуре с массовым параллелизмом.

Уилл Рэми: «Сегодня нет технологических пределов применению глубинного обучения. Единственное ограничение — это креативные способности разработчиков»

 

— Искусственный интеллект сегодня один из хайпов Кремниевой долины. Но ведь вместе с возможностями он несет в себе и угрозы?

Действительно, сегодня системы искусственного интеллекта уже выполняют ряд задач лучше специалиста средней квалификации; есть вероятность ликвидации некоторых рабочих мест, но я оптимист в этом вопросе. Как уже было в предыдущих промышленных революциях, скорее всего, произойдет переток рабочих мест из одной области в другую. Как автомобилист, я сам пример такого «среднего» человека: каждый день трачу массу времени, чтобы добраться до офиса, сталкиваюсь в пути с нештатными ситуациями, заставляющими быть предельно внимательным. И я могу сказать, что время, потраченное на дорогу, вычеркнуто из жизни. А вот если бы я пользовался полностью роботизированной машиной, прокладывающей оптимальный путь, учитывающей текущую обстановку на дороге, то я получил бы дополнительное время для работы или для общения с семьей. Искусственный интеллект — мощный инструмент, он находит применение во многих областях, открывает новые возможности как для экономики в целом, так и для отдельного человека. Не понадобится так много личных автомобилей, которые большую часть времени простаивают, а люди смогут переквалифицироваться, заняться творчеством или предлагать новые персонифицированные сервисы.

Аналитики прогнозируют, что уже через два-три года 80% всех приложений будут содержать те или иные компоненты искусственного интеллекта, отчасти этому способствует и наша программа Deep Learning Institute (DLI).

— Что собой представляет эта программа?

Потребность в специалистах, способных применять технологии искусственного интеллекта в различных прикладных областях, велика; однако до недавнего времени соответствующие знания можно было получить лишь в вузах. В рамках программы DLI организованы семинары и дистанционные курсы по технологиям глубинного обучения, которые ведут сертифицированные преподаватели из Nvidia, компаний-партнеров и университетов. Обучение проходит очно и дистанционно, а потому оно доступно для разработчиков по всему миру. Мы обращаемся к ресурсам Microsoft Azure и IBM Cloud, сотрудничаем с Hewlett Packard Enterprise, Стэндфордским университетом, а также с сообществами и компаниями, поддерживающими популярные технологические фреймворки и библиотеки глубинного обучения: Caffe2, MXNet, TensorFlow, Microsoft Cognitive Toolkit, Theano, Torch. В текущем году во всем мире через DLI пройдет на порядок больше слушателей, чем в прошлом, около 100 тыс. человек.

— Среди партнеров по DLI есть и конкуренты Nvidia. Почему?

Начиная с 2012 года число разработчиков для GPU выросло в 11 раз. Индустрия находится на подъеме, места хватит всем, и чем активнее участники будут обмениваться опытом, тем лучшие решения будут выведены на рынок. Можно назвать четыре сильные стороны Nvidia. Во-первых, единая масштабируемая архитектура GPU, применяемая в самых различных конфигурациях, начиная от встраиваемых систем и игровых компьютеров и кончая ЦОД провайдеров облачных сервисов. Во-вторых, рыночная позиция: наши решения применяются сегодня во всех прикладных областях. В-третьих, гибкая программная платформа, за десять лет сложившаяся вокруг открытой среды CUDA и включающая дополнительные программные инструменты и библиотеки для работы с нейронными сетями, а также поддерживающая все популярные фреймворки для создания и эксплуатации систем на базе глубинного обучения. Наконец, экосистема, состоящая из более чем 500 тыс. разработчиков для GPU, заказчиков Nvidia, университетов, партнеров и консультантов, работающих в различных прикладных отраслях.