211service.com
Manden, der sælger skovle i Machine-Learning Gold Rush
Jen-Hsun Huang, administrerende direktør for chipproducenten Nvidia, er enten meget forudseende eller meget heldig. Hans virksomhed var bygget op omkring grafikbehandlingsenheder (GPU'er) til videospil. Men de samme chips er nu meget brugt i kunstig intelligens-projekter, såsom bestræbelser på at bygge selvkørende biler.
Nvidias chips viste sig at være særligt effektive til at træne de neurale netværk, der bruges i en teknik kaldet deep learning, der for nylig har gjort software meget smartere og fået teknologigiganter og investorer til at samle penge i maskinlæringsforskning. I denne uge annoncerede virksomheden en ny chip designet specielt til opgaven (se A $2 Billion Chip to Accelerate Artificial Intelligence). Huang talte med Will Knight, MIT Technology Review seniorredaktør for kunstig intelligens og robotteknologi ved virksomhedens årlige teknologikonference i San Jose i denne uge.
Hvad forventer du bliver det næste store marked for din hardware?
Jeg tror, robotteknologi bliver enorm. Grunden til at vi valgte [at lave en chip til] selvkørende biler er, at det er den nemmeste robotudfordring. Dyb læring har givet os en algoritme, der endelig kan tillade robotter at lære selv, fra mål på højt niveau, og gennem iteration selv opdage. Jeg tror ikke, det er muligt at lære en robot det ved at skrive programmer.
Deep learning har bestemt været en succes, men det er kun en meget omtrentlig simulering af, hvad der foregår i hjernen. Er du interesseret i at udvikle hardware, der fungerer mere som grundlaget for biologisk intelligens?
Vi forsøger at bygge et bedre fly i stedet for at finde ud af, hvordan en fugl fungerer. Nogle mennesker beskriver det som neuroner, men analogien til hjernen er meget løs. For os er det en hel masse matematik, der trækker de vigtige funktioner ud af billeder eller stemme- eller sensorhandling. Enhver analogi til en hjerne er ikke nødvendigvis så vigtig.
Google DeepMinds software AlphaGo for nylig besejrede verdens bedste Go-spiller . Vil banebrydende AI-forskning som den forme fremtidens hardware?
Vi arbejder meget tæt sammen med DeepMind-fyrene, og der er ingen tvivl om, at AlphaGo var en milepæl i menneskelig bestræbelse. Det er utroligt, at en maskine kunne lære den dybe intuition, der er nødvendig for at spille. Jeg ville elske at se os fremme disse nye ideer, uanset om det er hukommelse, forstærkende læring eller overførselslæring, uovervåget læring. Alle disse forskningsområder vil udvide mulighederne for dette værktøj kaldet deep learning dramatisk. Så snart jeg lærer udfordringerne i nutidens arkitekturer, kan jeg sætte disse ideer ind i den næste arkitektur.