211service.com
De man die schoppen verkoopt in de machinelerende goudkoorts
Jen-Hsun Huang, CEO van de chipmaker Nvidia, is ofwel zeer vooruitziend of heeft veel geluk. Zijn bedrijf was gebouwd rond grafische verwerkingseenheden (GPU's) voor videogames. Maar diezelfde chips worden nu veel gebruikt in projecten voor kunstmatige intelligentie, zoals pogingen om zelfrijdende auto's te bouwen.
De chips van Nvidia bleken bijzonder efficiënt te zijn voor het trainen van de neurale netwerken die worden gebruikt in een techniek die deep learning wordt genoemd en die onlangs software veel slimmer heeft gemaakt en ervoor heeft gezorgd dat techreuzen en investeerders geld hebben opgestapeld in onderzoek naar machine learning. Deze week kondigde het bedrijf een nieuwe chip aan die speciaal voor deze taak is ontworpen (zie Een chip van $ 2 miljard om kunstmatige intelligentie te versnellen). Huang sprak met Will Knight, MIT Technology Review ’s senior editor voor AI en robotica, op de jaarlijkse technologieconferentie van het bedrijf in San Jose deze week.
Wat verwacht u dat de volgende grote markt voor uw hardware zal zijn?
Ik denk dat robotica enorm gaat worden. De reden dat we ervoor kozen [een chip te maken voor] zelfrijdende auto's, is dat dit de gemakkelijkste robotica-uitdaging is. Deep learning heeft ons een algoritme gegeven waarmee robots eindelijk voor zichzelf kunnen leren, van doelen op hoog niveau en door middel van iteratie voor zichzelf kunnen ontdekken. Ik denk niet dat het mogelijk is om een robot dat te leren door programma's te schrijven.
Deep learning is zeker succesvol geweest, maar het is slechts een zeer benaderende simulatie van wat er in de hersenen gebeurt. Ben je geïnteresseerd in het ontwikkelen van hardware die meer werkt als de basis van biologische intelligentie?
We proberen een beter vliegtuig te bouwen in plaats van uit te zoeken hoe een vogel werkt. Sommige mensen beschrijven het als neuronen, maar de analogie met de hersenen is erg los. Voor ons is het een hele hoop wiskunde die de belangrijke functies uit afbeeldingen of spraak- of sensoracties haalt. Elke analogie met een brein is niet per se zo belangrijk.
Google DeepMind's software AlphaGo versloeg onlangs 's werelds beste Go-speler . Zal dergelijk geavanceerd AI-onderzoek toekomstige hardware vormgeven?
We werken zeer nauw samen met de DeepMind-jongens, en het lijdt geen twijfel dat AlphaGo een mijlpaal was in het menselijk streven. Het is verbazingwekkend dat een machine de diepe intuïtie kan leren die nodig is om te spelen. Ik zou graag zien dat we deze nieuwe ideeën verder ontwikkelen, of het nu gaat om geheugen, versterkend leren of overdrachtsleren, leren zonder toezicht. Al deze onderzoeksgebieden zullen de mogelijkheden van deze tool, deep learning genaamd, drastisch uitbreiden. Zodra ik de uitdagingen van de hedendaagse architecturen leer, kan ik die ideeën in de volgende architectuur verwerken.