1
今年8月，雷鋒網將在深圳舉辦盛況空前的“全球人工智能與機器人峰會”，屆時雷鋒網將發布“人工智能&機器人Top25創新企業榜”榜單。目前，我們正在拜訪人工智能、機器人領域的相關公司，從中篩選最終入選榜單的公司名單。
如果你也想加入我們的榜單之中，請聯系：2020@leiphone.com。
NVIDIA公司CEO黃仁勛(Jen-Hsun Huang)在3月的一次活動上，探討深度學習如何進行人臉圖像分析。圖片來源：NVIDIA CORP.
計算機用戶其實對NVIDIA一點也不陌生，你們在電子游戲中與敵人戰斗的時候，就是依靠了NVIDIA公司的技術來打造屏幕上呈現的虛擬世界。現在，有一些研究人員相信，這些技術不僅可以在游戲中殺敵，還能在真實世界中拯救生命。
麻省綜合醫院最近在波士頓設立了一個中心，計劃使用NVIDIA的芯片用于CT和其他醫療成像中檢測異常情況，目前為止這項工作都是由人類放射學家完成。該項目的基礎是100億張現成的圖像，設計用于“訓練”系統幫助醫生監測癌癥、老年癡呆癥和其他疾病，可以在疾病更早階段、更加精確地進行診斷。
“計算機不會疲倦。”Keith Dreyer說，他是麻省綜合醫院中心的執行總監和放射科副主席，“毫無意外，這會改變我們醫療從業的方式，顯然這是一個好的改變。”
這是許多例子中的一個，這些例子讓我們看到了芯片技術的進步——尤其是圖像處理單元的進步，這個領域的先鋒是Nvidia——如何推動了機器學習的爆炸性成長，這種方法讓計算機不需要外界的明確指令，就能自己進行學習，基于學習所得進行決策。
最積極的玩家之中包括了谷歌、Facebook、微軟、Twitter和百度等互聯網巨頭，使用這種叫做GPU的芯片，讓服務器學習海量的照片、視頻、聲音文檔，以及社交媒體上的信息，來改善搜索和自動化照片標記等各種各樣的軟件功能。一些汽車制造商在利用這項技術，開發可以感知周圍環境、避開危險區域的無人駕駛汽車。
一些公司認為，GPU會被更加垂直專業化的芯片所取代。谷歌上周突然宣布，除了Nvidia的GPU，公司還使用了一種內部開發的處理器，專門用于機器學習。還有人宣傳推廣專門化的處理器，包括硅谷創業公司Movidius，公司稱其銷售的芯片為“視覺處理單元”，還有機器學習服務商Nervana Systems公司，計劃從GPU轉移至自己的芯片設計。
“現有的芯片架構從長遠來說沒有可能站得住腳。”Numenta公司聯合創始人Jeff Hawkins說，Numenta公司創立于11年前，研究類似大腦形式的計算。
目前，Nvidia在領域內還是有領先地位，這也是公司在12個月內股價翻倍、市值飆升超過240億美元的原因之一。與此同時，Nvidia公司繼續從電子游戲方面的強勢增長中獲益，并且，本月有報道稱，公司數據中心客戶所貢獻的GPU銷售業務比去年上升了62%。
在被稱作“深度學習”的機器學習領域，公司CEO黃仁勛(Jen-Hsun Huang)已經成為了現實版的Pied Piper（編者注：Pied Piper是電視劇《硅谷》中大獲成功的軟件創業公司），這位在臺灣出生的CEO，其標志性風格是拉風的皮夾克，以及對特斯拉電動車的無限熱愛。他將Nvidia數據中心的增長歸因為，云計算大供應商都將深度學習從測試轉移進入了他們的核心服務。
“現在很明顯可以看到，全世界的超大型公司都在轉移進入生產。”他說。
研究機構Tractica LLC估計，由于深度學習項目產生的GPU花費將從2015年的四千三百六十萬美元，上升到2024年的41億美元，而企業的相關軟件花費將同期從一億零九百萬美元上升到一百億美元。
Nvidia的競爭對手Advanced Micro Devices也制造GPU。GPU非常適合深度學習，因為這種芯片可以同時進行很多的計算。傳統計算被設計用于執行各種類型的指令序列，而GPU在運行單一類型的計算方面，就同時強很多倍——例如，將一種顏色應用于計算機顯示屏上的每一個像素，從而生成一個圖像。為實現這一點，Nvidia最新的GPU有3584個相對簡單的處理器核心在同時運轉，而英特爾公司的通用處理器上則是1至22個更復雜的計算引擎。
軟件工程師發現，GPU的大規模平行處理在深度學習中尤其有用。舉個例子，研究員不用一開始就人工定義一個人臉，而是可以將幾百萬個人臉的圖像展示出來，讓計算機自己定義人臉應該是什么樣子的。學習這樣的例子時，GPU可以比傳統處理器更加快速，大大加快了訓練過程。
創業公司Blue River Technology是Nervana公司的客戶，已經采用了GPU技術，使用了莊稼和雜草的圖片來訓練一個裝有攝像頭的計算機系統，讓拖拉機可以判斷農田里面是否需要噴灑除草劑。
“這些機器人可以憑借‘視覺’來做出判斷，可以每分鐘進行5000次判斷。”公司商務發展副總裁Ben Chostner說。
但是，有一些人說GPU就是不如那些從零開始、專為機器學習而設計的芯片。有一些公司，例如Nervada和Movidius，模擬GPU的平行模式，但是專注于更快速地移動數據，省略圖像所需要的功能。其他公司，包括使用了被稱為“True North”（注：true north在英文中有“真正正確的方向”的含義，不知其他公司對這種取名有什么想說的）的芯片的IBM公司，開發了由神經元、突觸等其他大腦特征所啟發的芯片設計。
黃仁勛稱，Nvidia知道谷歌的定制化芯片開發動作。他認為谷歌的動機有一部分是出于2年前，Nvidia的GPU比后來的更適合訓練使用，后來階段中，訓練被用來進行分析性決策。但是，這位拉風的公司CEO還說，Nvidia的最新GPU比早期版本跑起來要快25倍。
via 《華爾街日報》
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
