Nvidia cherche à étendre son avance en tant que société d'intelligence artificielle en améliorant ses plateformes de reconnaissance d'image, de reconnaissance de la langue et de prise de décision, ainsi qu'une nouvelle puce pour les véhicules autonomes.
La GPU Technology Conference est l'une des plus grandes conférences autour de l'IA chaque année. Lors du GTC 2019 en Chine, Nvidia a tenu un discours pour souligner le passage des plates-formes CPU aux plates-formes GPU pour le traitement de l'IA, la deuxième partie du discours se concentrant sur les progrès réalisés pour les véhicules autonomes.
Baidu, qui est la société chinoise la plus en vue dans le domaine de l'IA, s'est également associée à Nvidia pour son AI Box, mettant en œuvre des GPU Nvidia V100 pour des performances 10 fois plus rapides.
De même, Alibaba, qui est l'une des plus grandes sociétés de commerce électronique au monde, a également récemment opté pour les GPU Nvidia T4 pour ses plateformes recommandées. Lors de cette journée du single (11 novembre), le taux de clics a augmenté de 10%, avec des résultats nettement plus rapides. Les plateformes de recommandation sont particulièrement plus complexes car elles doivent prendre en compte tous les paramètres autour d'un client et fournir des résultats en temps réel. Par exemple, pour le Single’s Day 2019, Alibaba avait plus de deux milliards de produits en vente, ce qui devait être présenté à plus de 500 millions d'acheteurs potentiels.
Nous avons déployé une technologie d'intelligence artificielle de pointe à grande échelle à l'aide de la plate-forme informatique accélérée Nvidia. Ses capacités de recherche intuitive et ses recommandations fiables nous permettent de prendre en charge un modèle six fois plus compliqué que par le passé.
Lingjie Xu, directrice de l'informatique hétérogène, Alibaba
Pour permettre aux partenaires de tirer le meilleur parti de cette transition vers un traitement alimenté par GPU, Nvidia a également mis à disposition le logiciel d'inférence TensorRT, qui prend les modèles formés existants et les optimise pour le GPU pour de meilleures performances. Avec TensorRT 7, la prise en charge de nombreux autres modèles et réseaux de neurones a été ajoutée avec la génération du noyau.
TensorRT 7 permet également une IA conversationnelle en temps réel et fournit des réponses précises en moins de 300 ms. Ce processus prend les formes d'onde (voix) en entrée et les convertit en texte pour la synthèse vocale et donne une sortie dans le format souhaité. Les partenaires d'inférence GPU de Nvidia incluent Microsoft Bing, Expedia, Walmart, Tencent, Twitter, PayPal, Snap Inc., Xiaomi, etc.
Pour les automobiles, Nvidia met à disposition une plateforme de véhicules autonomes pilotée par logiciel. Des modèles pré-formés sont désormais disponibles sur le Nvidia Cloud, qui offre des données et des enseignements tirés de plus de dix ans de conduite de véhicules à commande humaine avec plusieurs capteurs.
L'apprentissage par transfert est également un élément important de la plateforme Drive pour rendre les données plus utilisables. Drive propose également un apprentissage fédéré, qui aide les constructeurs automobiles à transférer leur apprentissage de la conduite autonome d'un pays à un autre sans aucune complexité de localisation des données.
Sur le plan matériel, le processeur Nvidia Drive AGX Orin, qui apporte une amélioration des performances 7x par rapport à son prédécesseur (Xavier) ainsi qu'une compatibilité descendante. En Chine, Didi et SAIC ont déjà conclu un partenariat avec Nvidia pour sa plateforme d'IA pour les voitures autonomes. Quelques autres concepts de véhicules autonomes ont également été présentés lors de la keynote.
Interrogés sur les délais spécifiques concernant la disponibilité publique des véhicules autonomes, les dirigeants de Nvidia ont expliqué qu'il existe une énorme complexité technique autour de l'idée ainsi que des obstacles juridiques qui sont en train d'être résolus. Le modèle devra être formé plus loin que prévu pour le rendre plus sûr que la conduite humaine. Ils ont mentionné qu'il y avait déjà plus de 50 entreprises travaillant sur ce point, et même de petites étapes d'adoption seraient très bénéfiques. Ils ont cité un exemple où, si un jour, un pays décide de rendre obligatoire pour toutes les voitures des capteurs LIDAR, non seulement les routes seront beaucoup plus sûres, mais généreront également beaucoup plus de données de haute qualité.
