未來人工智慧(AI)可以扮演各式各樣的角色,例如協助者、照顧者、學習者,甚至開發者…等,讓人們可以感受一種前所未有的「新生活」。但前提是,人工智慧需要不斷的進化、升級,才能實現。而要讓人工智慧不斷的演進,需要許多技術的加持,在相關業者的努力下,現在正是讓人工智慧開始進化的好時機。

一年一度的Nvidia台北GPU 技術大會(GTC Taiwan)中,該公司執行長黃仁勳在主題演講中,即再度重申人工智慧將改變未來。「電腦具備學習能力、機器變得更智慧,都是受惠於人工智慧技術的發展。」黃仁勳說。而要實現或是運用人工智慧,電腦需要有強大的運算能力。黃仁勳並指出,未來有兩大驅動力促使電腦運算能力更上一層樓——深度學習點亮人工智慧新紀元,以及摩爾定律已達極限,CPU效能已無法再突破,「電晶體數量每年持續增長50%,但CPU效能僅成長10倍。」因此,GPU專用加速器崛起,補CPU的不足。

利用GPU強大的運算能力,再透過深度學習,人工智慧可以寫出人類無法寫出的程式,解決無解之題;借助人工智慧,全自動駕駛車得以出現在人們的生活中;由於人工智慧,我們可以教導機器人做任何人類覺得簡單,但實際上對機器人卻是相當複雜的工作。

黃仁勳強調,Nvidia可以說是全球人工智慧的平台,該公司在人工智慧的投注已超過10年時間,全球許多企業、學術與醫療單位,都已利用Nvidia的技術發展其自身所需的人工智慧應用。透過開發人工智慧相關的產品,Nvidia許多學術單位或企業合作,開發出各種應用,且NVIDIA也正和台灣科技部合作,將人工智慧的知識傳入各個產業,並打造台灣第一部人工智慧超級電腦,更在合作的四年間,Nvidia與科技部已培育、訓練了3,000位開發人員。

現在,為了實現更多以前無法作到的事,人工智慧已開始進化,其中,人工智慧推論的能力也將帶來新的挑戰。黃仁勳認為,人工智慧推論功能不僅是軟體的未來,也將讓服務、軟體、電腦與裝置都具備驚人的智慧。然而,要讓人工智慧具備推論的能力並不簡單,深度學習需要進行兩階段的過程,首先需要訓練網路,然後運作已訓練網路來進行推論;再者,模型需要依據目標電腦被最佳化,才能在低延遲、或高吞吐量、或低功耗、或者低記憶體容量的狀態下進行推論。

如此一來,人工智慧推論平台會使得智慧機器與網路設計大爆發。黃仁勳解釋,人工智慧會將資訊注入在2,000萬個雲端伺服器、上百億萬計的汽車與製造機器人中,最終會有高達1兆個物聯網裝置及感測器會智慧地監控一切,因此人工智慧推論平台也需具備可擴展性,以滿足範圍廣大的運算效能、功耗與成本需求。

不僅如此,由於人工智慧的崛起,為了追求前所未有的人工智慧效能,未來的網路架構將變得越來越複雜,因此人工智慧推論平台必須具備可編程性來執行多元且不斷升級的網路架構。而且新的架構、更深層的網路,以及新的類神經網路層的設計,也將持續增進卷積式類神經網絡(CNN)效能,進一步強化學習根據價值的功能進行試錯和獎懲。舉例來說,利用人工智慧推論平台與效能更佳的CNN,將可讓機器人可以學習人類行為,如打高爾夫球。

為協助業者將人工智慧或人工智慧推論平台導入到各個產業,Nvidia也已推出一系列相關產品。例如CUDA GPU、GPU雲端平台、可減少10倍資料中心總體擁有成本的TENSORRT3、打造人工智慧和HPC最複雜的處理器VOLTA、TESLA資料中心平台…等。黃仁勳表示,人工智慧正是CUDA GPU最新的殺手級應用,而TENSORRT3的TensorRT則是全球首款可編程推論加速器,透過這些Nvidia為業界打造的無數人工智慧相關平台,加速人工智慧新紀元的來臨,並為所有產業開創更大的商機。