Дженсен Хуанг руководит NVIDIA более 30 лет. Он утверждает, что в ближайшем будущем каждое движущееся устройство в мире станет автономным роботом .
🎮 Видеоигры как фундамент параллельных вычислений 3:40
В начале 90-х годов Дженсен Хуанг заметил, что лишь 10% программного кода выполняют 99% всех вычислений . Эту малую часть кода можно обрабатывать параллельно, тогда как остальная часть требует последовательного выполнения. Идеальный компьютер должен сочетать оба этих метода.
NVIDIA выбрала рынок видеоигр по нескольким причинам:
- Личная любовь команды к симуляции виртуальных миров .
- Потенциал видеоигр как крупнейшего рынка развлечений в истории.
- Большой рынок позволял направлять огромные бюджеты на исследования и разработку (R&D) .
Параллельные вычисления стали для ученых «машиной времени». Один из исследователей квантовой химии сообщил Хуангу, что благодаря технологиям компании он смог завершить работу всей жизни в разумные сроки . GPU позволили симулировать погоду, трафик в виртуальных городах и движение беспилотных автомобилей быстрее, чем это происходит в реальности.
🛠️ Создание CUDA и выход за пределы графики 7:59
В начале 2000-х годов исследователи начали использовать GPU для задач, не связанных с графикой . Для этого им приходилось «обманывать» процессор, представляя научные расчеты как графические данные.
Дженсен Хуанг решил упростить этот процесс и создал платформу CUDA. Это решение родилось из сочетания внешнего спроса и внутренней необходимости:
- Врачи из Mass General использовали видеокарты для реконструкции данных КТ .
- Разработчикам игр требовались физические симуляции воды и взрывов, которые сложно реализовать обычными графическими методами .
NVIDIA поставила на карту будущее всей компании, сделав ставку на архитектуру CUDA. Дженсен Хуанг был уверен в успехе, так как GPU производились в огромных объемах для геймеров, что обеспечивало доступность технологии для всех .
🧠 AlexNet и рождение современного ИИ 11:04
Переломный момент наступил в 2012 году. Группа исследователей из Университета Торонто — Илья Суцкевер, Алекс Крижевский и Джефф Хинтон — представила нейросеть AlexNet . Они использовали видеокарту GeForce GTX 580 для обучения системы распознавания образов.
NVIDIA увидела в этом событии сигнал к полной смене архитектуры вычислений. Руководство компании задалось вопросом: если алгоритм может так эффективно распознавать изображения, как далеко он может зайти? .
Стало очевидно, что большинство задач машинного обучения можно представить в виде глубоких нейронных сетей. Это привело к переработке всего стека технологий NVIDIA и созданию суперкомпьютера DGX . Дженсен Хуанг утверждает, что за последние 65 лет со времен IBM System 360 это было первое фундаментальное переосмысление работы компьютера .
💰 Десять лет риска и миллиардные инвестиции 19:33
Между успехом AlexNet в 2012 году и текущим бумом ИИ прошло десять лет. В этот период NVIDIA инвестировала десятки миллиардов долларов в технологию, в которую мало кто верил .
Дженсен Хуанг выделяет две основные идеи, которые удерживали компанию на этом пути:
- Эффективность ускоренных вычислений (GPU + CPU) .
- Способность глубоких нейросетей (DNN) обучаться на любых типах данных и масштабироваться .
По словам основателя, данные — это цифровые версии человеческого опыта. Если нейросеть может выучить правила грамматики или распознать объект, она сможет понять последовательность аминокислот в белках или сигналы для управления роботом .
🤖 Физический ИИ и роботы в каждом доме 24:08
Дженсен Хуанг уверен, что следующее десятилетие станет временем прикладной науки об ИИ. Главным направлением станет физический ИИ — роботы . Сюда относятся не только гуманоиды, но и автономные склады, заводы и беспилотные автомобили.
Для обучения роботов NVIDIA разработала систему Omniverse — 3D-миры, где машины тренируются по законам физики Ньютона . Новым шагом стала система Cosmos, которую Хуанг называет «языковой моделью мира» .
Разница между ними в следующем:
- Cosmos (как ChatGPT для текста) генерирует вероятное будущее на основе визуальных данных.
- Omniverse (как PDF-файл для проверки фактов) выступает «заземлителем», проверяя действия робота на соответствие реальной физике: гравитации, трению и инерции .
Это позволяет роботам проходить миллионы циклов обучения в цифровой среде без риска повреждения в реальности. Хуанг предсказывает, что у каждого человека появится свой персональный робот-помощник, подобный R2-D2 из «Звездных войн», который будет сопровождать владельца всю жизнь .
⚡ Ограничения и энергоэффективность 35:14
Главным ограничением прогресса остается энергия . Все задачи сводятся к стоимости перемещения и переключения битов информации.
NVIDIA достигла значительных успехов в этой области:
- В 2016 году первый DGX-1 стоил $250 000 .
- Современные системы в 10 000 раз энергоэффективнее версии 2016 года при шестикратном росте производительности .
Хуанг считает, что компьютерная наука не закончилась на изобретении трансформеров . Он отвергает идею «запекания» конкретных алгоритмов в чипы, сохраняя гибкость архитектуры для будущих открытий.
🎓 Как подготовиться к будущему 47:20
Инструменты ИИ сделают людей «сверхчеловеками», не лишая их работы, а расширяя возможности . Хуанг сравнивает это с работой генерального директора: он окружен суперспециалистами, которые делают свою работу лучше него, что лишь придает ему уверенности для решения амбициозных задач .
Советы Дженсена Хуанга для студентов и профессионалов:
- Найти своего «ИИ-репетитора» уже сегодня .
- Освоить искусство промптинга, которое сравнимо с умением задавать правильные вопросы .
- Задаваться вопросом: «Как ИИ может помочь мне стать лучшим юристом, врачом или химиком?» .
NVIDIA выпустила серию GeForce RTX 50, которая использует ИИ для дорисовки 7,5 миллионов пикселей из 8 миллионов на 4K-дисплее . Также представлена настольная версия суперкомпьютера за $3 000, чтобы каждый студент мог обучать собственные нейросети дома .
В конце беседы Дженсен Хуанг отметил, что хочет запомниться как человек, чья компания оказала колоссальное влияние на мир . Он надеется, что следующее поколение будет знать NVIDIA не только по играм, но и по революции в биологии, материаловедении и робототехнике.
