# «Все, что движется, станет роботом»: Дженсен Хуанг о будущем NVIDIA и ИИ Источник: https://www.youtube.com/watch?v=7ARBJQn6QkM Канал: Cleo Abram Опубликовано: 27.01.2025 --- Дженсен Хуанг руководит NVIDIA более 30 лет. Он утверждает, что в ближайшем будущем каждое движущееся устройство в мире станет автономным роботом [0:13]. ## 🎮 Видеоигры как фундамент параллельных вычислений [[JUMP:03:40]] В начале 90-х годов Дженсен Хуанг заметил, что лишь 10% программного кода выполняют 99% всех вычислений [04:25]. 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 [05:47]. * Потенциал видеоигр как крупнейшего рынка развлечений в истории. * Большой рынок позволял направлять огромные бюджеты на исследования и разработку (R&D) [06:04]. 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 [06:46]. 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 [[JUMP:07:59]] В начале 2000-х годов исследователи начали использовать GPU для задач, не связанных с графикой [08:14]. 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 [09:26]. * Разработчикам игр требовались физические симуляции воды и взрывов, которые сложно реализовать обычными графическими методами [09:41]. 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 [10:43]. ## 🧠 AlexNet и рождение современного ИИ [[JUMP:11:04]] Переломный момент наступил в 2012 году. Группа исследователей из Университета Торонто — Илья Суцкевер, Алекс Крижевский и Джефф Хинтон — представила нейросеть **AlexNet** [12:33]. 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? [13:57]. 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** [14:42]. Дженсен Хуанг утверждает, что за последние 65 лет со времен IBM System 360 это было первое фундаментальное переосмысление работы компьютера [15:09]. ## 💰 Десять лет риска и миллиардные инвестиции [[JUMP: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 [19:25]. Дженсен Хуанг выделяет две основные идеи, которые удерживали компанию на этом пути: 1. Эффективность ускоренных вычислений (GPU + CPU) [19:56]. 2. Способность глубоких нейросетей (DNN) обучаться на любых типах данных и масштабироваться [20:13]. 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 [22:17]. ## 🤖 Физический ИИ и роботы в каждом доме [[JUMP:24:08]] Дженсен Хуанг уверен, что следующее десятилетие станет временем прикладной науки об ИИ. Главным направлением станет физический ИИ — роботы [24:02]. 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 [28:56]. Новым шагом стала система **Cosmos**, которую Хуанг называет «языковой моделью мира» [28:29]. 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 [27:41]. 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 [31:32]. ## ⚡ Ограничения и энергоэффективность [[JUMP:35:14]] Главным ограничением прогресса остается энергия [35:54]. 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 [36:52]. * Современные системы в 10 000 раз энергоэффективнее версии 2016 года при шестикратном росте производительности [37:09]. Хуанг считает, что компьютерная наука не закончилась на изобретении трансформеров [42:00]. Он отвергает идею «запекания» конкретных алгоритмов в чипы, сохраняя гибкость архитектуры для будущих открытий. ## 🎓 Как подготовиться к будущему [[JUMP:47:20]] Инструменты ИИ сделают людей «сверхчеловеками», не лишая их работы, а расширяя возможности [50:13]. 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 [50:46]. Советы Дженсена Хуанга для студентов и профессионалов: * Найти своего «ИИ-репетитора» уже сегодня [51:50]. * Освоить искусство промптинга, которое сравнимо с умением задавать правильные вопросы [56:10]. * Задаваться вопросом: «Как ИИ может помочь мне стать лучшим юристом, врачом или химиком?» [56:40]. NVIDIA выпустила серию **GeForce RTX 50**, которая использует ИИ для дорисовки 7,5 миллионов пикселей из 8 миллионов на 4K-дисплее [53:24]. Также представлена настольная версия суперкомпьютера за $3 000, чтобы каждый студент мог обучать собственные нейросети дома [55:21]. В конце беседы Дженсен Хуанг отметил, что хочет запомниться как человек, чья компания оказала колоссальное влияние на мир [1:00:14]. Он надеется, что следующее поколение будет знать NVIDIA не только по играм, но и по революции в биологии, материаловедении и робототехнике.