Az Nvidia a GTC 2015 alkalmával sok érdekességről szót ejtett. Rögtön a GeForce GTX Titan X formális rajtja után szóba kerültek a mélytanulással foglalkozó rendszerek, illetve az önvezető autók is. Az világos, hogy az Nvidia számára fontos a gamer szegmens kiszolgálása, de emellett egyéb területeken is szeretné megvetni a lábát a cég – főleg, hogy ezek a területek éppen robbanásszerű növekedés előtt állnak.
Ilyen területnek tekinthetőek a mélytanulással foglalkozó rendszerek, illetve a neurális hálózatok is, ahol az Nvidia új GPU-i köré épülő termékeivel szeretne megoldásokat kínálni a felmerülő problémákra. Hogy mi is az a mélytanulás vagy gépi tanulás? Röviden olyan eljárás, amelynek keretén belül az egyes rendszerek speciális programokat és nagy adatbázisokat használva megtanulnak felismerni valamit, vagy helyesen reagálni egy helyzetre, stb. Például meg lehet tanítani gépeket tárgyakat vagy kézírást felismerni. A mélytanulás az önvezető autók szegmensében is hasznos, ahol a rendszer a beérkező vizuális információk alapján, azok felismerésével dönt különböző vezérléssel kapcsolatos dolgokról. Erről a területről mindjárt egy picit részletesebben is beszélünk.
Mélytanulás frontján a speciális alkalmazások hatékony működéséhez a mögöttük rejlő mesterséges neurális hálózatot mintákat tartalmazó adatbázisokkal kell tanítani. Ez a folyamat rendkívül sok időt vehet igénybe, és egy nem feladat-specifikus 16 magos Xeon processzor 6-7x annyi idő alatt végez, mint az első Titan. A frissen bemutatott GeForce GTX Titan X videokártyával és a CUDA továbbfejlesztett, cuDNN névre keresztelt változatával pedig még nagyobb lehet az előny (az előadáson a próbaprogrammal a Xeon 43 nap alatt végzett, a Titan X pedig mindössze 2,5 nap alatt kész volt, ez óriási különbség).
Az Nvidia első embere mutatott néhány érdekes példát is arra, milyen területeken jöhet jól a mélytanulás. A legérdekesebb kétségtelenül az önvezető autók szegmense, ahova egy speciális központi számítógépet fejleszt a vállalat – ez a Drive PX nevet viseli. A kompakt rendszer két darab Tegra X1-es SoC egységet rejt, a nyomtatott áramköri lap pedig összesen 12 kamera képét fogadja. A Drive PX fedélzetén egy rendkívül komplex mélytanuló rendszer, az AlexNet fut, amely 184 képkocka/másodperces feldolgozási sebesség mellett 630 millió kapcsolatot menedzsel – minél több kapcsolatról beszélhetünk, annál bonyolultabb, komplexebb mesterséges neurális hálózatról van szó. A Drive PX elődjéhez, a DAVE-hez képest rengeteget fejlődött, így segítségével már olyan önvezető autók is fejleszthetőek, amelyek megbízhatóan tudnak üzemelni olyan nagy fokban változó környezetekben is, mint amilyenek a zsúfolt nagyvárosi utcák.
A színpadon Elon Musk, a Tesla motors első embere is feltűnt, aki elmondta, világosan tudják, mit kell tenniük önvezető autók szegmensében, ahova néhány éven belül be is lépnek. Szerinte az Nvidia erőfeszítései nagyon érdekesek és fontosak ezen a fronton. Lehet, hogy a cégek egymással összefogva egy frappáns, "The Way It's Meant to be Driven" szlogenű kampányba kezdenek a következő évek során?
Viccet félre téve, van még itt valami, ami feltétlenül megérdemel néhány szót. Az Nvidia bejelentett egy fejlesztői keretrendszert, ami segíti a mélytanulással kapcsolatos kutatásokat, illetve a mesterséges neurális hálózatokra épülő alkalmazások készítését, a neve pedig DIGITS. A DIGITS mellé egy speciális fejlesztői számítógépes rendszert is készítettek, ami nem más, mint a DIGITS DevBox.
Ebben az újdonságban a frissen bemutatott GeForce GTX Titan X videokártyából nem egy, hanem rögtön négy darab kapott helyet, és a kínálatból természetesen a szélesebb körben használt, mélytanulással foglalkozó alkalmazások sem hiányoznak. Ez a combos kis fejlesztői masina nem lesz mindenki számára elérhető: az Nvidia csak olyan mélytanulással foglalkozó kutatók számára teszi elérhetővé, akik minősítéssel is rendelkeznek. Egy-egy ilyen DIGITS DevBox nem is lesz olcsó, hiszen 15 000 amerikai dollárt kérnek majd el érte.
