Il CEO di NVIDIA Jen-Hsun Huang ci guida in questa intervista a capire come il deep learning cambierà il nostro approccio al mondo informatico, sempre più strumento per dare risposta a problemi che diventano più complessi da gestire e programmare.

Tag: GeForce, Intervista, NVIDIA

Quanto può diventare importante il Deep Learning nel futuro dei sistemi informatici e quale contributo può dare NVIDIA? C’è una ampia tipologia di problemi legati al calcolo che sono particolarmente difficili da risolvere utilizzando algoritmi che permettano di ottenere risultati precisi. Alcuni di questi problemi sono così complessi che diventa addirittura difficile riuscire in qualche modo a spiegarli. Ad esempio: pensiamo all’imparare ad andare in bicicletta. Come è possibile riuscire a spiegare il problema, l’imparare ad andare in bicicletta, in un modo chiaro e conciso e allo stesso tempo tale da permettere di sviluppare un programma software per imparare a pedalare su differenti tipologie di superfici, dall’erba all’asfalto alla terra, schivando sabbia e pozzanghere. Scrivere un programma che insegni come andare in bicicletta è estremamente difficile, ma ognuno di noi ha insegnato ai propri figli a pedalare tipicamente in meno di una giornata. Volendo generalizzare l’esempio trasportandolo nel mondo informatico possiamo usare i termini unstructured data e big data per cercare di trasportare in un software la via attraverso la quale risolvere un problema. Credo che in futuro più di questo sarà necessario fornire una serie di esempi, tanti più esempi possibile, così che a partire da questi i computer siano in grado di creare autonomamente del software in grado di risolvere lo specifico problema che stiamo affrontando. Il software necessita di un’architettura, che in NVIDIA abbiamo iniziato a indicare con il nome di Deep Convolutional Neural Network, indispensabile per una nuova tipologia di computer che è ispirata nella sua struttura alla mente umana e ai suoi neuroni. Circa il 50% della mente umana è dedicata alla raccolta di informazioni attraverso la vista: il fatto che NVIDIA sia una visual computing company è quindi la premessa indispensabile per il nostro coinvolgimento in questo settore. Ecco quindi che il Deep Learning, basato su questa nuova architettura chiamata Deep Neural Network e incentrata sulla potenza di elaborazione parallela delle GPU, può fornire un importante contributo alla risoluzione di quei problemi che gli attuali approcci al mondo informatico faticano a gestire. Quali potrebbero essere le applicazioni pratiche del Deep Learning? Abbiamo visto diverse implementazioni e applicazioni legate riconoscimento vocale, ad esempio quelle di Google, Microsoft o Apple con Siri. Sono numerosi gli esempi di come un computer, attraverso il deep learning, sia in grado di apprendere e capire quello che viene detto a prescendere dalle enormi differenze con cui ognuno di noi può esprimersi. Ci sono costuzioni di frasi diverse, accenti che possono variare da una persona all'altra, a volte possono essere estremamente diversi. Negli ultimi due anni ci sono stati enormi problemi da risolvere legati al deep learning e il contributo di unità computazionali sempre più potenti si è rivelato fondamentale. Un altro esempio è il corpo umano, un sistema estremamente complesso: se ci sottoponiamo a una TAC, oppure ad una biopsia da eseguire al microscopio, le informazioni che i medici si trovano di fronte sono tantissime. Se pensiamo alle differenze che possono esistere fra una persona e l'altra, oltre alle numerose casistiche cliniche possibili, il quadro ci appare nella sua complessità. Come possiamo istruire dei computer a riconoscere una patologia grave, mettendoci nella condizione di consigliarci la migliore cura fra le numerose disponibili, partendo da una casistica enorme che va ben oltre l'esperienza del singolo medico? Il deep learning si presta a moltissime applicazioni, come vedi. Le sfide sono molte, mentre la soluzione è simile: istruire le macchine ad apprendere da una mole di dati senza evidente relazione per trovare strutture comuni e soluzioni a problemi. E' una nuova via che entusiasma e offre grandi speranze in diversi campi; per noi è uno stimolo a costruire unità elaborative in maniera diversa, con software adeguato allo scopo. Per quanto riguarda il settore automotive, cosa più dare NVIDIA in più rispetto ai concorrenti? Ci sono diverse cose che le auto ancora non hanno. Prima di tutto la macchina del futuro sarà un supercomputer su ruote. Penso che il settore sarà rivoluzionato nello stesso modo in qui quello dei cellulari lo è stato grazie agli smartphone, o quello delle televisioni per mezzo delle smart TV. Anche l'auto sarà rivoluzionata. Prima di tutto sarà quindi un computer, ma un visual computer. La ragione è che non vogliamo bottoni o altro... è molto più facile e intuitivo avere display touch multipli sui quali le informazioni cambiano a seconda di dove ci troviamo, o in base a quello di cui potremmo avere bisogno. In base al fatto che stiamo guidando normalmente, parcheggiando, curvando... le informazioni possono cambiare e adeguarsi di conseguenza. Sarà quindi un visual computer, su una macchina più intelligente. Tegra è di fatto un supercomputer mobile, creato da un'azienda che si occupa di visual computing. Quanto detto sul deep learning vale anche in questo contesto: nuovi approcci, nuovi comportamenti, come ad esempio saper riconoscere attraverso numerose videocamere una situazione di potenziale pericolo. Questo è ciò su cui si lavora, e ne vedrete delle belle. Quali sono le principali caratteristiche della futura architettura Pascal? L'architettura Pascal porterà l'esperienza gaming e realtà virtuale a livelli davvero incredibili grazie a tre nuove tecnologie. La prima è mixmode precision a FP16. Tre i vantaggi immediati: il doppio del throughput, doppio della bandwidth e raddoppio della capacità del frame buffer. Abbiamo poi 3D Memory: incremento sensibile della bandwidth ma l'extra è il conseguente incremento della memoria, che arriverà a 32GB di memoria video. Il terzo è NVlink, un nuovo collegamento diretto fra CPU e GPU che è cinque volte più rapido di PCI Express. Ecco quindi Pascal in breve: nuova architettura, mixed precision, 3D Memory nella quantità di 32GB e ultimo, non per importanza, possibilità di creare sottosistemi multi-GPU attraverso NVlink. Come è cambiato il mondo delle schede video negli ultimi anni. Mi sembra che NVIDIA stia dando sempre più importanza al software e all'ecosistema che c'è intorno a loro. La GPU è ancora al momento un componente estremamente importante, ma dobbiamo partire dal presupposto che i consumatori non acquistano GPU con il fine di possederne una, ma per giocare. I titoli più recenti sono estremamente potenti e complessi, ma i PC sono differenti l’uno dall’altro per caratteristiche tecniche e potenzialità. Noi vogliamo che ogni giocatore possa giocare al proprio titolo preferito nel migliore dei modi Il mercato delle console è in questo senso estremamente semplice: l’esperienza di gioco è uguale per tutti e chi vuole ottenere un livello di prestazioni o di qualità superiore semplicemente non può dato che l’hardware è identico. E’ per questo motivo che il mercato dei PC sta crescendo così rapidamente: se vuoi più potenza opterai per un PC di fascia più alta; se hai un budget limitato puoi continuare a giocare con un sistema più semplice. I giochi hanno però opzioni di configurazione molto differenti, e lo scenario finale è estremamente variabile: texture più o meno complesse, risoluzioni differenti, oggetti più o meno elaborati. Le combinazioni in termini di qualità finale ottenibile con un gioco si combinano con le differenti combinazioni di componenti che formano un PC dedicato ai videogiocatori: la risultante è quella di avere combinazioni tra specifico PC e specifico gioco che sono quasi infinite. GeForce Experience è la nostra risposta a questo proliferare di configurazioni, tra componenti hardware differenti e settaggi dei giochi: con un click il giocatore può selezionare la migliore configurazione di gioco in funzione del proprio sistema e potersi quindi dedicare esclusivamente a quello che vuole, cioè il giocare. Accanto alla componente grafica dei giochi più recenti c’è da rilevare quanto sempre più importante stia diventando anche la componente matematica: non è più sufficiente ad esempio disegnare una esplosione ma è necessario anche calcolarla in quanto ogni volta essa sarà differente, così che sia credibile e corrispondente a quanto avverrebbe nella realtà. Per questo motivo abbiamo sviluppato delle sezioni specifiche in Gameworks con librerie che aiutano gli sviluppatori a meglio gestire le gestioni della fisica degli oggetti, e grazie a questo tutti i giochi negli ultimi anni hanno visto un netto miglioramento della qualità di esplosioni, gestione di liquidi e in generale di tutte le componenti che richiedono grande interazione con la fisica. Giochi più belli spingono sempre più giocatori verso il mercato dei PC, e di questo non possiamo che essere contenti in quanto amplia i nostri orizzonti come azienda.

GTC - GPU Technology Conference