NVIDIA schaut in Richtung AI-powered Zukunft mit Jetson TX1 Debüt

SAN FRANCISCO — Rosie, die Roboter-Haushälterin in der ikonischen Karikatur Die Jetsons, war oft mehr lebensecht in der Persönlichkeit als mechanisiert.

Jüngste Entwicklungen im maschinellen Lernen und in der künstlichen Intelligenz machen solche Konzepte, die in der Phantasie und der Science Fiction verwurzelt sind, greifbarer denn je.

Möglicherweise ist es angebracht, dass Nvidias neues Stück maschinelles Lernen Hardware wird synchronisiert Jetson TX1, die der Grafikkartenhersteller prahlte wird Millionen von neuen Smart-Geräte zu kommen.

Im Forschungslabor befindet sich ein 512-qubit Quantencomputer der kanadischen Firma D-Wave Systems.

“Maschinelles Lernen revolutioniert Webdienste”, erklärte Nvidia-CEO Jen-Hsun Huang während einer Medienpräsentation am Dienstag Nachmittag.

Huang geklärte Web-Services ist nicht der einzige Raum vorangetrieben durch maschinelles Lernen, argumentiert zahlreiche Industrien sind für Transformation, wie die Automobilindustrie mit selbstfahrenden Autos balanciert.

Jetson TX1 wird beschrieben, um die Größe einer Kreditkarte, mit tiefen Lerntechniken, um mehr intelligente – und schließlich, autonome – Geräte zu ermöglichen.

Das Supercomputer-Modul wird als Plug-and-Play-Betrieb angekündigt, wobei unter 10 Watt Leistung benötigt wird, um ein Teraflop der Leistung zu tanken.

Vorgeschlagene Maschinen Nvidia hat im Verstand für Jetson TX1 schließen intelligente Überwachungdrohnenüberwachungmassen für verdächtige Tätigkeit und Roboter ein, die wie persönliche Chauffeure fungieren und seine Inhabergewohnheiten und -bedürfnisse durch natürliche Sprache, Navigation und Verhaltenserkennung erkennen.

Huang immer wieder betont, maschinelles Lernen ist die Förderung, was er als die aufregendste Zeit in der Computertechnik noch charakterisiert.

“Es gibt wenig Zweifel, wir alle brauchen intelligentere Maschinen, um unser Leben besser zu machen”, betonte Deepu Talla, Vizepräsident und General Manager von Nvidias Tegra Chip-Gruppe.

Allerdings gibt es noch einen langen Weg zu gehen, sagte Talla, erklärt, wie die Intelligenz-Technologie, von der Lokalisierung und Kartierung bis zur Körpersprache Analyse, ist sehr viel ein work in progress.

Die meisten Lösungen in den heutigen Drohnen sind nicht viel Verarbeitung auf eigene Faust, stellte Talla in der Erklärung der Notwendigkeit für komplizierte Algorithmen – oder maschinelles Lernen – für die Herstellung solcher Drohnen schlauer.

Künstliche Intelligenz, Google-DeepMind behauptet großen Meilenstein bei der Herstellung von Maschinen sprechen wie Menschen, Innovation, LG Investitionen in AI für intelligente Appliances, autonome Fahren, Big Data Analytics, IBM IBM AI, um große Daten in seinem zweiten afrikanischen Forschungslabor zu zähmen, Künstliche Intelligenz, IBM Watson: Hier ist, was ein Film-Trailer von einem KI gefertigt aussieht

Früher am Dienstag, Nvidia enthüllte eine neue End-to-End-Hyperscale-Rechenzentrum-Plattform speziell für tiefes Lernen gebaut.

“So wie das menschliche Gehirn ständig lernt, werden Rechenzentren der Zukunft sehr ähnlich sein”, stellte Huang fest, voraussagend, dass es immer einige Server und Neuronen geben wird, die sich ständig neuen Informationen widmen.

Für diese Aufgaben verfügt Nvidia über zwei Beschleunigeroptionen: die übergeordnete Tesla M40-GPU zur Implementierung tiefer Neuronaler Netze und den M4 mit geringerer Leistung, einen kleineren Formfaktor für das maschinelle Lernen, aber auch routinemäßige Streaming-Bild- und Videoverarbeitung.

Der Tech-Gigant stellt außerdem eine Reihe von Tools zusammen, die für Entwickler und Rechenzentrums-Manager kuratiert sind, wobei die meisten davon auf GPU-angetriebene Technologien zur Verarbeitung, Größenänderung und Transcoding von Bildern und Videos angewiesen sind.

In diesem Frühjahr, Nvidia enthüllte mehrere neue Technologien für die Förderung der tiefen Lernen inmitten der GPU Technology Conference.

Im Anschluss an die Titan X-Plattform für mobiles Gaming, kam die Pascal GPU-Serie mit dem Versprechen, um tiefe Lernanwendungen zehnfach im Vergleich zu Nvidias früheren Maxwell-Prozessoren zu beschleunigen.

Im August unterstützte Nvidia seine Grid-Plattform für virtuelle Desktops und Anwendungen mit dem Debüt der Version 2.0 und versprach sowohl die Bereitstellung der grafikintensivsten Anwendungen als auch die doppelte Leistung und Benutzerdichte als ihr Vorgänger Benutzer pro Server.

Der Tesla M40 GPU-Beschleuniger und die Hyperscale Suite werden voraussichtlich vor Ende 2015 ausgeliefert, während die M4-GPU im ersten Quartal 2016 gebunden ist.

Ein Entwickler-Kit für Jetson wird für Pre-Order später in dieser Woche am 12. November, beginnend bei 599 $ in den Vereinigten Staaten zur Verfügung gestellt werden. Es wird ab 16. November lieferbar sein. Die Verfügbarkeit in zusätzlichen Märkten wird in den kommenden Wochen versprochen.

Eine Endproduktionsversion des Jetson-Moduls wird versprochen, weltweit ab Anfang 2016 für $ 299 zu versenden, wenn es in Mengen von 1.000 oder mehr bestellt wird.

? Google DeepMind behauptet großen Meilenstein in Maschinen sprechen wie Menschen

? LG investiert in AI für intelligente Geräte, autonomes Fahren

? IBM, AI zu verwenden, um große Daten in seinem zweiten afrikanischen Forschungslabor zu zähmen

IBM Watson: Hier ist, was ein Film-Trailer in Handarbeit von einem AI aussieht