Искусственный интеллект и глубокое обучение с помощью технологий NVIDIA

Глубокое обучение, лежащее в основе искусственного интеллекта, позволяет добиться сверхчеловеческой точности выполнения сложных задач. Голосовой поиск, распознавание речи, обработка естественного языка, системы рекомендаций и распознавание изображений в дата-центрах и автомобилях, а также в таких устройствах, как роботы и дроны, компьютерное зрение, прогнозная аналитика – во всех этих областях базирующиеся на GPU модели глубокого обучения продемонстрировали невероятные результаты.

Инновации NVIDIA

Проблемой сервисов, в основе которых лежит искусственный интеллект, является постоянно растущий объем данных. Модели глубокого обучения становятся все более сложными, а CPU больше не в состоянии обеспечить интерактивные пользовательские возможности. На помощь приходят GPU, с помощью которых достигается намного более высокая производительность. В частности, GPU Tesla компании NVIDIA обеспечивают в 47 раз более высокую производительность в задачах, требующих низкой задержки, по сравнению с CPU-серверами. Это гарантирует уровень отзывчивости, необходимый для сервисов с искусственным интеллектом.

Технологии NVIDIA десятикратно повысили производительность в задачах глубокого обучения по сравнению с предыдущим поколением, вышедшим полгода назад. Ключевыми изменениями в платформе NVIDIA, которую взяли на вооружение все крупные провайдеры облачных услуг и производители серверов, являются удвоенный объем памяти в GPU для дата-центров NVIDIA Tesla V100 и новая технология межчипового взаимодействия NVIDIA NVSwitch, которая обеспечивает одновременное взаимодействие до 16 GPU Tesla V100 с рекордной скоростью в 2.4 ТБ/с.

Создание первого одинарного сервера NVIDIA DGX-2, способного обеспечить два петафлопса вычислительной мощности, стало крупным прорывом в области глубокого обучения. Производительность DGX-2 в операциях глубокого обучения сравнима с 300 серверами в 15 стойках, но при этом система в 60 раз меньше по размерам и в 18 раз экономичнее. DGX-2 может обучить FAIRSeq, современную систему машинного перевода, меньше чем за два дня, – это десятикратный прирост по сравнению с представленной в сентябре системой DGX-1 с Volta.

Помимо этого, NVIDIA также представила обновленный, полностью оптимизированный программный стек, в котором бесплатно доступны обновления для задач глубокого обучения и HPC. Количество зарегистрированных пользователей уже превысило 820 000, тогда как год назад их было около 480 000. Среди обновлений – новые версии NVIDIA CUDA, TensorRT, NCCL и cuDNN, и новый набор для разработчиков роботов Isaac.

Система моделирования для тестирования и сертификации самоуправляемых автомобилей

NVIDIA разработала облачную систему NVIDIA DRIVE Constellation, предназначенную для тестирования автономного транспорта с помощью фотореалистичной симуляции, что позволит создать более безопасный и масштабируемый метод вывода самоуправляемых автомобилей на дороги.

NVIDIA DRIVE Constellation – вычислительная платформа на базе двух разных серверов. На первом сервере работает ПО NVIDIA DRIVE Sim, которое моделирует датчики автомобиля, такие как камеры, лидары и радары. Во втором установлен мощный автомобильный ИИ-компьютер NVIDIA DRIVE Pegasus, на котором работает полноценный программный стек для автономной машины и обрабатываются смоделированные данные, как будто поступающие с датчиков едущей по дороге машины.

ПО DRIVE Sim генерирует потоки фотореалистичных данных для создания большого объема разных тестовых окружений. Оно может моделировать разные погодные условия, такие, как дожди и снегопады; слепящий свет в разное время дня и ограниченную видимость ночью; и разные типы дорожного покрытия и местности. В сценарий могут быть включены опасные ситуации для тестирования способности машины реагировать, без того чтобы подвергать кого-либо риску.

DRIVE Constellation будет доступна партнерам по программе раннего доступа в третьем квартале 2018 года.

Супервычислительная платформа NVIDIA для визуализации в медицине

Суперкомпьютер NVIDIA Project Clara для работы с медицинскими изображениями позволяет кардинально изменить возможности существующих машин. К примеру, итеративная реконструкция в КТ и получение сигнала на базе предыдущих значений в МРТ, уменьшают облучение до 90%, сокращая время на получение МРТ снимка.

Project Clara позволяет запускать множество вычислительных инструментов одновременно. В решении применяются виртуальные графические процессоры NVIDIA, позволяющие обеспечить одновременный доступ многим пользователям. С помощью Clara можно выполнять вычисления для любого инструмента – КТ, МРТ, УЗИ, рентген или маммография. Балансировщик нагрузки Kubernetes на GPU позволяет эффективно масштабировать вычисления по запросу.