Обзор презентации Nvidia: искусственный интеллект Джарвис и будущее графики в играх

14 мая Nvidia провела вступительную презентацию к GTC. GTC, или GPU Technology Conference — это мероприятие для специалистов, потребительских продуктов там нет. На GTC 2020 говорили про умные автомобили, серверы, дата-центры и искусственный интеллект. Давайте посмотрим, куда развивается индустрия графики. Хочу подсветить ряд интересных моментов.

Содержание

Дата-центр как компьютерная единица
Искусственный интеллект в создании графики
Про высокопроизводительные компьютеры
Система рекомендаций от Nvidia
Джарвис — умеющий общаться искусственный интеллект
Две новости, которые мы пропустим: Nvidia EGX A100 и EGX Jetson Xavier NX
Nvidia Ampere в умных автомобилях
Заключение

Дата-центр как компьютерная единица

Но начнем с коронавируса. Эту тему никак не могли обойти стороной. Решения от Nvidia помогают во всех сферах, от расшифровки геномов до использования в медицинских ботах.

Обзор презентации Nvidia: искусственный интеллект Джарвис и будущее графики в играх

Кстати, в своей презентации Nvidia показывали модель университета Остина, но предположу, что и российская компания Visual Science использовала графику от Nvidia, чтобы создать свою детальную модель вируса SARS-CoV-2.

CEO Nvidia Дженсен Хуанг поделился своим видением развития индустрии. По его словам, можно выделить две основные силы, толкающие развитие компьютерных вычислений в последние годы. На первом месте – машинное обучение, то есть построение нового на основе уже известных данных.

Второй драйвер – это рост трудности задач и, соответственно, рост размеров приложений, когда уже компьютер в одиночку не может справиться. Это привело к увеличению числа дата-центров. По мнению господина Хуанга, мы идем к тому, что за одну вычислительную единицу будет приниматься не компьютер или сервер, а целый дата-центр. Соответственно, перед индустрией возникает новая проблема, как создавать, передавать, хранить и оптимизировать данные, чтобы с ними можно было максимально продуктивно работать на уровне дата-центров.

Вероятно, из этого предсказания попутно можно сделать потребительский вывод, что модель игрового стриминга, когда мощное железо для воспроизведения игры находится где-то в облаке, станет основным видом гейминга для большинства населения.

Для ускорения доставки данных (то есть работы в сети) Nvidia купила Mellanox. Это, кажется, была самая большая сделка в истории Nvidia. Mellanox выпускает оборудование для высокоскоростных сетей с фокусом на суперкомпьютеры и дата-центры обработки больших данных.

Искусственный интеллект в создании графики

Начал господин Хуанг издалека. С рассказа о том, как 40 лет назад один из работников компании описал модель поведения света на объекте.

Катается шарик, в нем отражается поверхность, играет свет

И только спустя 38 лет, а именно в 2018 году, Nvidia смогли представить массовую реализацию модели в виде карт нового поколения GeForce RTX с двумя новаторскими функциями: трассировкой лучей в реальном времени и искусственным интеллектом, нацеленным на достраивание и улучшение картинки.

По словам господина Хуанга, даже спустя столько времени с момента создания модели мощности видеокарт для трассировки лучей не хватало, поэтому на помощь как раз пришло машинное обучение. Последние годы Nvidia активно занимается тренировкой своего ИИ. Ему дают картину 540p, и его цель – на основе изученного синтезировать картинку в Full HD.

Пожалуй, это наиболее захватывающая часть всей презентации. Для обучения Nvidia сделала модель в 16К и прогоняла ИИ «триллионы раз» через неё. А потом обученный ИИ доставляется уже на пользовательские компьютеры в виде драйверов. Эта технология называется DLSS, или Deep Learning Super Sampling, то есть глубинное обучение на суперобразцах (ещё бы не супер, когда исходная модель в 16К).

Наш великолепный сайт отчаянно жмёт все картинки, поэтому под этим параграфом я оставлю ссылку на видео с таймингом этого места. Лучше смотреть в 4К!

Итак, сначала картинку показали в исходном 16К.

Потом показали, как видеокарта может сама вывести её в 720p.

Следом показали, как первая версия DLSS 1.0 улучшала картинку, беря исходник в 720p и пытаясь «вытянуть» его. Тут сразу стоит отметить, что DLSS 1.0 не полетела, так как для обучения ИИ под каждую задачу (игру) требовалось создавать отдельный полигон для тренировок. А это непростая и накладная задача, поэтому разработчики попросту саботировали DLSS 1.0.

Но Nvidia верила в успех. Примерно месяц назад компания представила DLSS 2.0. Эту технологию, вероятно, ждёт успех, так как она более жизнеспособна. Больше не надо создавать отдельный обучающий полигон под каждую игру. Но самое великолепие в том, что DLSS 2.0 позволяет получить лучшее качество изображение, чем та Full HD картинка, которую может вывести карточка самостоятельно.

Всё дело в том, что видеокарта просто рендерит изображение на основе своих возможностей. А DLSS 2.0 знает (ну или думает, что знает), как выглядит исходное изображение в супербольшом разрешении, поэтому ИИ достраивает даже то, чего не существует. И, пожалуй, это главное преимущество, почему надо покупать RTX, а не GTX карты. В GTX нет так называемых Tensor Cores – это отдельные процессоры для искусственного интеллекта.

Видео с отметки: 2.35:

Например, вот такой прирост производительности даёт технология DLSS 2.0 в игре Minecraft.

Ну и попутно Nvidia похвасталась, что все крутые ребята работают с её графикой. Типа выкуси, AMD! Тут, конечно, стоит отметить, что Nvidia давно пора закопать топор войны и снова подружиться с Apple, так как многие в киноиндустрии используют Mac Pro для рендеринга графики. Хотя всё относительно, например, на картинке отмечена студия Pixar, которая как бы исторически использует продукцию Apple, но, видимо, и про Nvidia не забывает.

Но вообще, рассказ подавался под соусом, что инструменты Nvidia позволяют одновременно работать над 3D моделями сразу нескольким пользователям. И всё это возможно с помощью нового сервера, утыканного кучей карт RTX. Покупаете, втыкаете карточки, и вперед! По сути, суперхит, особенно в условиях самоизоляции, да и вообще. Сидит дизайнер где-нибудь на Гавайях и мастерит с другими чуваками по всему миру новый мультик от Pixar. Только скоростной интернет нужен.

Для примера ролик с шариком. В нем примечательны освещение, тени, естественная физика, а также то, что его вместе делали дизайнеры и инженеры, сидящие по всей стране.

Про высокопроизводительные компьютеры

В сфере высокопроизводительных компьютеров господин Хуанг рассказывал скучные вещи для рядового потребителя. Если вкратце, то есть Spark, или Apache Spark, это аналитический движок для работы с большими данными. И вот Nvidia говорит: а что, если для ускорения обработки данных будут использоваться наши классные наработки?

Например, пусть Spark для обработки данных использует процессоры видеокарт и память видеокарт! А ещё пусть Spark планирует и разделяет работу, чтобы всё считалось везде и сразу одновременно – и в процессоре, и в видеокарте! И давайте сделаем специальную библиотеку, к которой Spark сможет обращаться. И назовем это всё Spark 3.0. Так они там и поступили.

В результате всё стало работать гораздо быстрее. В доказательство показали некий суперсервер от Dell, который, помимо кучи скоростных характеристик, стоит целый миллион долларов и потребляет 16 кВт! И выдаёт скорость обработки данных в 17 Гб/с. А если сделать суперсервер Spark 3.0 с запчастями от Nvidia, то стоить он будет 2 миллиона долларов, зато скорость обработки данных составит 163 Гб/с. И все ученые и обработчики больших данных должны быть в восторге, потому что всего лишь в два раза дороже, зато в 10 раз продуктивнее. Ну а для дата-центра нужен минимум десяток таких шкафов.

И в конце Дженсен Хуанг такой руками развел и сказал: «Чем больше покупаешь, тем больше экономишь!».

На этом, считаю, обсуждение данной темы можно закончить. Ибо вещь, конечно, хорошая, но не уверен, что прямо сейчас по карману. Хотя, конечно, один-другой шкафчик на перспективу надо будет прикупить. А пока пусть новую технологию протестируют Google и Microsoft.

Система рекомендаций от Nvidia

Ещё одна технология, которой рядовой пользователь не воспользуется, но с которой точно столкнется. Nvidia представила систему рекомендаций Merlin, которая подходит для всего – хоть фильмы и музыка, хоть одежда.

Хоть тема рекомендаций и кажется скучной, но она суперважна. Вспомните хотя бы, как неожиданно выстрелила «Яндекс.Музыка» после того, как «Яндекс» внедрил новую систему рекомендаций. Из гадкого утенка сервис превратился в конфетку!

Каждый рекомендательный сервис представляет собой сложнейшую систему, где каждого пользователя пропускают через фильтры, а система пытается выбрать из миллиардов вариантов наиболее соответствующий. Всё это требует и вычислительной мощи, и искусственного интеллекта. Nvidia, по их словам, сделает подобную технологию доступной массам. Компания представила Nvidia Merlin. Это фреймворк, то есть программная инфраструктура для создания рекомендательных систем. Merlin позволяет значительно ускорить процесс обучения предсказательного ИИ. В качестве примера привели то, что обычной системе на 1 ТБ неких данных требуется 1.5 дня на обучение, а Merlin справится за 16 минут. Ну и для того, чтобы всё это работало, нужны, конечно, RTX сервера с Tensor процессорами. Представьте, как ещё больше похорошеет «Яндекс Музыка», если у «Яндекса» хватит денег на покупку. Ибо хоть и было сказано про демократизацию, а цену не назвали.

Джарвис — умеющий общаться искусственный интеллект

Вероятно, в Nvidia подумали: раз мы такие крутые и делаем продукты, позволяющие резко ускорить анализ, выбор и предсказание поведения объектов, то почему не предложить решение для разговорного искусственного интеллекта. По сути, перед этим типом ИИ стоит обилие сложных задач, требующих значительной вычислительной мощи, – надо распознать разговорную речь, догадаться, что именно имеет в виду пользователь, найти, потом постараться ответить ему естественно и понятно. Несмотря на то, что разговорных ассистентов уже довольно много, умеют они мало и значительно ограничены. Nvidia придумала Джарвиса. Это не конкретный голосовой ассистент, а только фреймворк, который, например, может использовать «Яндекс», чтобы его Алиса стала сообразительней. Джарвиса будут продавать уже с набором моделей поведения, что должно упростить внедрение и дальнейшее обучение.

А на слайде ниже – просто пример, который Nvidia сделала на пару с Omniverse. Демо-бот не только отвечает, но у него даже выражения морды есть. Бота натренировали отвечать на вопросы про погоду. И в контексте самого холодного города в мире упомянули Якутск. Вот так Россия отметилась на презентации GTC 2020. Гордимся!

А посмотреть на работу чат-бота можно на видео вот тут:

Две новости, которые мы пропустим: Nvidia EGX A100 и EGX Jetson Xavier NX

А100 – это GPU для дата-центров. Если мы и столкнемся с этими решениями, то вряд ли узнаем, так как А100 может, например, управлять сотнями камер в аэропортах, в то время как EGX Jetson Xavier NX подойдет для управления несколькими камерами в небольших магазинах.

Как описал происходящее господин Хуанг: «Платформа NVIDIA EGX Edge AI превращает стандартный сервер в небольшой защищенный облачный дата-центр с поддержкой ИИ. С помощью ИИ-фреймворков NVIDIA компании могут создавать различные ИИ-сервисы – от умной розницы и роботизированных заводов до автоматических колл-центров».

Всё это реализовано на базе новой архитектуры NVIDIA Ampere. Процитирую официальный пресс-релиз:

Архитектура NVIDIA Ampere — 8-я архитектура GPU NVIDIA — обеспечивает самый большой прирост производительности для широкого спектра ресурсоемких задач, включая ИИ-инференс и работу с 5G-приложениями на периферии. Это позволяет EGX A100 обрабатывать большие массивы данных в реальном времени, поступающие с камер и других IoT-датчиков для быстрого получения информации и повышения эффективности бизнеса.

С сетевой картой NVIDIA Mellanox ConnectX-6 Dx система EGX A100 может получать до 200 Gbps данных и отправлять их прямо в память GPU для обработки ИИ или 5G сигналов. С управляемой по времени технологией передачи данных NVIDIA Mellanox для телекома (5T для 5G) облачный, программно определяемый ускоритель EGX A100 способен справляться с большинством задач 5G, чувствительных к задержкам. Это создает полноценную ИИ/5G платформу для принятия решений в реальном времени непосредственно в местах событий — магазинах, больницах и на производствах.

«Вместе с NVIDIA мы строим высокопроизводительную виртуализованную сеть радиодоступа 5G и ускоренную сеть 5G пакетной коммутации, - говорит Падип Коли (Pardeep Kohli), президент и генеральный директор Mavenir. - Это даст нам возможность предоставлять широкий круг GPU-ускоренных 5G сервисов - от ИИ и машинного обучения до дополненной и виртуальной реальности».

Nvidia Ampere в умных автомобилях

Nvidia Ampere может использоваться в умных автомобилях. Фишка в том, что, условно говоря, нужна только вот эта плата, что на картинке. В ней будут происходить все вычисления, там же находится умный натренированный ИИ.

Платформа Nvidia для умных автомобилей открытая, поэтому ей с удовольствием пользуются по всему миру. В основном китайцы и индусы. Ещё Mercedes и Toyota. Где Tesla?

Заключение

Nvidia бодро шагает вперёд. Полагаю, вас, как и меня, в первую очередь заинтересовали консьюмерские вещи типа DLSS 2.0. Но в целом всё представленное Nvidia рассчитано на бизнес-пользователей. Даже DLSS 2.0 должна снизить нагрузку на стриминговые дата-центры. Создаётся ощущение, что если Microsoft в качестве нового источника роста открыла Azure и облака, то Nvidia делает ставку на переосмысление рынка вычислений и искусственного интеллекта. Уязвимой точкой может выглядеть лишь то, что компания по-прежнему предпочитает создавать железо и инфраструктуру, которые уже будут настраивать другие компании, строить дата-центры, после чего продавать вычислительные емкости.

К содержанию >>>

Владимир Нимин (vminin@mobile-review.com)

Опубликовано — 18 мая 2020 г.

Поделиться:

Мы в социальных сетях: