기술의 미래에 가장 크게 기여하는 회사를 지명하라는 요청을 받는다면 누구를 지명하시겠습니까? Google? 아마 애플? Microsoft라고 생각한다면 손을 들어 보시겠습니까?
저명한 이름이 아니라고 주장하고 싶습니다. 사실, Nvidia라고 말하고 싶습니다. 아시다시피 "그래픽 카드 전문가"입니다.
Nvidia는 기술을 영원히 변화시키려는 지능형 기계의 선두에 서 있습니다. 기계가 효과적으로 스스로 프로그래밍할 수 있게 해주는 딥 러닝은 때때로 발생하는 기술의 "위대한 도약" 중 하나입니다. 그래픽 프로세서가 기계 학습에 이상적이라는 사실이 밝혀진 덕분에 Nvidia는 "그래픽 카드 회사"에서 "AI 컴퓨팅 회사"로 변모하는 과정에 있습니다.
기계 학습의 중요성에 대해 의심이 들었다면 Nvidia CEO인 Jen-Hsun Huang의 기조 연설을 통해 의심이 사라졌습니다. 향후 10년 동안 기계 학습이 건드리지 않을 우리의 삶이 거의 없습니다. 대부분 보이지 않고 점진적일 것입니다. 시간이 지남에 따라 더 좋아지는 추천 엔진; 언어의 더 나은 기계 번역 및 음성을 텍스트로 번역; 그리고 의사 결정이 이미 대부분 기계의 손에 달려 있는 보험과 같은 분야의 개선.
관련 보기
그러나 눈에 잘 띄는 기계 학습 사례도 있을 것입니다. 검색 엔진은 우리에게 필요하다는 것을 의식적으로 깨닫기 전에 필요한 것을 해결하는 의도 엔진으로 보완될 것입니다. 이것의 시작은 항공편과 같은 것에 대한 정보를 제공하려는 제품에서 이미 분명합니다. 적시에 여행하거나 귀하에게 제안할 회의, 위치 등을 찾는 귀하의 이메일을 분석합니다. 나중에. 이것은 컴퓨팅의 장기적인 성배 중 하나인 진정한 지능의 영역으로 훨씬 더 나아갈 것입니다. 회의가 있을 때 원하는 대로 일정을 조정하는 등의 작업을 수행할 수 있는 비서 충돌. 항상 금요일 오후 4시에 집으로 가고 싶습니까? 당신의 조수가 그것을 해결하고 그 필요를 예상할 것입니다.
그러나 기계 학습이 영향을 미칠 가장 크고 분명한 곳은 자동차입니다. Jen-Hsun이 설명했듯이 "자율주행 자동차"는 단순히 물체를 인식하고 주변을 조향하는 것 이상의 복잡한 시스템입니다. 자동차는 공간이 있다고 해서 그것을 통과할 수 있다는 것을 의미하지 않는다는 것을 이해해야 합니다. 인간은 경로에 있는 모든 물체를 지속적으로 스캔하고 최적의 방법을 계산하여 운전하지 않습니다. 그들은 공간을 통해 운전하는 능력, 물체를 피하는 방법, 효과적으로 운전하는 지혜도 배웁니다. 운전은 단일 알고리즘으로 축소할 수 없는 복잡하고 다층적인 기술입니다.
엔비디아의 자율주행차 소프트웨어 플랫폼인 드라이브웍스(DriveWorks)가 운전 과정을 3개 단위로 나누는 이유도 바로 이 때문이다. Drivenet은 평평한 물체 인식을 시도하는 대신 사물의 위치와 크기에 대한 3D 모델을 계산하여 사물을 찾습니다. OpenRoadNet은 자동차가 안전하게 이동할 수 있는 공간, 즉 부재를 찾습니다. 그리고 Pilotnet은 "그냥 운전하는" 행동 네트워크입니다.
세 가지가 함께 작동하는 방식을 지나치게 단순화한 것일 수 있지만 기본적으로 작동하는 방식은 다음과 같습니다. Pilotnet은 운전할 위치를 결정합니다. Drivenet과 OpenRoadNet은 은유적 브레이크 역할을 하여 Pilotnet이 원하는 주행 접근 방식이 적절하고 안전하도록 보장합니다.
몇 년 안에 새 자동차는 거의 모든 상황에서 어떤 인간보다 더 안전하고 경제적으로 스스로 운전할 수 있게 될 것입니다. 그것이 바로 머신 러닝이 가능하게 할 것이며 Nvidia는 그 혁명의 최전선에 서고자 합니다. 기계 학습에 의해 시작된 유일한 것은 아니지만 우리가 사는 방식에 가장 분명한 큰 변화가 될 것입니다. 그리고 나는 그것이 일어나기를 기다릴 수 없습니다.
