وقتی بیل دالی در سال 2009 به آزمایشگاه تحقیقاتی انویدیا پیوست، این آزمایشگاه تنها حدود دوازده نفر کارمند داشت و بر روی ردیابی پرتو (ray tracing) متمرکز بود، تکنیکی که در گرافیک کامپیوتری استفاده می‌شود.
این آزمایشگاه تحقیقاتی که زمانی بسیار کوچک بود، اکنون بیش از 400 نفر کارمند دارد که به تبدیل انویدیا از یک استارتاپ GPU بازی‌های ویدئویی در دهه نود میلادی به یک شرکت 4 تریلیون دلاری که موتور محرکه رونق هوش مصنوعی است، کمک کرده‌اند.
اکنون، آزمایشگاه تحقیقاتی این شرکت، توسعه فناوری مورد نیاز برای قدرت بخشیدن به رباتیک و هوش مصنوعی را در دستور کار خود قرار داده است. و برخی از کارهای این آزمایشگاه از قبل در محصولات دیده می‌شوند. این شرکت روز دوشنبه مجموعه‌ای جدید از مدل‌های هوش مصنوعی جهان، کتابخانه‌ها و زیرساخت‌های دیگر را برای توسعه‌دهندگان رباتیک معرفی کرد.
دالی، که اکنون دانشمند ارشد انویدیا است، در حالی که در استنفورد کار می‌کرد، از سال 2003 به عنوان مشاور با انویدیا همکاری می‌کرد. وقتی او چند سال بعد آماده شد تا از ریاست بخش علوم کامپیوتر استنفورد کناره‌گیری کند، قصد داشت مرخصی استعلاجی بگیرد. اما انویدیا ایده دیگری داشت.
دیوید کرک، که در آن زمان ریاست آزمایشگاه تحقیقاتی را بر عهده داشت، و جنسن هوانگ، مدیرعامل انویدیا، فکر می‌کردند که یک موقعیت دائمی‌تر در آزمایشگاه تحقیقاتی ایده بهتری است. دالی به خبرنگار گفت که این دو نفر “تمام تلاش خود را کردند” تا او را متقاعد کنند که به آزمایشگاه تحقیقاتی انویدیا بپیوندد و در نهایت او را متقاعد کردند.
دالی گفت: “در نهایت این موقعیت با علایق و استعدادهای من کاملاً مطابقت داشت.” “من فکر می‌کنم همه همیشه به دنبال مکانی در زندگی هستند که بتوانند بزرگترین سهم را در جهان داشته باشند. و من فکر می‌کنم برای من، قطعاً انویدیا است.”
وقتی دالی در سال 2009 مسئولیت آزمایشگاه را بر عهده گرفت، گسترش در اولویت قرار داشت. محققان بلافاصله شروع به کار در زمینه‌های خارج از ردیابی پرتو کردند، از جمله طراحی مدار و VLSI، یا ادغام در مقیاس بسیار بزرگ، فرآیندی که میلیون‌ها ترانزیستور را روی یک تراشه واحد ترکیب می‌کند.
آزمایشگاه تحقیقاتی از آن زمان تاکنون به گسترش خود ادامه داده است.
“ما سعی می‌کنیم بفهمیم چه چیزی بیشترین تفاوت مثبت را برای شرکت ایجاد می‌کند، زیرا ما دائماً زمینه‌های جدید هیجان‌انگیزی را می‌بینیم، اما برخی از آنها، می‌دانید، کار بزرگی انجام می‌دهند، اما ما در گفتن اینکه آیا [در این کار] به شدت موفق خواهیم بود، مشکل داریم.” دالی گفت.
برای مدتی، این کار ساخت GPUهای بهتر برای هوش مصنوعی بود. انویدیا خیلی زود به آینده رونق هوش مصنوعی پی برد و در سال 2010 شروع به دستکاری ایده GPUهای هوش مصنوعی کرد – بیش از یک دهه قبل از جنون فعلی هوش مصنوعی.
دالی گفت: “ما گفتیم این شگفت‌انگیز است، این قرار است جهان را به طور کامل تغییر دهد.” “ما باید شروع به دوچندان کردن تلاشمان در این زمینه کنیم و جنسن وقتی این را به او گفتم، باور کرد. ما شروع به تخصصی کردن GPUهای خود برای آن کردیم و نرم‌افزارهای زیادی را برای پشتیبانی از آن توسعه دادیم و با محققانی که در سراسر جهان این کار را انجام می‌دادند، همکاری کردیم، خیلی قبل از اینکه به طور واضح مرتبط باشد.”
## تمرکز بر هوش مصنوعی فیزیکی
اکنون، در حالی که انویدیا در بازار GPUهای هوش مصنوعی پیشتاز است، این شرکت فناوری شروع به جستجوی زمینه‌های جدید تقاضا فراتر از مراکز داده هوش مصنوعی کرده است. این جستجو انویدیا را به هوش مصنوعی فیزیکی و رباتیک سوق داده است.
دالی گفت: “من فکر می‌کنم در نهایت ربات‌ها نقش بسیار بزرگی در جهان ایفا خواهند کرد و ما اساساً می‌خواهیم مغز همه ربات‌ها را بسازیم.” “برای انجام این کار، باید شروع به توسعه فناوری‌های کلیدی کنیم.”
اینجاست که سانجا فیدلر، معاون تحقیقات هوش مصنوعی در انویدیا، وارد عمل می‌شود. فیدلر در سال 2018 به آزمایشگاه تحقیقاتی انویدیا پیوست. در آن زمان، او از قبل با تیمی از دانشجویان در MIT روی مدل‌های شبیه‌سازی برای ربات‌ها کار می‌کرد. وقتی او در یک مهمانی محققان به هوانگ گفت که روی چه چیزی کار می‌کنند، او علاقه‌مند شد.
فیدلر در مصاحبه‌ای با خبرنگار گفت: “نتوانستم در برابر پیوستن مقاومت کنم.” “این فقط یک تناسب موضوعی عالی و در عین حال یک تناسب فرهنگی عالی بود. جنسن به من گفت، بیا با من کار کن، نه با ما، نه برای ما، می‌دانی؟”
او به انویدیا پیوست و شروع به ایجاد یک آزمایشگاه تحقیقاتی در تورنتو به نام Omniverse کرد، یک پلتفرم انویدیا که بر ساخت شبیه‌سازی برای هوش مصنوعی فیزیکی متمرکز بود.
فیدلر گفت اولین چالش برای ساخت این جهان‌های شبیه‌سازی شده، یافتن داده‌های سه بعدی لازم بود. این شامل یافتن حجم مناسبی از تصاویر بالقوه برای استفاده و ساخت فناوری مورد نیاز برای تبدیل این تصاویر به رندرهای سه بعدی بود که شبیه‌سازها بتوانند از آنها استفاده کنند.
فیدلر گفت: “ما در این فناوری به نام رندرینگ قابل تفکیک سرمایه‌گذاری کردیم، که اساساً رندرینگ را برای هوش مصنوعی مناسب می‌کند، درست است؟” “شما [از] رندرینگ به معنای از سه بعدی به تصویر یا ویدیو می‌روید، درست است؟ و ما می‌خواهیم برعکس شود.”
## مدل‌های جهانی
Omniverse اولین نسخه از مدل خود را که تصاویر را به مدل‌های سه بعدی تبدیل می‌کند، به نام GANverse3D، در سال 2021 منتشر کرد. سپس شروع به کار روی یافتن همان فرآیند برای ویدیو کرد. فیدلر گفت که آنها از فیلم‌های ربات‌ها و خودروهای خودران برای ایجاد این مدل‌ها و شبیه‌سازی‌های سه بعدی از طریق موتور بازسازی عصبی Neuric خود استفاده کردند، که این شرکت برای اولین بار در سال 2022 معرفی کرد.
او افزود که این فناوری‌ها ستون فقرات خانواده Cosmos مدل‌های هوش مصنوعی جهانی این شرکت هستند که در CES در ژانویه اعلام شد.
اکنون، این آزمایشگاه بر روی سریع‌تر کردن این مدل‌ها متمرکز است. فیدلر گفت وقتی یک بازی ویدیویی یا شبیه‌سازی را انجام می‌دهید، می‌خواهید فناوری بتواند در زمان واقعی پاسخ دهد، برای ربات‌ها آنها در تلاش هستند تا زمان واکنش را حتی سریع‌تر کنند.
فیدلر گفت: “ربات نیازی ندارد که دنیا را در همان زمان، به همان شکلی که دنیا کار می‌کند، تماشا کند.” “می‌تواند آن را 100 برابر سریع‌تر تماشا کند. بنابراین اگر بتوانیم این مدل را به طور قابل توجهی سریع‌تر از امروز کنیم، برای کاربردهای رباتیک یا هوش مصنوعی فیزیکی بسیار مفید خواهند بود.”
این شرکت به پیشرفت در این هدف ادامه می‌دهد. انویدیا مجموعه‌ای از مدل‌های هوش مصنوعی جهانی جدید را معرفی کرد که برای ایجاد داده‌های مصنوعی طراحی شده‌اند و می‌توان از آنها برای آموزش ربات‌ها در کنفرانس گرافیک کامپیوتری SIGGRAPH در روز دوشنبه استفاده کرد. انویدیا همچنین کتابخانه‌ها و نرم‌افزارهای زیرساختی جدیدی را با هدف توسعه‌دهندگان رباتیک معرفی کرد.
با وجود پیشرفت – و هیاهوی فعلی در مورد ربات‌ها، به ویژه ربات‌های انسان‌نما – تیم تحقیقاتی انویدیا واقع‌بین باقی مانده است.
دالی و فیدلر هر دو گفتند که صنعت هنوز حداقل چند سال با داشتن یک ربات انسان‌نما در خانه شما فاصله دارد، و فیدلر آن را با هیاهو و جدول زمانی مربوط به وسایل نقلیه خودران مقایسه کرد.
دالی گفت: “ما در حال پیشرفت زیادی هستیم و من فکر می‌کنم می‌دانید که هوش مصنوعی واقعاً در اینجا فعال‌کننده بوده است.” “با شروع هوش مصنوعی بصری برای درک ربات، و سپس می‌دانید هوش مصنوعی مولد، که برای برنامه‌ریزی و دستکاری وظایف و حرکت بسیار ارزشمند است. با حل هر یک از این مشکلات کوچک فردی و با افزایش میزان داده‌هایی که برای آموزش شبکه‌های خود داریم، این ربات‌ها رشد خواهند کرد.”
منبع: techcrunch.com
