"הבינה המלאכותית משפרת ואף מצילה חיים כבר כיום"

"ב-IT בכל 10-20 שנה לערך יש שינוי מהותי בטכנולוגיה. זה קרה כשמחשבי ה-PC הושקו לראשונה, כשהאינטרנט הגיע ואחר כך ה-www, והשינוי המהותי האחרון היה הענן יחד עם הניידות. אני חושב שאנחנו ממש עכשיו בפתחו של עידן חדש, עידן הבינה המלאכותית והוא יימשך הרבה מאוד שנים", כך אמר מארק המילטון, מנהל מחלקת הארכיטקטורה וההנדסה של Nvidia.

המילטון התראיין לאנשים ומחשבים לאור כנס GPU Technology Conference שערכה באחרונה החברה, בראשונה בישראל.

לדבריו, "יש הרבה מאוד תעשיות כמו נהיגה אוטונומית והדמיה רפואית שזקוקות לבינה מלאכותית, והיא תשפר אותן באופן מהותי, ואנחנו רק מתחילים לחקור את מה שאפשר להשיג בתחומים אחרים, כולל קמעונאות, תקשורת, מכונות ענק שזקוקות לתפעול יעיל ועוד הרבה תחומים אחרים".

הכנס נערך בתקופה בה החברה מרחיבה את המשרד שלה בישראל, והופכת אותו למרכז מחקר ופיתוח לכל דבר ועניין בתחום של בינה מלאכותית והנגזרות הטבעיות שלה כמו למידה עמוקה.

"למעשה זו אחת הסיבות העיקריות לכך שערכנו כאן את הכנס כי אנחנו משקיעים כי להגדיל אותו באופן משמעותי. אנחנו מאמינים שיש פה את הקהילה המתאימה שגם מאוד מתעניינת בנושא, ואפשר היה לראות את זה בכנס העמוס וגם בסדנאות שהעברנו ולא נותר עבורן אפילו מקום אחד פנוי", אמר המליטון.

"השילוב של תוכנה עם חומרה הוא מה שמציב Nvidia בחזית של היצרניות שמציעות את המוצרים שמניעים את שוק הבינה המלאכותית של ימינו, כולל מכוניות אוטונומיות", טוען המילטון.

"אנחנו החברה היחידה שמציעה את המעבד, את השפה CUDA, את הספריות המתמטיות. אנחנו לא מכינים את מערכות הלמידה העמוקה עצמן, אבל את הקוד שלנו תמצאו בכל רשת למידה עמוקה ואנחנו עושים את תהליך הסקת המסקנות, ואנחנו עושים גם שרתים ותחנות עבודה, ויש לנו גם אלפי מהנדסים שיושבים ומכינים את כל מה שצריך כדי לבנות את הענן של Nvidia שמספקים דרכו את כל העדכונים שזקוקים להם עם כל דור חדש של מעבדים".

"אנחנו בונים את שרתי ה-DGX שלנו וממטבים את המערכת שתפעל היטב עם החומרה שלנו. ואנחנו גם עוזרים לכל החברות שבונות את המערכות שלהן לעצמן, ואם הן פונות ליצרניות אחרות אנחנו אלו שעוזרים לחברות הללו למטב את המערכות הנדרשות על בסיס המעבדים הגרפיים שלנו", הוא מספר.

ואיך השילוב של מעבדים גרפיים ובינה מלאכותית יעזרו ל-IT כפי שאנחנו מכירים אותו?
"רוב חדרי השרתים של בסיסי הנתונים מכילים הרבה אוויר וזו דרך מאוד לא יעילה להסיר חום, וגם מאוד יקרה. אם חם לך ואתה קופץ למים, אתה מתקרר מהר כי מים מוליכים חום הרבה יותר טוב, בעשרות מונים".

"בעתיד אנחנו נוכל לשים בחדרים הללו שרתים שמבוססים על מעבדים גרפיים, ולמעשה אפילו להחליף הרבה מאוד שרתים בשרת אחד שמבוסס על מעבדים גרפיים ולחסוך הרבה מאוד הוצאות קירור, שזו הוצאה גדולה מאוד בחדרי שרתים".

"למעשה, אם ניקח לדוגמה את הצרכים של פייסבוק (Facebook), במקום חדר שרתים שגודלו בערך שני מגרשי כדורגל ניתן יהיה להסתפק באחד שהוא בגודל של מסעדה ואפילו פחות. המערכת עדיין תצטרך את אותה עוצמת חשמל, אבל הוצאות הקירור יהיו מזעריות יחסית, וניתן יהיה אפילו להשתמש בקירור מים שהוא כאמור אפקטיבי יותר".

ובצד השני של הסקאלה אנחנו רואים כיצד חברות משלבות שבבי בינה מלאכותית ייעודיים בטלפונים.
"הסיבה היא שככל שמקטינים את המעבדים הראשיים יש זליגת אנרגיה גדולה יותר ובזבוז, ובכל מקרה מכיוון שכבר יצא למעשה הקיטור מחוק מור, המעבדים הראשיים עצמם אף פעם לא יהיו חזקים מספיק עבור שימושי בינה מלאכותית. הם יכולים אמנם לבצע במהירות כמה פקודות במקביל עם פקודות שקשורות להפעלת המערכת, אבל הם לא יכולים לבצע את מיליוני הפעולות שזקוקים להם בשנייה אחת כדי לזהות תמונה אחת של חתול, לדוגמה. ניסיון לעשות את זה עם המעבד הראשי הוא פשוט לא יעיל מבחינה אנרגטית".

את פריצת הדרך שלה בתחום הבינה המלאכותית בכלל ובמכוניות אוטונומיות בפרט עשתה Nvidia לפני כחמש שנים עם הצגת המערכת Drive PX שיכלה לבצע כמיליארד פעולות למידה מעמיקה בשנה, אבל הייתה גדולה ומילאה את תא המטען של המכונית. לאחר מכן השיקה את Drive PX2 שכבר הייתה הרבה יותר קטנה פיזית, הציעה שתי מערכות מבוססות שבבים לצורך יתירות, וכבר הייתה חזקה מספיק כדי לבצע 20 מיליארד פעולות בשנייה.

"בשבוע שעבר הכרזנו על Drive PX Pegasus, שתהיה ניתנת לשימוש פעיל כבר בשנה הבאה, וזו כבר מערכת שתספק לא פחות מ-320 מיליארד פעולות למידה חכמה בשנייה. אז עברנו מ-1 ל-20 ועכשיו ל-320 מיליארד פעולות ותוך מספר שנים בלבד, ולאף אחד אחר בעולם אין מערכת כזו שהתקדמה כל כך ומסוגלת לספק עוצמת עיבוד כזו", הוא אמר.

לדבריו, מה חשוב בסופו של דבר זה כיצד הבינה המלאכותית משפרת ואף מצילה חיים כבר כיום. "נהיגה אוטונומית יכולה למנוע תאונות דרכים, שזה הגורם השלישי באופן גלובלי למיתה בעולם. ויש עוד תחום חשוב זה רפואה, ובעיקר רדיולוגיה. בצילומי רנטגן, כולל כל הנגזרות, לפעמים יש צורך לחכות זמנן ארוך מדי לפענוח, ויש כמובן גם הבדלים בין היכולות של הבודקים. ומה זה צילום רנטגן אם לא תמונה"?

"אנחנו עובדים עם מספר אוניברסיטאות ועם חברות מובילות בתחום ההדמיה הרפואית כדי ליצור אלגוריתם שיזרז מאוד את הפענוח ויעזור באותם מקרים דחופים בהם הזמן הוא חשוב מאוד. זה כבר בפיתוח ואני מאמין שתוך כמה שנים זה ייכנס כבר לשימוש מול חולים אמיתיים. כך שבהחלט אפשר לומר שזה תרחיש בו הבינה המלאכותית תשפר את החיים שלנו, כמו נהיגה אוטונומית", הוא סיכם.