Home  >  Inovação

Como a Nvidia planeja usar GPUs para acelerar a inteligência artificial?

Durante a GTC Conference, fabricante revelou uma série de novidades para data centers até carros autônomos. Compilamos elas aqui

Carla Matsu*

23/03/2019 às 11h34

Foto: Divulgação

A Nvidia é mais popularmente conhecida por seus robustos cards gráficos voltados para a indústria de videogames. Mas a fabricante com sede em Santa Clara (CA) fundada pelo CEO Jensen Huang, Chris Malachowsky e Curtis Priem, em 1993, tem nos últimos anos orientado suas GPUs (Graphics Processing Units) para acelerar a inteligência artificial e o machine learning.

Nesta semana, durante a GPU Technology Conference, os esforços da Nvdia nessas direções podiam ser vistos por todos os lados no pavilhão que sediou o evento da companhia em San Jose, Califórnia. De importantes atualizações para carros autônomos e até mesmo o anúncio de workstations voltadas para cientistas de dados, o futuro que a Nvidia pavimenta é cada vez mais voltado para o arcabouço necessário para que a inteligência artificial avance.

As GPUs da Nvidia são utilizadas para quebrar cálculos complexos para mercados que vão desde o de criptomoedas a aqueles que sustentam os efeitos visuais que vemos nas telas do cinema ou para encontrar padrões no céu em busca de sinais alienígenas. A mesma tecnologia encontrou vocação para ensinar carros a dirigirem por si mesmos e é ela também que alimenta os supercomputadores mais rápidos do mundo.

A crescente demanda por poder de processamento tem reforçado o papel da Nvidia no centro de uma nova revolução tecnológica e a diversificação de suas soluções visa atender indústrias cada vez mais digitais. Na lista abaixo, relembramos os principais anúncios feitos nesta semana que cobrem o futuro da inteligência artificial.

Otimizando a ciência de dados

Na 10ª edição da GTC Conference, um dos principais tópicos abordados foi o Data Science. Para o Jensen Huang, a ciência de dados deve ocupar o quarto pilar da metodologia científica. "Nós agora temos métodos orientados em dados para problemas que são muito complicados para serem resolvidos em equações simples", ressaltou em coletiva de imprensa. Com os anúncios desta semana, ficou claro que a aposta da Nvidia em Data Science é grande. A companhia revelou parcerias com grandes OEMs para construir workstations dedicadas para cientistas de dados  e também a disponibilidade de servidores otimizados para executar software de aceleração de ciência de dados. Estes agora estão disponíveis a partir de sete das maiores fabricantes de sistemas do mundo, incluindo Cisco, Dell EMC, Fujitsu e HPE. Tais data centers estão equipados com a GPU Nvidia T4 e foram adaptados para executar bibliotecas de aceleração Nvidia Cuda-X AI. Esta última também foi anunciada no evento. A Cuda é uma arquitetura de computação que a Nvidia introduziu no mercado ainda em 2006. Já a nova Cuda-X AI foi desenhada para abraçar mais de 12 bibliotecas de linguagens que aceleram o data science de ponta a ponta. Com elas, ficam a promessa de acelerar workloads de machine learning e ciência de dados até 50 vezes. A Cuda-X AI está integrada em frameworks de deep learning populares do mercado, como TensorFlow, PyTorch e MXNet. As workstations anunciadas nesta semana também foram otimizadas para rodar as bibliotecas Cuda-X AI.

Fortalecendo a nuvem

Para acelerar a inteligência artificial, a Nvidia também precisa de data centers mais robustos. Nesta direção, a companhia anunciou a última configuração do seu servidor RTX. Um pod completo do RTX consegue suportar até 1.280 GPUs Turing em 32 servidores blade RTX. São 40 GPUs por servidor, cada um ocupando um espaço de 8U. Dependendo da configuração, as GPUs aqui usadas podem ser Quadro RTX 4000 ou 6000. Esses servidores RTX são otimizados para rodar pesados software de renderização, game, Realidade Virtual e Aumentada e aplicações profissionais de visualização. Segundo a Nvidia, tal configuração consegue entregar gráficos com qualidade de cinema ressaltados pela tecnologia ray tracing pelo custo da eletricidade de um cluster baseado em CPU e com a mesma performance. Todo esse poder pode ser compartilhado entre diferentes usuários. Dell, HP, Lenovo, Asus e Supermicro estão entre as fabricantes que irão fornecer os servidores RTX para seus clientes.

Ainda voltado para o mercado corporativo, a Nvidia anunciou uma nova parceria com a Amazon Web Services para levar as GPUs Nvidia T4 para as novas instâncias da Amazon Elastic Compute Cloud (EC2). Com isso, clientes da AWS conseguirão desdobrar serviços em inteligência artificial de forma mais rápida e mais eficiente em termos de custo. "Pense não apenas nos custos que eles estão economizando, mas no recurso mais precioso que esses cientistas de dados têm - tempo e repetições", reforçou Matt Garman, vice-presidente de serviços de computação da AWS.

Afinal, por que a Nvidia comprou a Mellanox?

A aquisição da Mellanox recém-anunciada pela Nvidia por US$ 6,9 bilhões de dólares também recebeu seus holofotes nesta semana. Afinal, por que Jensen Huang investirá tanto na fabricante israelense de chips? "Por que eles valem", resumiu durante coletiva. A compra da Mellanox é a maior aquisição da história da Nvidia e acontece em um momento em que a empresa busca se posicionar para além da indústria de computação gráfica. Mais detalhes dessa história, contamos aqui.

Popularizando a tecnologia Ray Tracing

Os negócios da Nvidia também buscam confundir a nossa noção do que é real daquilo que foi digitalmente produzido. No ano passado a companhia revelou a tecnologia ray tracing - ou raios de luz - que utiliza de inteligência artificial para deduzir onde cenas digitais, como as de um videogame, devem ser iluminadas. É o tipo de coisa que confere mais autenticidade a uma imagem fabricada e pode ser transformadora para estúdios de cinema, publicidade, arquitetura, design etc. Nesta semana, a Nvidia anunciou que as principais desenvolvedoras de software para a indústria criativa, entre elas Autodesk, Adobe, Unity, suportarão o recurso de ray tracing em seus programas ainda neste ano.

E por falar em inteligência artificial confundindo nosso senso de realidade, pesquisadores do Nvidia Research apresentaram avanços para as chamadas Generative Adversarial Networks (GANs). Pesquisadores utilizaram as GANs para chegar a uma espécie de Microsoft Paint que consegue transformar rabiscos em imagens reais, daquelas que poderiam descansar no fundo de tela do seu computador. Explicamos a solução que recebeu o nome de GauGAN - um trocadilho em homenagem ao pintor Gaugin - neste link.

Um Raspberry Pi otimizado para Deep Learning

As GPUs da Nvidia exigem alto investimento para acelerar avanços em inteligência artificial. Mas nesta semana, a companhia anunciou um nano computador acessível para makers, startups e pesquisadores desenvolverem soluções autônomas. Batizado de Jetson Nano, a placa é uma espécie de Raspberry Pi turbinado para deep learning e custa US$ 99.

Um "Google Docs" para designs 3D

A Nvidia revelou nesta semana uma plataforma aberta para designers editarem seus projetos de forma colaborativa e em tempo real. Batizada de Omniverse, a plataforma é, essencialmente, segundo descrição do próprio CEO da Nvidia, Jensen Huang, "o Google Docs para o design 3D".

Como carros autônomos podem aprender com os videogames

Carros com certo grau de autonomia já circulam pelas ruas da Califórnia. Mas para que eles consigam evoluir para, eventualmente, dispensar a necessidade de um motorista humano, eles precisam aprender com erros e acertos. É o tipo de simulação popularizada pelos videogames que a Nvidia utiliza para ensinar carros autônomos. Nesta semana, a companhia anunciou a disponibilidade da plataforma de simulação de veículos autônomos Drive Constellation. Baseada na nuvem, a plataforma permite que milhões de quilômetros sejam percorridos em uma ampla variedade de cenários em mundos virtuais, desde a condução de rotina até situações raras e perigosas.

Apresentado pela primeira vez na GTC no ano passado, o Drive Constellation é uma solução de data center composta por dois servidores lado a lado. Um servidor, o Drive Constellation Simulator, usa GPU Nvidia com o software Drive Sim para gerar a saída do sensor do carro virtual em um mundo virtual. O outro servidor, o Drive Constellation Vehicle, contém o computador de bordo com AI Drive AGX Pegasus, que processa os dados simulados do sensor. Segundo a Nvidia, as decisões de condução do Drive Constellation Vehicle são enviadas de volta ao Drive Constellation Simulator, permitindo testes de hardware no loop com precisão de tempo e de bit.

Também nesta semana, a Toyota, por meio do Toyota Research Institute, anunciou uma colaboração com a Nvdia para desenvolver, treinar e validar veículos autônomos da montadora. Com o acordo, a Toyota usará todas as soluções da Nvidia, de ponta a ponta, no desenvolvimento de seus carros. Para além das grandes montadoras, a Nvidia tem também colaborado com startups da indústria.

“Os veículos autônomos para uso diário e aplicações comerciais em diversos setores logo serão comuns. Tudo que se move será autônomo. Produzir todos esses veículos em escala exigirá uma colaboração conectada para todos os elementos do sistema", ressaltou o CEO da Nvidia, Jensen Huang.

*Jornalista viajou a San Jose (CA) a convite da Nvidia