Podczas zeszłorocznych targów CES obserwatorzy Nvidii mieli w tym tygodniu wiele powodów do świętowania, a mianowicie wiadomość, że najnowszy procesor graficzny firmy, Vera Rubin, jest już w pełni produkowany. W końcu te potężne chipy AI – kilofy i łopaty boomu AI – pomogły uczynić Nvidię najcenniejszą firmą na świecie. Jednak w swoim przemówieniu dyrektor generalny Jensen Huang po raz kolejny dał jasno do zrozumienia, że Nvidia nie postrzega siebie po prostu jako firmy produkującej chipy. To także firma programistyczna, której zasięg rozciąga się na niemal wszystkie warstwy AI i ze znacznym zaangażowaniem w fizyczną sztuczną inteligencję: systemy AI działające w świecie rzeczywistym, w tym robotykę i samochody autonomiczne. W komunikacie prasowym promującym zapowiedzi Nvidii na targach CES cytat przypisywany Huangowi stwierdzał, że „nadszedł moment ChatGPT dla robotyki”. Postępy w fizycznej sztucznej inteligencji – modelach, które rozumieją prawdziwy świat, rozumują i planują działania – „odblokowują zupełnie nowe zastosowania” – powiedział.
Jednak w przemówieniu Huang był bardziej wyważony, mówiąc, że moment ChatGPT dla fizycznej sztucznej inteligencji już „prawie nadszedł”. Może się wydawać, że ciągną za włosy, ale to rozróżnienie ma znaczenie, zwłaszcza biorąc pod uwagę to, co powiedział Huang na zeszłorocznych targach CES, kiedy przedstawił globalną platformę Cosmos firmy Nvidia i opisał „moment ChatGPT” robotyki jako po prostu „tuż za rogiem”.
Czy ten czas rzeczywiście nadszedł, czy też jest nadal uparcie poza zasięgiem?
Sam Huang zdawał się dostrzegać tę lukę. „Wyzwanie jest jasne” – stwierdził we wczorajszym przemówieniu. „Świat fizyczny jest różnorodny i nieprzewidywalny”.
Nvidia również nie ma sobie równych, jeśli chodzi o fizyczną sztuczną inteligencję. W ciągu ostatniej dekady firma położyła podwaliny, opracowując ekosystem oprogramowania, sprzętu i systemów symulacyjnych AI dla robotów i pojazdów autonomicznych. Nigdy jednak nie chodziło o budowanie własnych robotów czy pojazdów autonomicznych. Jak powiedział w zeszłym roku magazynowi Fortune wielebny Lebaredian, wiceprezes Nvidii ds. technologii symulacyjnej, strategia w dalszym ciągu opiera się na dostarczaniu kilofów i łopat.
Nie ma wątpliwości, że Nvidia poczyniła postępy w tym zakresie w ciągu ostatniego roku. Jeśli chodzi o jazdę autonomiczną, firma wprowadziła dziś rodzinę otwartych modeli sztucznej inteligencji Alpamayo, narzędzi symulacyjnych i zbiorów danych, których zadaniem jest pomoc pojazdom autonomicznym w bezpiecznym działaniu w różnych rzadkich i złożonych scenariuszach jazdy, które uważa się za jedne z najtrudniejszych wyzwań do bezpiecznego opanowania przez systemy autonomiczne.
Nvidia udostępniła także nowe otwarte modele i dane Cosmos i GR00T do uczenia się i rozumowania robotów, a także zwróciła uwagę na takie firmy, jak Boston Dynamics, Caterpillar, Franka Robots, Humanoid, LG Electronics i NEURA Robotics, które wprowadzają nowe roboty i maszyny autonomiczne zbudowane przy użyciu technologii Nvidia.
Nawet dysponując coraz bardziej wydajnymi modelami, narzędziami symulacyjnymi i platformami obliczeniowymi, Nvidia nie buduje samojeżdżących samochodów ani robotów jako takich. Producenci samochodów muszą jeszcze przekształcić te narzędzia w systemy, które będą mogły bezpiecznie działać na drogach publicznych, radząc sobie z kontrolą regulacyjną, rzeczywistymi warunkami jazdy i akceptacją społeczną. Tymczasem firmy zajmujące się robotyką muszą przełożyć sztuczną inteligencję na maszyny, które mogą niezawodnie manipulować światem fizycznym, na skalę i po kosztach, które mają sens biznesowy.
Ta praca – integrująca sprzęt, oprogramowanie, czujniki, systemy bezpieczeństwa i ograniczenia ze świata rzeczywistego – pozostaje niezwykle trudna, czasochłonna i kapitałochłonna. Nie jest też jasne, czy sam szybszy postęp w zakresie sztucznej inteligencji wystarczy do pokonania tych przeszkód. W końcu moment ChatGPT nie dotyczył tylko modelu pod maską. Istniały od kilku lat. Chodziło o doświadczenie użytkownika i firmę, która potrafiła uchwycić błyskawicę w butelce.
Nvidia już wcześniej łapała błyskawicę w butelce: procesory graficzne okazały się mało prawdopodobnym, ale idealnym silnikiem dla współczesnej sztucznej inteligencji. Nadal otwartym pytaniem jest, czy tego rodzaju szczęście da się odtworzyć w fizycznej sztucznej inteligencji, która jest dziedziną znacznie bardziej skomplikowaną i mniej ustandaryzowaną.
Ta historia pierwotnie pojawiła się na Fortune.com.
