Selain Tesla P100 dan Pascal. Nvidia memiliki banyak topik untuk di bahas dalam event GTC16. Topik yang paling menarik yang mereka sebut dengan "Deeper Learning", yaitu cara baru untuk membuat AI (Artificial Intelegent). AI merupakan sistem expert yang diberikan algoritma oleh orang ahli dalam bidangnya untuk membuat sistem dapat belajar sendiri. Nvidia mengklaim bahwa "Deep Learning" dapat membuat sistem mempelajari esensinya sendiri.
Deep Learning melibatkan data yang sangat besar, mengambil informasi yang berguna setiap saat, dengan tujuan jangka panjang untuk membuat sesuatu yang dapat menyimpulkan apa yang harus dilakukan dalam situasi tertentu. Dengan kata lain deep learning membutuhkan latihan, seseorang harus mengatur parameter tentang cara mengurai dan mewakili data.
Sebagai contoh adalah Vision System, dimana tujuannya adalah agar sistem dapat mengenali dan mengkategorikan gambar dalam katergorinya. dengan contoh kecil ini Deep Learning dapat mengatasi masalah lain. dengan Vision System yang memiliki arsitektur yang umum dan algoritma yang dapat dikembangkan di berbagai macam data set. Dengan begitu Vision System dapat beradaptasi membangun deep learning untuk Speech Recognition.
Nvidia mengatakan bahwa Tesla P100 dibangun dari nol hingga dapat unggul dalam Deep Learning, termasuk dalam bidang AI (Artificial Intellegence), Self Driving Vehicles, dan masih banyak lagi. Salah satu yang mengesankan adalah Google juga menggunakan Deep Learning pada software mereka yaitu DeepMind.
Inovasi Nvidia dalam bidang Self-Driving Vehicles. Cara kerja klasik dari Self Driving Vehicle ataupun Robotics adalah Sense -> Plan -> Act. Dengan menggunakan Deep Learning, mereka bekerja untuk menciptakan Superhuman driving skill-tapi hal ini masih belum bisa ter-realisasikan. Karena jalanan yang sangat kompleks, mulai dari kendaraan, lane markers, pejalan kaki, rambu lalu lintas, dan object lainnya, bagaimana sistem menangani cuaca, jalan rusak, driver agresif, dan interaksi dengan sesama Self Driving.
Diluar dari semua aspek itu. kemajuan dalam pengembangan cukup cepat dalam ranah autonomous vehicles. Deep learning akan membantu Nvidia's Drive PX Solution. Dimana Hardware dan Software didesain untuk menciptakan Self-Driving Vehicles. Nvidia telah melakukan uji coba dengan sistem Drive PX Solution dan saat ini sistem dapat mengenali 10 images per second dalam 1 Watt, jadi untuk 20 Watt dapat mengenali 200 images per second. Pada titik ini Nvidia memperlihatkan video dari sistem pengolah (up to 12) input kamera dan berjalan pada 180 fps. Tapi untuk melakukan itu, dibutuhkan ber-ton daya komputasi.
Selanjutnya, Nvidia menciptakan sebuah Super Komputer Server dengan nama DGX-1, 3U Chassis akan memuat 8 modules Tesla P100 yang mampu mengalahkan 170 TFLOPS single server. Nvidia mencatat bahwa desain keseluruhan merupakan peningkatan 12 kali dalam kinerja komputer server 2015 dengan empat Maxwell GPU atau setara dengan 250 kali kinerja dual server Xeon. Harga untuk 1 DGX-1 node akan mencapai $ 129.000, yang mungkin tampak berlebihan sampai anda mempertimbangkan penghematan infrastruktur dan unsur-unsur lainnya. Untuk ketersediannya sendiri, DGX-1 dijadwalkan rilis ke publik pada Q1 tahun 2017.
CEO dari Nvidia, Jen-Hsun Huang dalam kesempatan ini menunjukkan video detail dari progress latihan Self-Driving Vehicles mereka, menggunakan Deep Learning software mereka yaitu DaveNet. Upaya awal untuk mencoba sistem untuk berkendara Off Road, dan masih membutuhkan campur tangan manusia. Tapi dalam perkembangannya DaveNet mampu jauh lebih baik. Sekarang dengan lebih 3.000 jam driving experience, DaveNet kini mampu berjalan dalam kondisi hujan, berbelok dengan kecepatan yang tepat, dan mampu berpindah dari jalan beraspal menuju jalan tanah dengan tanpa lane markers.
0 komentar:
Post a Comment