Comment accélérer la vulgarisation de l'IA PC ? Nvidia considère RTX comme la réponse ultime

Au cours de la dernière décennie, la technologie de l’intelligence artificielle (IA) est passée de la recherche théorique et des applications à petite échelle à une révolution technologique mondiale, modifiant complètement notre façon de vivre et de travailler. Qu’il s’agisse d’assistants vocaux sur smartphones, d’analyses de données complexes ou de lignes de production automatisées, l’impact de l’IA est partout, et les améliorations d’efficacité et les réductions de coûts qu’elle apporte entraînent une révolution de productivité sans précédent.



Afin de saisir l'opportunité de la productivité de l'IA, de nombreuses marques ont rapidement mis au point leur propre matériel d'IA : certaines marques de téléphones mobiles utilisent la technologie de l'IA pour éliminer les traces de mouvement lors de la prise de photos, et d'autres utilisent l'IA pour supprimer les traces de mouvement indésirables. en images, certaines entreprises sont même les premières à sortir le standard dit « AI PC ».


En comparaison, NVIDIA, qui fait profil bas et fonctionne silencieusement, semble un peu déplacée. Afin de changer cette situation de « l'allée du vin va plus loin », NVIDIA a également travaillé dur pour augmenter ses opportunités d'exposition dans le domaine de l'IA ces dernières années et trouver des moyens de sensibiliser davantage d'utilisateurs à la technologie de pointe de NVIDIA en plus des graphismes de jeux. cartes - 2024 Le 24 avril, NVIDIA a organisé une réunion d'échange hors ligne appelée RTX For AI à Shenzhen, permettant à chacun de découvrir par lui-même comment NVIDIA "soutient la moitié de l'industrie de l'IA".



Source de l'image : Lei Technology


Bien que NVIDIA ne soit pas la première entreprise à proposer le concept d'IA, du point de vue du produit et de la technologie, de nombreux nœuds historiques dans les ordinateurs, y compris l'IA, peuvent être derrière cela. moins pris en charge par NVIDIA : En 2008, NVIDIA a sorti la carte graphique GeForce 8800 GTX.


Evidemment les performances de cette carte graphique ne valent plus la peine d'être évoquées désormais, mais sur cette carte graphique, NVIDIA a proposé le concept de « CUDA » (Unified Computing Architecture). L'émergence de CUDA permet au GPU non seulement de traiter des opérations graphiques, mais également d'effectuer et d'accélérer des calculs généraux basés sur CUDA, faisant de l'ordinateur un véritable « outil universel ».



Source de l'image : Lei Technology


En plus de CUDA, NVIDIA a également « affiné » la puissance de calcul du GPU en 2018, en introduisant les concepts de RT Core et Tensor Core, permettant le traçage de rayons et le calcul ML spécialisé. rendu possible - Tensor Core accélère considérablement la formation et l'exécution de modèles d'IA en effectuant efficacement des opérations matricielles à grande échelle. Le DLSS, très apprécié des utilisateurs de NVIDIA et capable d'améliorer considérablement le FPS des jeux, est implémenté sur la base de Tensor Core. On peut dire qu'il s'agit du premier cas d'utilisation de « véritable IA » avec lequel les joueurs sont entrés en contact.


La puissance de calcul est la base de toute IA




Avant l'émergence de l'ère de l'IA, NVIDIA a commencé à réfléchir à des moyens d'utiliser Tensor Core pour mettre en œuvre des fonctions d'IA, accélérant ainsi l'arrivée de l'ère de l'IA. ; par rapport à lui-même il y a 6 ans, quels progrès technologiques NVIDIA a-t-il réalisés aujourd'hui dans le domaine de l'IA ?


Selon l'introduction de NVIDIA, RTX AI couvre actuellement 10 scénarios d'IA différents, à savoir : peinture IA, conception graphique IA, montage vidéo IA, création 3D IA, expérience vidéo IA, conférence IA et assistant de documentation IA, développement d'applications IA, Jeux IA et développement de jeux IA.


Source de l'image : Lei Technology


Bien que ces dix principaux scénarios soient différents, ils ont tous un besoin commun en ordinateurs : la puissance de calcul. Et une excellente puissance de calcul est précisément la caractéristique la plus connue du matériel RTX.



Source de l'image : Lei Technology


Il ne fait aucun doute que par rapport à la sortie de la carte graphique RTX et à l'introduction de Tensor Core il y a 6 ans, les performances constituent l'amélioration la plus simple pour NVIDIA dans le domaine de l'IA. En prenant comme exemple le cas d'utilisation le plus courant de T2I, les amis qui ont essayé de déployer des modèles tels que StableDiffusion sur leurs propres ordinateurs doivent savoir que la plupart des modèles actuels ont plus ou moins des problèmes de « faible taux de réussite », ce qui oblige les utilisateurs à utiliser le même ensemble. de mots-clés pour générer des images à plusieurs reprises, et utilisez une méthode similaire au jeu mobile « dessiner des cartes » pour générer les images souhaitées.



Source de l'image : Lei Technology


En réponse à ce scénario de "dessin de carte", NVIDIA a démontré les performances puissantes de sa carte graphique grand public phare RTX 4090D lors de la réunion de partage : basée sur la fonction d'accélération de TensorRT , RTX 4090D La génération d'images StableDiffusion la plus rapide peut être obtenue à 120 ips.


Le contrôle fin est la marque de la productivité de l'IA



Je ne sais pas si vous avez découvert un détail dans les dix principaux scénarios que nous venons de mentionner, NVIDIA distingue la peinture IA et la conception graphique IA.Ce n'est pas parce que NVIDIA souhaite utiliser davantage de cas d'utilisation pour prendre en charge la scène, mais parce que la peinture IA et la conception graphique IA marquent en fait deux étapes différentes de la technologie IA :


La peinture IA représentée par Wensheng Tu a un faible taux de réussite, les utilisateurs ont besoin générer en permanence un grand nombre d'images pour « tirer des cartes » avant de pouvoir obtenir le produit fini souhaité. Et cette « incontrôlabilité » signifie que les utilisations de ces œuvres de l'AIGC sont très limitées : soit à des fins de divertissement, soit pour inspirer les designers, soit comme matériaux pour former l'IA.





Mais l'AIGC, qui est vraiment utilisé pour la « productivité », ne peut pas tolérer ce genre d'« incertitude ». Après tout, personne ne veut utiliser l'AIGC pour montrer aux clients l'effet des vêtements de mode. mains sur les vêtements ; ou dessins Lorsque l'enseignant a utilisé l'IA pour expliquer le style de décoration intérieure au client, l'IA a peint le toit d'un manoir en duplex comme sous-sol.


En d'autres termes, la plus grande différence entre « IA de divertissement » et « IA de productivité » est de savoir si un contrôle précis de l'AIGC peut être obtenu.





Nous savons que « l'IA du divertissement » est principalement utilisée pour améliorer l'expérience utilisateur et l'interactivité. Par exemple, dans des domaines tels que les jeux vidéo, les réseaux sociaux et le divertissement en ligne, l’IA est utilisée pour recommander du contenu, générer de la musique, simuler des conversations, etc. L’objectif principal de ce type d’IA est d’améliorer le divertissement et l’engagement, en mettant moins l’accent sur la rigueur et la prévisibilité des résultats. Ce type d’œuvres d’art ou de musique générées par l’IA n’a pas besoin de répondre à des normes strictes d’application commerciale, et sa créativité et sa nouveauté sont plus importantes.


En revanche, « Productivity AI » est utilisée dans des environnements commerciaux et industriels plus rigoureux et exigeants, tels que la fabrication, le médical, l'analyse financière, etc. Dans ces domaines, l’IA a pour mission d’accroître l’efficacité, de réduire les coûts et les taux d’erreur et de fournir une aide à la décision fiable. Par exemple, l’IA est utilisée dans le diagnostic médical pour analyser des images et identifier des modèles de maladies, ce qui nécessite une précision et une fiabilité extrêmement élevées. Dans ces applications, le contrôle fin n’est pas seulement lié à l’efficacité du système d’IA, mais aussi à l’impact direct de sa qualité décisionnelle sur la vie humaine.



Source de l'image : Lei Technology


Lors de la session de partage, NVIDIA a également démontré à quoi devrait ressembler une « IA de productivité » : une IA instantanée. En tant qu'application d'IA pour le domaine de la conception architecturale, Zhizhi AI fournit une variété de modèles d'IA pré-entraînés adaptés à différents styles et scénarios architecturaux. En même temps, sur la base des performances puissantes du matériel RTX, Zhizhi AI peut fonctionner à un niveau élevé. à une vitesse de latence presque nulle, l'IA génère les croquis importés ou les lignes dessinées par le concepteur et explique le design extérieur du bâtiment et le style de décoration intérieure aux clients en temps quasi réel.


Les problèmes rencontrés par l'IA devraient être résolus par l'IA



Bien entendu, les cas d'utilisation que nous venons d'évoquer ne représentent qu'une petite partie des applications de NVIDIA RTX dans le domaine de l'IA. De Wenshengtu et DLSS 3.5 orientés divertissement, à NVIDIA ACE et au clonage sonore qui changent le mode d'interaction dans le jeu, au montage vidéo AI qui change le mode créatif, et Chat avec RTX qui change le mode de travail, qu'il s'agisse de jeux ou de travail, La technologie de l’IA a déjà pénétré tous les aspects de nos vies.



Source de l'image : Lei Technology


Lors du partage de l'application spécifique de l'AIGC dans le processus de création vidéo, la célèbre équipe d'effets spéciaux vidéo "Special Effects Brother Studio" a également mentionné un point de vue très intéressant : utiliser l'IA pour résoudre les problèmes d'IA rencontrés. Selon leur partage, lors de la reconstruction de la profondeur de champ des images AIGC, ils n'ont pas choisi d'utiliser le marquage manuel traditionnel des cartes de profondeur, mais ont directement envoyé les images à l'IA, l'ont laissé dessiner la carte de profondeur de l'AIGC et l'ont produite. résultats vers un autre modèle d’IA.



Source de l'image : Lei Technology


Ce type de solution « vaincre la magie avec la magie », à mon avis, n'est pas seulement un signe d'industrialisation et de formalisation de l'AIGC, mais aussi l'une des futures orientations de développement de l'IA.


Tout d'abord, la formation de modèles d'IA nécessite beaucoup de ressources informatiques. L'acquisition de données de haute qualité étant souvent coûteuse et difficile à réaliser, l'utilisation de techniques de génération de données synthétiques telles que les réseaux contradictoires génératifs (GAN) est nécessaire. peut créer une grande quantité de données de formation réalistes, ce qui est important pour améliorer l'efficacité de la formation et l'efficacité des systèmes d'IA. Cette technologie peut non seulement être utilisée pour générer des données d'image, mais peut également être étendue à la génération de texte, d'audio et même d'environnements virtuels, enrichissant considérablement les sources de données et offrant plus de possibilités pour la formation en IA.


Deuxièmement, l'interprétabilité des modèles d'IA est également un défi technique important, car de nombreux modèles efficaces tels que les réseaux de neurones profonds sont souvent comme des boîtes noires, et il est difficile de comprendre leur logique de prise de décision interne.En développant une technologie d'IA interprétative, le processus de prise de décision du modèle peut être rendu plus transparent, augmentant ainsi la confiance des utilisateurs et permettant aux développeurs de trouver et d'améliorer plus facilement les lacunes du modèle.



Source de l'image : Lei Technology


Dans une perspective à long terme, résoudre ces défis techniques nécessite non seulement des algorithmes et une conception de modèles plus avancés, mais nécessite également de trouver un équilibre entre le traitement des données, la formation des modèles et les applications pratiques. , ce qui sera la clé pour promouvoir le développement futur de la technologie de l'IA. Nous espérons que l’IA apportera plus de commodité, et nous espérons également qu’elle nous aidera à résoudre d’anciens problèmes de manière nouvelle.


Et lorsque l’IA libérera véritablement et complètement la productivité humaine, les créateurs et l’IA dotés d’une imagination sans fin concrétiseront sûrement davantage d’idées débridées.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!