uutiset

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Tämän artikkelin kirjoittaja: Li Dan

Lähde: Hard AI

Maanantaina 29. heinäkuuta itäistä aikaa NVIDIA esitteli uusia työkaluja SIGGRAPH 2024 -tapahtumassa, joka on vuosittainen tietokonegrafiikan ja interaktiivisen teknologian konferenssi ja näyttely, joka järjestetään Denverissä, Yhdysvalloissa.

Nvidian toimitusjohtaja Huang Renxun paljasti SIGGRAPH 2024 -tapahtumassa, että tällä viikolla Nvidia lähettää näytteitä Blackwell-arkkitehtuurista, joka on uusi siruarkkitehtuuri, joka debytoi tänä vuonna. Samaan aikaan Nvidia julkisti sarjan ohjelmistopäivityksiä, joihin liittyy pääasiassa Nvidia Inference Micro Service (NIM), pilvipohjainen mikropalvelu, jota käytetään tekoälyn (AI) päättelyn optimointiin ja edistämään AI-mallien laajamittaista käyttöönottoa yrityksissä.

Kun NVIDIA lanseerasi NIM:n tämän vuoden maaliskuussa, se esitteli, että NIM tarjoaa optimoituja päättelymikropalveluja, jotka on suunniteltu lyhentämään markkinoilletuloaikaa ja yksinkertaistamaan generatiivisten AI-mallien käyttöönottoa kaikkialla pilvessä, datakeskuksissa ja GPU-kiihdytetyissä työasemissa. NIM tukee tekoälyn käyttötapauksia useilla aloilla, mukaan lukien suuret kielimallit (LLM), visuaaliset kielimallit (VLM) ja mallit puhe-, kuva-, video-, 3D-, lääkekehitykseen, lääketieteelliseen kuvantamiseen ja muihin malleihin.

Kehittäjät voivat testata uusia generatiivisia tekoälymalleja käyttämällä NVIDIA:n isännöityä pilvisovellusliittymää tai isännöidä mallia itse lataamalla NIM:n ja ottaa ne nopeasti käyttöön Kubernetesin avulla suurimmilla pilvipalveluntarjoajilla tai paikan päällä vähentääkseen kehitysaikaa, monimutkaisuutta ja kustannuksia. NIM-mikropalvelut yksinkertaistavat tekoälymallin käyttöönottoprosessia pakkaamalla algoritmeja, järjestelmän ja ajonaikaisia ​​optimointeja ja lisäämällä alan standardisovellusliittymiä. Näin kehittäjät voivat integroida NIM:n olemassa oleviin sovelluksiinsa ja infrastruktuuriinsa ilman laajaa räätälöintiä tai asiantuntemusta.

NVIDIA:n maanantaina ilmoittama päivitys laajentaa NIM-päätelmämikropalvelukirjastoa kattamaan fyysisen maailman ympäristöt, edistyneen visuaalisen mallinnuksen ja erilaiset vertikaaliset sovellukset. NVIDIA on tarjonnut noin 100 NIM-päättelymikropalvelua esikatseluversioina ja julkaisee nyt täyden version. Esimerkiksi osana NVIDIAn uutta NIM:ää lanseerataan pian visuaalisen median yritys Getty Images Holdingsin 4K-kuvageneraattori API ja digitaalista sisältöä, kuten kuvia, elokuvia ja musiikkia, tarjoavan Shutterstock Inc:n 3D-kuvageneraattori. . Molemmissa käytetään Nvidian Nvidia Edifya, multimodaalista arkkitehtuuria näön luomaan tekoälyyn.

NVIDIA ilmoitti samana päivänä, että se on tehnyt yhteistyötä luonnollisen kielenkäsittelyn (NLP) työkalusarjan ja Hugging Facen alustan kanssa käynnistääkseen päättelyn palveluna, jonka avulla kehittäjät voivat nopeasti luoda prototyyppejä ja ottaa käyttöön Hugging Face Hubissa isännöidyn avoimen lähdekoodin tekoälymalleja. Kommenttien mukaan tämä yhteistyö yksinkertaistaa tekoälymallien käyttöönottoa kehittäjille.

fVDB hyödyntää todellista 3D-dataa luodakseen tilaälyä

Heidän joukossaan NVIDIA lanseerasi fVDB:n, joka käyttää todellista 3D-dataa tilaälyn luomiseen. Nvidia väittää, että generatiivisen materiaalin tekoälymalli voi ymmärtää ja suorittaa hienoja tai karkeita motorisia taitoja aineellisessa maailmassa. Fyysisen maailman kolmen ulottuvuuden ymmärtäminen ja navigointi vaatii tilaälyä. Tarjotakseen tällaiselle tekoälylle tehokkaan, yhtenäisen kehyksen, joka pystyy käsittelemään realistista mittakaavaa, NVIDIA rakensi fVDB:n, syvän oppimiskehyksen, joka on suunniteltu harvaan, laajamittaiseen ja tehokkaaseen tilaälyyn.

fVDB on rakennettu OpenVDB:lle, alan standardirakenteelle ja kirjastolle, joka simuloi ja renderöi niukkoja tilavuustietoja, kuten vettä, tulta, savua ja pilviä. fVDB tarjoaa neljä kertaa spatiaalisen mittakaavan, 3,5 kertaa aiempia kehyksiä tehokkaamman ja pääsyn valtaviin reaalimaailman tietojoukkoihin. Se yksinkertaistaa prosessia yhdistämällä toimintoja, jotka aiemmin vaativat useita syväoppimiskirjastoja.

Avoimen lähdekoodin modulaarinen kehys Isaac Lab tarjoaa simulaatioita robotin oppimisen nopeuttamiseksi

NVIDIA lanseerasi myös Isaac Labin, avoimen lähdekoodin modulaarisen kehyksen robottioppimiseen, joka voi ratkaista perinteisten koulutusmenetelmien rajoitukset robottioppimistaidoissa.

Isaac Lab tarjoaa modulaarisia high-fidelity-simulaatioita erilaisiin harjoitusympäristöihin tarjoamalla fyysisen maailman tekoälyominaisuuksia ja GPU-ohjattuja fyysisen maailman simulaatioita.

Isaac Lab tukee jäljitelmäoppimista (ihmisten jäljitteleminen) ja vahvistusoppimista (yrityksen ja erehdyksen kautta oppimista) tarjoamalla joustavia koulutusmenetelmiä mihin tahansa robottitoteutukseen. Se tarjoaa käyttäjäystävällisen ympäristön koulutusskenaarioihin ja auttaa robottien valmistajia lisäämään tai päivittämään robottitaitojaan liiketoiminnan muuttuvien tarpeiden perusteella.

Käytä NVIDIA NIM- ja VIA-mikropalveluita VLM-pohjaisen visuaalisen AI-agentin luomiseen

NVIDIA on räätälöinyt NIM:n tekoälylle fyysisessä maailmassa, ja se tukee puhetta ja käännöstä, näkemystä sekä realistista animaatiota ja käyttäytymistä. NVIDIA julkaisee VIA-mikropalvelut, jotka ovat nyt ladattavissa kehittäjän esikatselussa.

VIA-mikropalvelut voidaan helposti integroida NIM:iin, ja käyttäjät voivat käyttää joustavasti mitä tahansa LLM- tai VLM-mallia NVIDIAn mallin esikatselusovellusliittymässä ja ladattavassa NIM-mikropalveluiden API-hakemistossa. VIA-mikropalvelut, NVIDIAn Metropolis-mikropalveluiden laajennus, ovat pilvipohjaisia ​​rakennuspalikoita, jotka nopeuttavat VLM- ja NIM-ohjattujen visuaalisten tekoälyagenttien kehitystä riippumatta siitä, onko ne otettu käyttöön reunalla tai pilvessä.

Generatiivisten tekoälyjen, NIM-mikropalvelujen ja perusmallien avulla käyttäjät voivat nyt käyttää vähemmän malleja sovellusten rakentamiseen, joilla on laaja tietoisuus ja kattava kontekstuaalinen ymmärrys. VLM tukee visuaalisia tekoälyagentteja, jotka voivat ymmärtää luonnollisen kielen vihjeitä ja vastata visuaalisiin kysymyksiin. Visuaaliset tekoälyagentit käyttävät tietokonenäön ominaisuuksia fyysisen maailman havaitsemiseen ja vuorovaikutukseen sen kanssa sekä päättelytehtävien suorittamiseen.

Nämä agentit voivat vapauttaa täysin eri teollisuudenalojen sovellusten mahdollisuudet. Ne voivat yksinkertaistaa merkittävästi sovelluskehityksen työnkulkua ja tarjota mullistavia uusia havainnointiominaisuuksia, kuten kuvan tai videon yhteenveto, interaktiivinen visuaalinen kysymys ja vastaus sekä visuaaliset hälytykset. Näitä visuaalisia tekoälyagentteja käytetään tehtaissa, varastoissa, vähittäismyymälöissä, lentokentillä, liikenneristeyksissä ja muissa paikoissa, ja ne auttavat operatiivisia tiimejä tekemään parempia päätöksiä hyödyntämällä luonnollisesta vuorovaikutuksesta saatuja oivalluksia.

Omniverse Replicator auttaa ratkaisemaan tietopulaongelmia, jotka rajoittavat mallin koulutusta

NVIDIA esitteli, kuinka NIM-mikropalveluiden avulla voidaan rakentaa mukautettu synteettisen datan luonti (SDG) -putki USD:lle, joka käyttää NVIDIAn Omniverse Replicator -toimintoa. Omniverse Replicator on SDK, joka on rakennettu Universal Scene Description (OpenUSD) ja NVIDIA RTX:lle.

Kehittäjät voivat käyttää muun muassa NIM-mikropalveluja ja Omniverse Replicator -sovellusta SDG-putkistojen rakentamiseen, jotka tukevat generatiivista tekoälyä, mikä ratkaisee todellisen datan puutteen, joka usein rajoittaa mallin koulutusta.

Rev Lebaredian, NVIDIA:n Omniverse and Simulation Technologies -yksikön varapuheenjohtaja, sanoi:

"Rakensimme maailman ensimmäisen generatiivisen tekoälymallin, joka pystyy ymmärtämään kieltä, geometriaa, materiaaleja, fysiikkaa ja tilaa OpenUSD:n pohjalta."

Lebaredian sanoi, että NVIDIA on vuodesta 2016 lähtien investoinut OpenUSD:hen, jotta teollisuusyritykset ja materiaalin tekoälykehittäjät voivat kehittää korkean suorituskyvyn malleja helpommin ja nopeammin.

NVIDIA tekee myös yhteistyötä Applen kanssa, joka oli yksi OpenUSD Alliancen perustajista, rakentaakseen hybridi renderöintiputkien kulkua NVIDIAn Graphics Delivery Networkista, grafiikkavalmiiden datakeskusten verkostosta Applen Apple Vision Prohon.