Quando Bill Dally se juntou ao laboratório de pesquisa da Nvidia em 2009, empregava apenas cerca de uma dúzia de pessoas e estava focado no ray tracing, uma técnica de renderização usada na computação gráfica.
Esse outrora pequeno laboratório de pesquisa agora emprega mais de 400 pessoas, que ajudaram a transformar a Nvidia de uma startup de GPU de videogames nos anos noventa para uma empresa de US $ 4 trilhões de dólares que alimenta o boom da inteligência artificial.
Agora, o laboratório de pesquisa da empresa tem como objetivo o desenvolvimento da tecnologia necessária para alimentar a robótica e a IA. E parte desse trabalho de laboratório já está aparecendo em produtos. A empresa revelou na segunda-feira um novo conjunto de modelos de IA, bibliotecas e outras infraestruturas para desenvolvedores de robótica.
Dally, agora cientista-chefe da Nvidia, começou a consultar a Nvidia em 2003, enquanto trabalhava em Stanford. Quando ele estava pronto para deixar de ser o presidente do departamento de ciência da computação de Stanford alguns anos depois, ele planejava tirar um ano sabático. A Nvidia tinha uma ideia diferente.
David Kirk, que dirigia o laboratório de pesquisa na época, e o CEO da Nvidia, Jensen Huang, achavam que uma posição mais permanente no laboratório de pesquisa era uma ideia melhor. Dally disse que a dupla colocou uma “imprensa de tribunal completo” sobre por que ele deveria se juntar ao laboratório de pesquisa da Nvidia e, eventualmente, o convenceu.
“Acabou sendo um ajuste perfeito para meus interesses e meus talentos”, disse Dally. “Eu acho que todo mundo está sempre procurando o lugar na vida onde eles podem fazer a maior, você sabe, contribuição para o mundo. E eu acho que para mim, é definitivamente Nvidia.”
Quando Dally assumiu o laboratório em 2009, a expansão foi em primeiro lugar. Os pesquisadores começaram a trabalhar em áreas fora do Ray Tracing imediatamente, incluindo o design do circuito e o VLSI, ou integração em larga escala, um processo que combina milhões de transistores em um único chip.
O laboratório de pesquisa não parou de se expandir desde então.
“Tentamos descobrir o que fará a diferença mais positiva para a empresa, porque estamos constantemente vendo novas áreas emocionantes, mas algumas delas, você sabe, fazem um ótimo trabalho, mas temos dificuldade em dizer se [seremos] de grande sucesso nisso”, disse Dally.
Por um tempo isso estava construindo melhores GPUs para inteligência artificial. A Nvidia foi cedo para o futuro boom da IA e começou a mexer com a ideia de GPUs de IA em 2010 – mais de uma década antes do atual frenesi da IA.
“Nós dissemos que isso é incrível, isso vai mudar completamente o mundo”, disse Dally. “Temos que começar a dobrar isso e Jensen acreditou que quando eu disse isso a ele. Começamos a nos especializar nossas GPUs e a desenvolver muitos softwares para apoiá-lo, envolvendo-se com os pesquisadores de todo o mundo que estavam fazendo isso, muito antes de ser claramente relevante. ”
Foco físico da IA
Agora, como a Nvidia detém uma liderança dominante no mercado de GPUs de IA, a empresa de tecnologia começou a buscar novas áreas de demanda além dos data centers de IA. Essa busca levou a Nvidia à IA física e à robótica.
“Eu acho que eventualmente os robôs serão um grande jogador no mundo e queremos basicamente estar fazendo o cérebro de todos os robôs”, disse Dally. “Para fazer isso, precisamos começar, você sabe, desenvolvendo as principais tecnologias.”
É aí que entra Sanja Fidler, vice-presidente de pesquisa de IA da Nvidia. Fidler ingressou no laboratório de pesquisa da Nvidia em 2018. Na época, ela já estava trabalhando em modelos de simulação para robôs com uma equipe de estudantes no MIT. Quando ela contou a Huang sobre o que eles estavam trabalhando na recepção de um pesquisador, ele estava interessado.
“Eu não resisti a me juntar”, disse Fidler em uma entrevista. “É apenas um, você sabe, é um ótimo tópico e, ao mesmo tempo, também era uma ótima cultura. Você sabe, Jensen me disse, venha trabalhar comigo, não conosco, não para nós, sabe?”
Ela se juntou à Nvidia e começou a trabalhar criando um laboratório de pesquisa em Toronto chamado Omniverse, uma plataforma Nvidia, que estava focada na construção de simulações para IA física.
O primeiro desafio para construir esses mundos simulados foi encontrar os dados 3D necessários, disse Fidler. Isso incluiu encontrar o volume adequado de imagens potenciais para usar e construir a tecnologia necessária para transformar essas imagens em rendições 3D que os simuladores poderiam usar.
“Nós investimos nessa tecnologia chamada renderização diferenciável, o que essencialmente torna a transformação emenda para a IA, certo?” Disse o Fidler. “Você vai [de] meios de renderização de 3D para imagem ou vídeo, certo? E queremos que vá para o outro lado.”
Modelos mundiais
A Omniverse lançou a primeira versão de seu modelo que transforma imagens em modelos 3D, GANverse3D, em 2021. Então ele começou a trabalhar para descobrir o mesmo processo para o vídeo. Fidler disse que usou vídeos de robôs e carros autônomos para criar esses modelos e simulações 3D através de seu Neuric Neural Reconstruction Engine, que a empresa anunciou pela primeira vez em 2022.
Ela acrescentou que essas tecnologias eram a espinha dorsal dos modelos mundiais de IA da Cosmos que foram anunciadas na CES em janeiro.
Agora, o laboratório está focado em tornar esses modelos mais rápidos. Quando você joga um videogame ou simulação, você quer que a tecnologia seja capaz de responder em tempo real, disse Fidler, para robôs, eles estão trabalhando para tornar o tempo de reação ainda mais rápido.
“O robô não precisa observar o mundo ao mesmo tempo, da mesma forma que o mundo funciona”, disse Fidler. “Ele pode vê-lo como 100 vezes mais rápido. Então, se pudermos tornar esse modelo significativamente mais rápido do que eles são hoje, eles serão tremendamente úteis para aplicações robóticas ou físicas de IA. ”
A empresa continua a progredir nesse objetivo. A Nvidia anunciou uma frota de novos modelos mundiais de IA projetados para criar dados sintéticos que podem ser usados para treinar robôs na conferência de computação gráfica SIGGRAPH na segunda-feira. A Nvidia também anunciou novas bibliotecas e software de infraestrutura voltado para desenvolvedores de robótica.
Apesar do progresso – e do atual hype sobre robôs, especialmente humanóides – a equipe de pesquisa da Nvidia continua realista.
Tanto o Dally quanto o Fidler disseram que a indústria ainda está a pelo menos alguns anos de ter um humanoide em sua casa, com Fidler comparando-o ao hype e ao cronograma em relação aos veículos autônomos.
“Estamos fazendo um enorme progresso e acho que você sabe que a IA realmente tem sido o facilitador aqui”, disse Dally. “Começando com a IA visual para a percepção do robô, e então você conhece a IA generativa, isso é ser extremamente valioso para planejamento e manipulação de tarefas e movimentos. Ao resolver cada um desses pequenos problemas individuais e, à medida que a quantidade de dados que temos para treinar nossas redes cresce, esses robôs vão crescer.
FONTE: TECHCRUNCH
