في حلقة حديثة من برنامج Joe Rogan Podcast، أشار الرئيس التنفيذي لشركة NVIDIA Jensen Huang إلى نقطة التحول الرئيسية فيما يتعلق بأصول التعلم العميق ومصير الشركة:بدأ اختراق التعلم العميق في عام 2012 واعتمد على تكوين الربط البيني ثنائي البطاقة SLI لبطاقتي رسوميات GTX 580 غير مصممتين للذكاء الاصطناعي.
كشف Huang Renxun أن التعلم العميق الأساسي للذكاء الاصطناعي اليوم والأجهزة المستخدمة للتشغيل الأول لشبكته الأساسية هي بطاقة رسومات الألعاب المتطورة GTX 580 المبنية على بنية Fermi ومع 512 نواة CUDA.
على الرغم من أن بطاقة الرسومات هذه تم تصميمها في الأصل للألعاب ذات المستوى الأعلى، إلا أن قدراتها القوية في الحوسبة المتوازية أصبحت عن غير قصد حجر الزاوية في التدريب على التعلم العميق السريع.
في عام 2012، استخدم الباحثون Alex Krizhevsky وIlya Sutskever وGeoffrey Hinton من جامعة تورنتو زوجًا من بطاقات الرسومات 3GB GTX 580 لتدريب نموذج AlexNet الشهير.
وقد برزت شبكة التعلم العميق هذه التي تضم ما يقرب من 60 مليون معلمة في مسابقة ImageNet للتعرف على الصور في ذلك العام بميزة مذهلة بلغت 70% مقارنة بالخوارزمية المصممة يدويًا في ذلك الوقت.
وأشار Huang Renxun إلى أن مطوري AlexNet قاموا بتحسين الخوارزمية لتعمل بالتوازي على جهازي GTX 580، وتبادل البيانات فقط عند الضرورة، مما أدى إلى تقليل وقت التدريب بشكل كبير. وهذا أيضًا جعل بطاقة GTX 580 أول بطاقة رسومات في العالم تقوم بتشغيل شبكات الذكاء الاصطناعي للتعلم العميق/التعلم الآلي.
ومن المثير للاهتمام، أنه عندما تم الوصول إلى هذا الإنجاز، كان استثمار NVIDIA في مجال الذكاء الاصطناعي ضئيلًا، وكانت معظم أبحاثها وتطويرها لا تزال تركز على الرسومات والألعاب ثلاثية الأبعاد.
لقد كان التطبيق الناجح لـ AlexNet على GTX 580 هو الذي جعل NVIDIA تدرك الإمكانات الهائلة للتعلم العميق. وقال هوانغ رينكسون إن الشركة حولت جهود التمويل والتطوير والبحث على الفور إلى تكنولوجيا التعلم العميق في عام 2012.
أدى هذا التحول في النهاية إلى الكمبيوتر العملاق NVIDIA DGX الأصلي في عام 2016، وبنية Volta مع الجيل الأول من Tensor core، وتقنية DLSS اللاحقة.
