[A version of this post appeared in TechCrunch’s robotics newsletter, Actuator. Subscribe here.]
Robot bilimi hakkında NVIDIA ile uzun uzun konuştuğum son sefer, aynı zamanda Sessions etkinliğimizde Claire Delaunay’ı sahneye çıkardığımız son seferdi. Bu bir süre önceydi. Startup’larla çalışmak ve yatırım yapmak için geçen Temmuz ayında şirketten ayrıldı. Aslında iki hafta önce tarım teknolojisi firması Farm-ng’de yönetim kurulu danışmanı olarak çalışmalarını tartışmak için Disrupt’taki TechCrunch sahnesine geri döndü.
Nvidia’nın son birkaç kazanç raporundan sonra olumlu bir takviye için umutsuz olduğu söylenemez, ancak şirketin robot stratejisinin son yıllarda ne kadar iyi sonuç verdiğine dikkat çekmeyi garanti ediyor. Nvidia, robot bilimini üretimin ötesinde yaygınlaştırmanın çoğu kişi için hala boş bir hayal gibi göründüğü bir dönemde bu kategoriye çok fazla yatırım yaptı. Nisan, TK1’in piyasaya sürülmesinden bu yana geçen on yılı işaret ediyor. Nvidia o zamanlar teklifi bu şekilde tanımlamıştı“Jetson TK1, geliştirmeyi bir PC’de geliştirmek kadar basit hale getiren kompakt, düşük güçlü bir platformda Tegra K1’in yeteneklerini geliştiricilere getiriyor.”
Bu Şubat ayında, şirket kaydetti, “Dünya çapında bir milyon geliştirici artık yenilikçi teknolojiler geliştirmek amacıyla uç yapay zeka ve robot bilimi için Nvidia Jetson platformunu kullanıyor. Ayrıca üçte biri startup olan 6.000’den fazla şirket, platformu ürünlerine entegre etti.”
Platformda vakit geçirmemiş bir robot geliştiricisi bulmakta zorlanacaksınız ve açıkçası kullanıcıların hobicilerden çok uluslu şirketlere kadar uzanan yelpazeyi nasıl yönettikleri dikkat çekici. Arduino gibi şirketlerin uğrunda can atacağı türden bir yayılma bu.
Geçen hafta şirketin devasa Santa Clara ofislerini ziyaret ettim. 2018’de açılan binaların San Tomas Otoyolu’ndan gözden kaçırılması imkansız. Aslında yol üzerinde eski ve yeni genel merkezi birbirine bağlayan bir yaya köprüsü var. Yeni alan esas olarak iki binadan oluşuyor: sırasıyla 500.000 ve 750.000 metrekarelik Voyager ve Endeavor.
İkisinin arasında, güneş panellerini destekleyen geniş, çapraz kafeslerin altında, ağaçlarla kaplı bir açık hava yürüyüş yolu bulunmaktadır. South Bay Big Tech genel merkezindeki mücadele son yıllarda gerçekten kızıştı, ancak etkili bir şekilde para basıyorsanız, arazi satın almak ve ofis inşa etmek muhtemelen bunu yönlendirmek için en iyi yerdir. Apple’a, Google’a ve Facebook’a sormanız yeterli.
Resim Kredisi: NVIDIA
Bu arada Nvidia’nın robot bilimine girişi her türlü kısmetten faydalandı. Firma, tasarım ve üretimden, giderek daha karmaşık görevleri yerine getirebilen düşük güçlü sistemlerin oluşturulmasına kadar, silikonu bu noktada dünyadaki herkes kadar iyi biliyor. Bu, yapay zeka ve makine öğrenimine giderek daha fazla yatırım yapılan bir dünyanın temelini oluşturuyor. Bu arada, Nvidia’nın oyun konusundaki engin bilgisinin, robotik simülasyon platformu Isaac Sim için büyük bir değer olduğu kanıtlandı. Gerçekten mükemmel bir fırtına.
Ağustos ayında SIGGRAPH’ta konuşan CEO Jensen Huang şöyle açıklıyor: “Rasterleştirmenin sınırlarına ulaştığını fark ettik. 2018, ‘şirketle bahse girme’ anıydı. Donanımı, yazılımı ve algoritmaları yeniden icat etmemizi gerektiriyordu. Yapay zeka ile CG’yi yeniden keşfederken, yapay zeka için GPU’yu da yeniden icat ediyorduk.”
Birkaç demodan sonra Nvidia’nın başkan yardımcısı ve Gömülü ve Kenar Bilgi İşlem genel müdürü Deepu Talla ile görüştüm. Konuşmaya başladığımızda, uzak duvarda Jetson platformunu çalıştıran Cisco telekonferans sistemini işaret etti. Jetson’u düşündüğümüzde aklımıza gelen tipik AMR’lerden çok farklı.
Ofis cihazına atıfta bulunarak, “Çoğu insan robotiği tipik olarak kolları, bacakları, kanatları veya tekerlekleri olan fiziksel bir şey olarak düşünüyor; siz bunu içten dışa algı olarak düşünüyorsunuz” dedi. “Tıpkı insanlar gibi. İnsanlar çevremizi görmek ve durumsal farkındalık toplamak için sensörlere sahiptir. Dışarıdan içeriye robotik denilen bir şey de var. Bu şeyler hareket etmiyor. Binanızda kameraların ve sensörlerin olduğunu hayal edin. Olan biteni görebiliyorlar. Nvidia Metropolis adında bir platformumuz var. Video analizleri var ve trafik kavşakları, havalimanları ve perakende satış ortamları için ölçekleniyor.”
Resim Kredisi: TechCrunch
2015 yılında Jetson sistemini tanıttığınızda ilk tepkiler nasıl oldu? Çoğu insanın oyunla bağdaştırdığı bir şirketten geliyordu.
Evet, ama bu değişiyor. Ama sen haklısın. Çoğu tüketicinin alışık olduğu şey budur. Yapay zeka hâlâ yeniydi, hangi kullanım senaryosunu anladığınızı açıklamanız gerekiyordu. Kasım 2015’te Jensen [Huang] ve birkaç şeyi sunmak için San Francisco’ya gittim. Elimizdeki örnek otonom bir drondu. Otonom bir drone yapmak isteseydiniz ne gerekirdi? Şu kadar sensöre sahip olmanız, bu kadar kareyi işlemeniz gerekiyor, bunu tanımlamanız gerekiyor. Kaç hesaplamaya ihtiyacımız olacağını belirlemek için kaba bir matematik yaptık. Ve eğer bunu bugün yapmak istiyorsanız, seçeneğiniz nedir? O zamanlar böyle bir şey yoktu.
Nvidia’nın oyun geçmişi robotik projelerine nasıl yön verdi?
Şirketi ilk kurduğumuzda, GPU’ları oluşturmamız için bize fon sağlayan şey oyundu. Daha sonra grafiksel olmayan uygulamalarda da kullanılabilmesi için GPU’larımıza CUDA’yı ekledik. CUDA aslında bizi yapay zekaya sokan şeydir. Artık yapay zeka, örneğin ışın izleme sayesinde oyunlara yardımcı oluyor. Günün sonunda GPU’lu mikroişlemciler üretiyoruz. Bahsettiğimiz tüm bu ara yazılımlar aynı. CUDA, robotik, yüksek performanslı bilgi işlem ve buluttaki yapay zeka için de aynıdır. Herkesin CUDA’nın tüm bölümlerini kullanmasına gerek yoktur ancak durum aynıdır.
Isaac Sim ile karşılaştırıldığında nasıldır? [Open Robotics’] Gazebo mu?
Gazebo sınırlı simülasyonlar yapmak için iyi ve temel bir simülatördür. Gazebo’nun yerini almaya çalışmıyoruz. Gazebo temel görevler için iyidir. Gazebo’yu Isaac Sim’e bağlamak için basit bir ROS köprüsü sağlıyoruz. Ancak Isaac kimsenin yapamayacağı şeyleri yapabilir. Omniverse’in üzerine inşa edilmiştir. Omniverse’de sahip olduğunuz her şey Isaac Sim’e geliyor. Aynı zamanda herhangi bir AI modunu, herhangi bir çerçeveyi, gerçek dünyada yaptığımız her şeyi bağlamak için tasarlanmıştır. Tüm özerklik için onu takabilirsiniz. Aynı zamanda görsel sadakate de sahiptir.
ROS ile rekabet etmek istemiyorsunuz.
Hayır hayır. Unutmayın, bir platform oluşturmaya çalışıyoruz. Herkesle bağlantı kurmak ve tıpkı bizim onların platformundan yararlandığımız gibi başkalarının da platformumuzdan yararlanmasına yardımcı olmak istiyoruz. Rekabet etmenin bir anlamı yok.
Araştırma üniversiteleriyle mi çalışıyorsunuz?
Kesinlikle. Dieter Fox, Nvidia robotik araştırmasının başkanıdır. Aynı zamanda Washington Üniversitesi’nde robotik alanında profesördür. Ve araştırma üyelerimizin çoğunun ikili ilişkileri de var. Çoğu durumda üniversitelerle bağlantılıdırlar. yayınlıyoruz. Araştırma yaparken açık olması gerekiyor.
Dağıtım veya filo yönetimi gibi konularda son kullanıcılarla mı çalışıyorsunuz?
Muhtemelen değil. Örneğin John Deere bir traktör satıyorsa çiftçiler bizimle konuşmuyor. Genellikle filo yönetimi öyledir. Onlara yardımcı olacak araçlarımız var ancak filo yönetimi, hizmeti sağlayan veya robotu yapan kişi tarafından yapılıyor.
Robotik ne zaman Nvidia için bulmacanın bir parçası haline geldi?
2010’ların başı diyebilirim. İşte o zaman AI bir nevi gerçekleşti. Derin öğrenmenin tüm dünyaya ilk kez 2012 yılında ulaştığını düşünüyorum. yeni bir profil Bryan Catanzaro’ya. Daha sonra hemen şunu söyledi: LinkedIn, [Full quote excerpted from the LinkedIn post], “Aslında Jensen’ı ikna etmedim, bunun yerine ona sadece derin öğrenmeyi anlattım. Hemen kendi inancını oluşturdu ve Nvidia’yı bir yapay zeka şirketi olmaya yöneltti. İzlemesi ilham vericiydi ve bazen Nvidia’nın dönüşümüne tanık olmak için orada olduğuma hâlâ inanamıyorum.”
2015 yılı, yalnızca bulut için değil, hem Jetson hem de otonom sürüş için EDGE’i başlattığımız yıldı.
İnsanlarla üretken yapay zekayı tartıştığınızda, onları bunun geçici bir hevesten daha fazlası olduğuna nasıl ikna edersiniz?
Sanırım sonuçlarda konuşuyor. Verimlilik artışını zaten görebilirsiniz. Benim için bir e-posta oluşturabilir. Tam olarak doğru değil ama sıfırdan başlamama gerek yok. Bana %70 veriyor. Daha önce olduğundan kesinlikle daha iyi bir adım fonksiyonu olduğunu görebileceğiniz bariz şeyler var. Bir şeyi özetlemek mükemmel değil. Benim için okuyup özetlemesine izin vermeyeceğim. Dolayısıyla, üretkenliğin arttığına dair bazı işaretleri şimdiden görebilirsiniz.
