Nvidia keynote cette semaine était à couper le souffle dans sa portée et son ambition sans entraves d’ouvrir la voie à un avenir en IA.

Vous souvenez-vous au début des années 2000, lorsque les GPU ont commencé à faire une grande différence dans le montage vidéo? Au lieu d’avoir à rendre une simple dissolution ou absolument toute sorte d’effet, vous pouvez commencer à les faire en temps réel. Depuis lors, les GPU ont atteint des niveaux inimaginables de puissance et de virtuosité, et le calcul GPU a longtemps semblé être la bonne architecture non seulement pour la vidéo et les graphiques, mais pour toutes sortes de tâches de traitement avec lesquelles un PROCESSEUR aurait du mal.

Et vingt ans plus tard, les GPU sont sur le point de le refaire, pas seulement pour la vidéo, mais pour tout.

Vous devriez toujours mettre une note dans votre journal pour les keynotes de Nvidia. Leurs présentations sont toujours somptueuses et parfois à couper le souffle. Il n’est pas nécessaire de recourir à PowerPoint lorsque votre entreprise met les outils de traitement au cœur de presque tous les flux de travail créatifs.

Mais c’est un signe des temps que le keynote a passé très peu de temps sur l’informatique graphique, et presque tout en parlant d’Apprentissage automatique et d’Intelligence Artificielle. Omniverse a également été longuement présenté, et vers la fin de la présentation, nous avons appris comment l’IA et Omniverse sont destinés à être interconnectés, chacun permettant l’autre.

Omniverse et le métaverse

Qu’est-ce qu’Omniverse ? On pourrait dire que c’est la technologie Métaverse de Nvidia, mais ce n’est pas tout à fait ça. Si quoi que ce soit, Omniverse, une version de la réalité précise au micron et modélisée physiquement ressemble davantage au métaverse. Pour le dire autrement, si vous deviez construire un métaverse sur une seule technologie, Omniverse le serait probablement.

Si je devais dire pourquoi Nvidia a construit un si formidable éventail d’outils pour l’avenir, je dirais qu’ils comprennent l’échelle et l’évolutivité. Essentiellement, c’est ce qu’est un GPU: des cœurs de calcul relativement simples construits à grande échelle. Bien sûr, Nvidia continue de le faire, mais conçoit également des interconnexions extrêmement rapides entre les puces multicœurs et entre les ordinateurs qui semblent être la réponse à ce qui se passe lorsque les interconnexions « traditionnelles » comme PCIe ne sont pas assez rapides. C’est la même chose avec les réseaux: construisez le vôtre si vous voulez le commutateur de réseau le plus rapide sur terre. Donc, lorsque vous construisez pour l’avenir, vous construisez pour un changement exponentiel; l’échelle et l’évolutivité en sont la base.

Voici un exemple. Jensen Huang, président et directeur technique de Nvidia, nous a déclaré que la communauté scientifique estime que les superordinateurs capables de prédire avec précision le changement climatique régional devront être un milliard de fois plus rapides que les meilleurs que nous avons actuellement. Y parvenir n’est pas impossible pour Nvidia, mais il part du principe que l’IA l’aidera à construire cet appareil.

Ce que Nvidia a également eu raison, c’est de construire une pile de technologies portables. Chacune de ses « plates-formes », qu’il s’agisse de ML, d’IA, de Traitement du Langage Naturel (PNL), de robotique ou de voitures sans conducteur, peut fonctionner sur la quasi-totalité de son matériel actuel. Cela ne veut pas dire qu’il fonctionne aussi bien sur un seul GPU que sur un cluster de « Pods » de supercalculateurs, mais cela signifie qu’à peu près tout le monde peut avoir une idée de la vision du futur de Nvidia, peu importe la modestie de son ordinateur.

Une statistique s’est démarquée parce qu’elle met en avant l’idée que la technologie ralentit. Au cours des dix dernières années, la puissance des plates-formes de calcul IA de Nvidia a été multipliée par un million. Jensen Huang a décrit cela comme « l’effet composé de la technologie Nvidia ». Il a déclaré que « les entreprises deviennent des fabricants de renseignements » du même souffle.

Quelles en sont les implications ?

Les implications de cela sont trop immenses pour être abordées ici, mais ce que vous pouvez en tirer, c’est que le monde entier des affaires (et du divertissement, des loisirs, de la médecine, de la biologie, de la science, etc.) dépendra de l’IA de haute qualité, qui à son tour dépendra précisément du type de calcul que Nvidia conçoit en ce moment.

Pour l’instant, concentrons-nous sur un seul aspect de la keynote Nvidia. Au cours de la présentation, nous avons vu plusieurs exemples de formation en IA elle-même. Apprendre à travers des milliers d’exemples de connaissances antérieures ou par de simples essais et erreurs, plus intrigant. Avant tout dans cette technique était l’idée d’un Jumeau numérique.

Ce n’est certainement pas une idée nouvelle, mais ce qui est nouveau, c’est l’échelle et la précision avec lesquelles c’est maintenant possible. Omniverse est essentiellement un « logiciel jumeau numérique » et, pour moi, c’est la meilleure incarnation du métaverse à ce jour. Il a les capacités cruciales: un rendu photoréaliste en temps réel; des langages d’échange largement implémentés pour la description des scènes et des matériaux; des mesures de précision et – absolument cruciales – une physique précise. Dans Omniverse, vous pouvez construire une voiture à partir de ses fichiers d’ingénierie, et elle se comportera dans l’environnement virtuel de manière pratiquement indiscernable de l’incarnation réelle du même véhicule.

C’est être capable non seulement de ressembler au monde réel, mais de se comporter comme le monde réel qui rend Omniverse si puissant d’une manière que vous n’auriez peut-être pas imaginée.

Robotique

L’un des domaines d’intérêt de Nvidia pour l’avenir est la robotique. Pas nécessairement le type humanoïde en ce moment, mais presque certainement avec cela comme objectif final. Nous construisons des robots depuis des décennies, et pendant longtemps, l’objectif principal était de les empêcher d’être terribles. Cela a pris du temps, mais on commence à croire que nous avons réussi. Les vidéos de Boston Dynamics de robots chorégraphiés en parfaite synchronisation avec la musique sont impressionnantes, même si elles ne sont pas exactement ce qu’elles semblent être, mais la virtuosité mécanique pure des mécanismes de Boston est impressionnante.

L’étape au-delà de « ne pas être terrible » est « devenir plutôt bon », c’est là où nous en sommes aujourd’hui. Et Nvidia vient peut-être d’accélérer tout avec une technique impliquant Omniverse.

La société GPU a expérimenté des personnages de jeux humanoïdes auto-apprenants. Ces humanoïdes modélisés physiquement vivent en Omnivers et ont des attributs physiques qui auraient du sens et seraient cohérents dans le monde réel. Ils pèsent ce qu’un humanoïde pèserait et, lorsqu’ils se déplacent, ils se comportent comme si leurs membres étaient réels. Ils ont simplement eu assez de temps pour apprendre de leurs erreurs pour les former. Et ils ont appris. Nous avons vu des exemples de personnages de jeux qui pouvaient se déplacer comme un être humain. Cela n’avait pas l’air artificiel et cela n’avait pas l’air « robotique ». Ça avait l’air naturel.

Ensuite, il y avait une « chose » qui ressemblait un peu à l’un des « chiens » robotiques de Boston Dynamics. Mais avec des roues. Nvidia a créé une version omniverse avec toutes les capacités physiques de l’appareil du monde réel. Lui aussi a « appris » à faire des choses par essais et erreurs dans son monde virtuel. Finalement, il s’est retrouvé avec beaucoup plus de capacités que ce que vous pourriez imaginer qu’un chien maladroit sur roues avait le droit d’avoir. Il pouvait même se tenir debout sur ses roues arrière.

Puis est venu un moment charnière de réalisation, lorsque Nvidia a expliqué que l’apprentissage accumulé par le chien Omnivers virtuel pouvait être transplanté dans un chien robot physique sur roues du monde réel, et qu’il aurait exactement le même niveau de capacité, même s’il n’avait peut-être été activé que pour la première fois.

Ceci, me semble-t-il, est une démonstration exceptionnellement importante. Il montre comment les robots du monde réel peuvent apprendre à se comporter par un « avatar d’apprentissage » dans un monde virtuel.

C’est une réalisation énorme. C’est une nouvelle et vaste application pour le métaverse: un lieu de formation de l’IA. C’est sans risque et n’a pas besoin d’espace physique. Vous pourrez également cloner un nombre presque infini d ‘ »avatars d’apprentissage », de sorte que le processus d’apprentissage pourrait être presque infiniment rapide.

Tout ce dont nous avons parlé jusqu’à présent commence à ressembler aux contreforts de la singularité: le point dans notre civilisation où la technologie décollera plus vite que notre capacité à la comprendre.

C’est tout pour l’instant. Essayez de ne pas faire de cauchemars.