بایگانی نویسنده: جعغر علوی

NVIDIA دسترسی به نرم افزار Isaac و در دسترس بودن پلتفرم Jetson را گسترش می دهد

NVIDIA دسترسی به نرم افزار Isaac و در دسترس بودن پلتفرم Jetson را گسترش می دهد

NVIDIA امروز در GTC اعلام کرد که Omniverse Cloud بر روی Microsoft Azure میزبانی می شود و دسترسی به Isaac Sim، پلتفرم این شرکت برای توسعه و کنترل ربات های مبتنی بر هوش مصنوعی را افزایش می دهد.

این شرکت همچنین گفت که خط کاملی از ماژول‌های Jetson Orin اکنون در دسترس است که جهشی در عملکرد برای کاربردهای هوش مصنوعی لبه و روباتیک ارائه می‌کند.

جنسن هوانگ، بنیانگذار و مدیر عامل NVIDIA در جریان سخنرانی GTC گفت: “بزرگترین صنایع در جهان چیزهای فیزیکی می سازند، اما می خواهند آنها را به صورت دیجیتالی بسازند.” Omniverse یک پلت فرم دیجیتالی سازی صنعتی است که دیجیتال و فیزیکی را به هم متصل می کند.

Isaac Sim برای Omniverse Enterprise برای شبیه سازی مجازی

ساخت روبات‌ها در دنیای واقعی مستلزم ایجاد مجموعه‌های داده از ابتدا است که زمان‌بر و پرهزینه است و استقرار آن را کند می‌کند.

به همین دلیل است که توسعه‌دهندگان به تولید داده‌های مصنوعی (SDG)، مدل‌های هوش مصنوعی از پیش آموزش‌دیده، انتقال یادگیری و شبیه‌سازی رباتیک برای کاهش هزینه‌ها و سرعت بخشیدن به زمان اجرا روی آورده‌اند.

پلتفرم ابری Omniverse به عنوان یک سرویس که بر روی سرورهای NVIDIA OVX اجرا می شود،

قابلیت های پیشرفته را در همه جا در دست توسعه دهندگان Azure قرار می دهد. آی تی

شرکت‌ها را قادر می‌سازد تا حجم‌های کاری شبیه‌سازی رباتیک مانند SDG را مقیاس‌بندی کنند و یکپارچه‌سازی مداوم و تحویل مداوم را برای تیم‌های devops فراهم می‌کند تا در حین کار با Isaac Sim در یک مخزن مشترک روی تغییرات کد کار کنند.

Isaac Sim یک برنامه شبیه‌سازی رباتیک و ابزار SDG است که محیط‌های مجازی واقعی واقعی و فیزیکی را هدایت می‌کند. Isaac Sim که توسط پلتفرم NVIDIA Omniverse پشتیبانی می‌شود، تیم‌های جهانی را قادر می‌سازد تا از راه دور برای ساخت، آموزش، شبیه‌سازی، اعتبارسنجی و استقرار روبات‌ها با یکدیگر همکاری کنند.

در دسترس قرار دادن Isaac Sim در فضای ابری به تیم‌ها اجازه می‌دهد تا با دسترسی به جدیدترین ابزارهای روباتیک و کیت‌های توسعه نرم‌افزار، کارآمدتر با هم کار کنند. Omniverse Cloud علاوه بر روش‌های مبتنی بر ابر موجود برای استفاده از Isaac Sim برای کانتینرهای خود مدیریتی یا استفاده از آن در ایستگاه‌های کاری مجازی یا سرویس‌های کاملاً مدیریت‌شده مانند AWS RoboMaker، گزینه‌های ابری بیشتری را با Azure به شرکت‌ها می‌دهد.

و با دسترسی به Omniverse Replicator، موتور SDG در Isaac Sim، مهندسان می‌توانند مجموعه داده‌های مصنوعی با کیفیت تولید را برای آموزش مدل‌های ادراکی یادگیری عمیق قوی ایجاد کنند.

آمازون از Omniverse برای خودکارسازی، بهینه‌سازی و برنامه‌ریزی انبارهای مستقل خود با شبیه‌سازی‌های دوگانه دیجیتال قبل از پیاده‌سازی در دنیای واقعی استفاده می‌کند. با اسحاق سیم، آمازون رباتیک همچنین قابلیت‌های پروتئوس، آخرین ربات متحرک خودران (AMR) را بهبود می‌بخشد. این به غول خرده‌فروشی آنلاین کمک می‌کند هزاران سفارش را به روشی مقرون به صرفه و مقرون به صرفه انجام دهد.

گروه BMW با همکاری شرکت اتوماسیون idealworks، از Isaac Sim در Omniverse برای تولید داده های مصنوعی و اجرای سناریوهایی برای آزمایش و آموزش AMR و روبات های کارخانه استفاده کرد.

NVIDIA در حال توسعه طیف کامل ابزارهای هوش مصنوعی – از محاسبات ابری با شبیه‌سازی مانند Isaac Sim تا لبه با پلتفرم Jetson – است که پذیرش رباتیک در صنایع را تسریع می‌کند.

Jetson Orin برای هوش مصنوعی Edge و روباتیک کارآمد و با کارایی بالا

ماژول‌های مبتنی بر جتسون اورین NVIDIA اکنون در حال تولید هستند تا از طیف کاملی از برنامه‌های کاربردی رباتیک و هوش مصنوعی لبه‌ای پشتیبانی کنند. این شامل Jetson Orin Nano می‌شود – که تا 40 تریلیون عملیات در ثانیه (TOPS) عملکرد هوش مصنوعی را در کوچک‌ترین ماژول Jetson ارائه می‌کند – به Jetson AGX Orin، که 275 TOPS را برای ماشین‌های خودمختار پیشرفته ارائه می‌کند.

کیت توسعه‌دهنده جدید Jetson Orin Nano عملکردی 80 برابری نسبت به نسل قبلی Jetson Nano ارائه می‌کند و به توسعه‌دهندگان اجازه می‌دهد مدل‌های پیشرفته ترانسفورماتور و رباتیک را کنترل کنند. و با 50 برابر کارایی بیشتر در هر وات، توسعه دهندگانی که با ماژول‌های Jetson Orin Nano شروع می‌کنند، می‌توانند ربات‌های کم‌مصرف با هوش مصنوعی، پهپادهای هوشمند، سیستم‌های بینایی هوشمند و موارد دیگر را بسازند و به کار گیرند.

فریمورک‌های برنامه‌ای خاص مانند NVIDIA Isaac ROS و DeepStream که بر روی پلتفرم Jetson اجرا می‌شوند، به شدت با چارچوب‌های مبتنی بر ابر مانند Isaac Sim و NVIDIA Metropolis ادغام شده‌اند. و استفاده از جدیدترین NVIDIA TAO Toolkit برای تنظیم دقیق مدل‌های هوش مصنوعی از پیش آموزش‌دیده از کاتالوگ NVIDIA NGC، زمان استقرار را برای توسعه‌دهندگان کاهش می‌دهد.

بیش از 1 میلیون توسعه‌دهنده و بیش از 6000 مشتری پلتفرم NVIDIA Jetson را انتخاب کرده‌اند، از جمله Amazon Web Services، Canon، Cisco، Hyundai Robotics، JD.com، John Deere، Komatsu، Medtronic، Meituan، Microsoft Azure، Teradyne و TK Elevator.

شرکت‌هایی که ماژول‌های جدید مبتنی بر Orin را پذیرفته‌اند عبارتند از Hyundai Doosan Infracore، Robotis، Seyeon Tech، Skydio، Trimble، Verdant و Zipline.

بیش از 70 شریک اکوسیستم Jetson راه حل های مبتنی بر Orin را با طیف گسترده ای از پشتیبانی از سخت افزار، نرم افزار هوش مصنوعی و خدمات طراحی اپلیکیشن تا حسگرها، اتصال و ابزارهای توسعه ارائه می دهند.

طیف کاملی از ماژول های تولید مبتنی بر Jetson Orin اکنون در دسترس است. کیت توسعه‌دهنده Nano Jetson Orin در ماه آوریل ارسال خواهد شد.

CTA: بیشتر بدانید NVIDIA Isaac Sim، جتسون اورین، Omniverse Enterprise و کلان شهر.

NVIDIA از ۱ میلیون توسعه دهنده Jetson در سراسر جهان در GTC تجلیل می کند

اکنون یک میلیون توسعه‌دهنده در سراسر جهان از پلتفرم NVIDIA Jetson برای هوش مصنوعی لبه و روباتیک برای ساخت فناوری‌های نوآورانه استفاده می‌کنند. علاوه بر این، بیش از 6000 شرکت – که یک سوم آنها را استارت آپ ها تشکیل می دهند – این پلتفرم را با محصولات خود یکپارچه کرده اند.

این نقاط عطف و موارد دیگر در طول روزهای توسعه‌دهنده هوش مصنوعی NVIDIA Jetson Edge در GTC، یک کنفرانس جهانی درباره عصر هوش مصنوعی و متاورس که به‌صورت آنلاین از 20 تا 23 مارس برگزار می‌شود، جشن گرفته می‌شود.

برای کسب اطلاعات بیشتر در مورد پلتفرم Jetson و شروع به توسعه نسل بعدی هوش مصنوعی و روباتیک پیشرفته، رایگان ثبت نام کنید.

یک در میلیون

کریس کرسی مستقر در آتلانتا، ذهن پشت کانال محبوب YouTube Kersey Fabrications، یکی از توسعه دهندگان است که از پلتفرم NVIDIA Jetson برای نوآوری های تکنولوژیکی یک در میلیون خود استفاده می کند.

او یک کلاه ایمنی کاملاً کاربردی Iron Man ایجاد کرد که می‌توانست مستقیماً از فیلم‌های مارول کامیکس ساخته شود. این دستگاه از کیت توسعه‌دهنده Jetson Xavier NX 8 گیگابایتی NVIDIA به عنوان هسته Arc Reactor استفاده می‌کند و نمایشگر هدآپ آن را تقویت می‌کند – یک صفحه نمایش شفاف که اطلاعات را به هر کجا که کاربر نگاه می‌کند ارائه می‌کند.

در مدت کمی بیش از دو سال، کرسی این کلاه ایمنی پوشیدنی را از ابتدا ساخت، با قابلیت تشخیص اشیا و سایر حسگرهای روی صفحه که باعث افتخار تونی استارک می‌شود.

کرسی گفت: “طراحی نرم افزار بیش از نیمی از کار روی پروژه بود و برای من این هیجان انگیزترین و جالب ترین بخش است.” “نرم افزار تمام اجزای سخت افزاری جداگانه را می گیرد و آنها را به یک سیستم قابل توجه تبدیل می کند.”

برای شروع، کرسی به GitHub مراجعه کرد، جایی که “Hello AI World” را پیدا کرد، راهنمای پیاده‌سازی شبکه‌های یادگیری عمیق و دید اولیه با NVIDIA TensorRT SDK و NVIDIA Jetson. او سپس یک کد بسته بندی نوشت تا پروژه خود را پیوند دهد.

تماشا کنید که کرسی پروژه مرد آهنی خود را از ابتدا تا انتها مستند می کند:

این کلاه ایمنی پرینت سه بعدی فقط شروعی برای کرسی است که قصد دارد در اواخر امسال یک لباس کامل مرد آهنی بسازد. او قصد دارد کل کد پروژه را منبع باز کند، بنابراین هرکسی که آرزوی تبدیل شدن به یک ابرقهرمان را دارد می تواند آن را برای خودش امتحان کند.

روزهای توسعه دهنده هوش مصنوعی Jetson Edge در GTC

توسعه‌دهندگانی مانند Kersey می‌توانند برای روزهای توسعه‌دهنده هوش مصنوعی Jetson Edge رایگان در GTC ثبت نام کنند، که در آن کارشناسانی از NVIDIA حضور دارند که آخرین سخت‌افزار، نرم‌افزار و شرکای Jetson را پوشش می‌دهند. جلسات شامل:

  • با پلتفرم NVIDIA Jetson Orin، هوش مصنوعی و روباتیک لبه را به سطح بعدی ببرید
  • شتاب Edge AI با نرم افزار NVIDIA Jetson
  • با استفاده از ابزارهای توسعه دهنده NVIDIA Nsight، بیشترین بهره را از Jetson Orin خود ببرید
  • با اکوسیستم NVIDIA Jetson محصولات خود را سریعتر به بازار عرضه کنید
  • یک معماری پیچیده NVIDIA Isaac ROS طراحی کنید

علاوه بر این، یک جلسه Connect with Experts با تمرکز بر پلتفرم Jetson برگزار خواهد شد که یک پرسش و پاسخ عمیق را با مهندسان پلتفرم جاسازی شده از NVIDIA در روز سه‌شنبه، 21 مارس ساعت 12:00 PT ارائه می‌کند. این جلسه تعاملی فرصتی منحصر به فرد برای ملاقات، به صورت گروهی یا فردی، با ذهنیات پشت محصولات NVIDIA و دریافت پاسخ سوالات خود ارائه می دهد. مکان ها محدود است و اولویت با اولویت است.

جلسات اضافی بر اساس دسته

جلسات GTC همچنین رباتیک، تجزیه و تحلیل ویدیوی هوشمند و فضاهای هوشمند را پوشش خواهند داد. در زیر تعدادی از بهترین جلسات در این دسته بندی ها آورده شده است.

رباتیک:

Computer Vision و AI Video Analytics:

شهرها و فضاهای هوشمند:

جدیدترین ها را ببینید پروژه های جامعه جتسون برای ایده ها برای تکرار یا الهام گرفتن.

جدیدترین ماژول‌ها و کیت‌های توسعه‌دهنده Jetson را از اینجا دریافت کنید فروشگاه NVIDIA Jetson.

و ثبت نام کنید برنامه توسعه دهنده NVIDIA برای ارتباط با توسعه دهندگان Jetson در سراسر جهان و دسترسی به جدیدترین نرم افزارها و SDK ها، از جمله NVIDIA JetPack.

سوئد موتور هوش مصنوعی خود را به نام Berzelius توربوشارژ می کند

سوئد در حال تجهیز ابررایانه خود به هوش مصنوعی برای سفر به لبه برتر یادگیری ماشینی، روباتیک و مراقبت های بهداشتی است.

نمی توانستم راهنمایی بهتر از آندرس ینرمن (بالا) درخواست کنم. کت و شلوار آبی مشخص، عینک مشکی و صدای ملایم او به عنوان استتار آرام برای یک روح پیشگام عمل می کند.

در ابتدا او علاقه عمیقی به فضا نشان داد، اما حرفه او مسیر دیگری را در پیش گرفت. او اولین شبکه مراکز ابرکامپیوتری کشور را تأسیس کرد و به ایجاد فناوری های تجسم علمی مورد استفاده در بیمارستان ها و موزه های سراسر جهان ادامه داد.

امروز، او بزرگترین تلاش تحقیقاتی سوئد، WASP – برنامه والنبرگ برای هوش مصنوعی، سیستم‌های خودمختار و نرم‌افزار – را با تمرکز بر نوآوری هوش مصنوعی رهبری می‌کند.

تصویر بزرگ

استاد دانشگاه لینکوپینگ گفت: امسال سالی است که مردم توجه خود را به چالش های پایداری که ما به عنوان یک سیاره با آن روبرو هستیم معطوف می کنند. بدون پیشرفت در هوش مصنوعی و سایر نوآوری ها، آینده پایداری نخواهیم داشت.

برای تقویت تلاش‌ها برای حفاظت از محیط زیست و موارد دیگر، سوئد ابررایانه Berzelius خود را ارتقا خواهد داد. بر اساس NVIDIA DGX SuperPOD، تقریباً نیمی از عملکرد هوش مصنوعی را ارائه می دهد و آن را در میان 100 ابر رایانه سریع هوش مصنوعی در جهان قرار می دهد.

او گفت: «ماشینی مانند برزلیوس نه تنها برای نتایجی که ارائه می‌کند، بلکه برای روشی که تخصص در سوئد را کاتالیز می‌کند، اساسی است. ما یک کشور دانش بنیان هستیم، بنابراین محققان و شرکت‌های ما برای رقابت نیاز به دسترسی به آخرین فناوری‌ها دارند.»

هوش مصنوعی زبان سوئدی را یاد می گیرد

در ماه ژوئن، این سیستم GPT-SW3 را آموزش داد، خانواده‌ای از مدل‌های زبانی بزرگ که قادر به نوشتن گفتار یا پاسخ دادن به سؤالات به زبان سوئدی بودند.

امروزه نسخه قدرتمندتر دارای 20 میلیارد پارامتر است که معیاری محبوب برای سنجش هوش شبکه عصبی است. می تواند به توسعه دهندگان کمک کند تا نرم افزار بنویسند و کارهای پیچیده دیگر را انجام دهند.

در دراز مدت، محققان قصد دارند نسخه ای با 175 میلیارد پارامتر را آموزش دهند که به زبان های اسکاندیناوی مانند دانمارکی و نروژی نیز مسلط باشد.

یکی از بزرگترین بانک های سوئد در حال بررسی استفاده از آخرین نوع GPT-SW3 برای چت بات ها و سایر برنامه ها است.

تقویت حافظه

برای ساخت AIهای بزرگ، Berzelius 34 سیستم NVIDIA DGX A100 را به خوشه 60 تایی خود که SuperPOD را تشکیل می دهند اضافه می کند. دستگاه های جدید دارای پردازنده گرافیکی با 80 گیگابایت حافظه خواهند بود.

Ynnerman با Berzelius در راه اندازی سیستم در مارس 2021.

Innerman گفت: “داشتن گره های واقعا ضخیم با حافظه زیاد برای برخی از این مدل ها مهم است.” او افزود که Atos، یکپارچه‌کننده سیستم‌ها، «یک سفر بسیار آرام را در راه‌اندازی کل فرآیند» فراهم کرد.

جستجو برای درمان سرطان

در مراقبت های بهداشتی، یک برنامه علوم زیستی مبتنی بر داده که توسط بنیاد والنبرگ تامین مالی می شود، یکی از کاربران اصلی Berzelius خواهد بود. این برنامه 10 دانشگاه را در بر می گیرد و در میان سایر برنامه های کاربردی، از هوش مصنوعی برای درک تاخوردگی پروتئین که برای درک بیماری هایی مانند سرطان اساسی است، استفاده خواهد کرد.

برخی دیگر از Berzelius برای بهبود تشخیص سلول های سرطانی و هدایت انبوه داده ها در ژنوم انسان استفاده خواهند کرد.

برخی از محققان در حال بررسی ابزارهایی مانند NVIDIA Omniverse Avatar Cloud Engine و NVIDIA BotMaker برای ایجاد بیماران متحرک هستند. با پشتیبانی از GPT-SW3، آنها می توانند به پزشکان در تمرین مهارت های پزشکی از راه دور کمک کنند.

ربات ها در گرانش صفر

کار سوئد در تشخیص تصویر و ویدیو از Berzelius تقویت خواهد شد. چنین الگوریتم هایی کار سیستم های مستقل مورد استفاده در کارخانه ها و انبارهای مدرن را سرعت می بخشد.

یک پروژه به بررسی نحوه عملکرد سیستم های خودمختار در فضا و زیر آب می پردازد. این موضوع نزدیک به قلب یکی از WASP های اخیر، کاشف کریستر فوگلسانگ است که در سال 1992 به عنوان اولین فضانورد سوئد انتخاب شد.

فوگلسانگ در سال‌های 2006 و 2008 به ایستگاه فضایی بین‌المللی رفت. بعداً به‌عنوان استاد فیزیک در مؤسسه سلطنتی فناوری سوئد، با Innermann در برنامه‌های زنده در مورد زندگی در فضا که در تئاتر WISDOME Dome مرکز برای تجسم C Ynnerman تأسیس شد، همکاری کرد. و کارگردانی می کند.

به لطف تخصص او در تجسم، اینرمن با کنایه گفت: “من می توانم هر زمان که بخواهم به مریخ بروم.”

او بنیانگذار و مدیر عامل NVIDIA، جنسن هوانگ و مارکوس والنبرگ – فرزند خانواده صنعتی پیشرو سوئد – را به توری در فضای بیرونی در گنبد به نشانه ارتقای Berzelius برد. به لطف استفاده از 12 پردازنده گرافیکی NVIDIA Quadro RTX 8000، این گنبد می تواند سطح مریخ را با وضوح 8K با نرخ 120 فریم در ثانیه نمایش دهد.

الهام بخش نسل بعدی

الگوریتم های ینرمن میلیون ها نفر را که تجسم مومیایی های مصری را در موزه بریتانیا دیده اند، تحت تأثیر قرار داده است.

او گفت: «این باعث می‌شود به برخی از مقالات تحقیقاتی‌ام حتی بیشتر افتخار کنم، زیرا بسیاری از آنها جوانانی هستند که می‌توانیم با عشق به علم و فناوری از آنها الهام بگیریم.

اشتیاق به علم و فناوری بیش از 400 دانشجوی دکتری فعال را به خود جذب کرده است. متقاضیان تا کنون برای WASP، که در مسیر رسیدن به هدف 600 درجه تا سال 2031 است.

اما حتی یک متخصص تجسم نمی تواند همه جا باشد. بنابراین پروژه خانه Ynnerman از هوش مصنوعی برای ایجاد یک راهنمای موزه زنده و مجازی استفاده خواهد کرد.

او گفت: «من فکر می‌کنم که می‌توانیم به افراد بیشتری تجربه «وای» بدهیم – من وقتی در حال حرکت در جهان هستم کمک خلبان می‌خواهم.

محاسبات هوش مصنوعی چیست؟ | وبلاگ های انویدیا

یک قطب نما، یک سکسستان، یک خط کش لگاریتمی و یک کامپیوتر. ابزارهای ریاضی تاریخ پیشرفت بشر را نشان می دهند.

آنها تجارت و ناوبری اقیانوس و همچنین درک پیشرفته و کیفیت زندگی را فعال کرده اند.

آخرین ابزار برای پیشبرد علم و صنعت، محاسبات هوش مصنوعی است.

AI Computing تعریف شده است

محاسبات هوش مصنوعی فرآیند فشرده ریاضی محاسبه الگوریتم‌های یادگیری ماشینی است که معمولاً با استفاده از سیستم‌ها و نرم‌افزارهای شتاب‌دار انجام می‌شود. می‌تواند بینش‌های تازه‌ای را از مجموعه داده‌های عظیم استخراج کند و در طول مسیر مهارت‌های جدیدی را بیاموزد.

این متحول‌کننده‌ترین فناوری زمان ما است، زیرا ما در عصر داده‌محور زندگی می‌کنیم و محاسبات هوش مصنوعی می‌تواند الگوهایی را بیابد که هیچ انسانی نمی‌توانست.

به عنوان مثال، امریکن اکسپرس از رایانه های هوش مصنوعی برای کشف تقلب در میلیاردها تراکنش سالانه کارت اعتباری استفاده می کند. پزشکان از آن برای تشخیص تومورها استفاده می‌کنند و ناهنجاری‌های کوچکی را در کوه‌هایی از تصاویر پزشکی پیدا می‌کنند.

سه مرحله برای محاسبات هوش مصنوعی

قبل از اینکه به موارد متعدد استفاده از محاسبات هوش مصنوعی بپردازیم، بیایید نحوه عملکرد آن را بررسی کنیم.

ابتدا، کاربران، اغلب دانشمندان داده، مجموعه داده ها را آماده و آماده می کنند، مرحله ای به نام استخراج/تبدیل/بار یا ETL. اکنون می‌توان این کار را روی پردازنده‌های گرافیکی NVIDIA با Apache Spark 3.0، یکی از محبوب‌ترین موتورهای منبع باز برای استخراج داده‌های بزرگ، تسریع کرد.

ثانیاً، دانشمندان داده مدل‌های هوش مصنوعی را انتخاب یا طراحی می‌کنند که به بهترین وجه با برنامه‌های آنها مطابقت دارد.

برخی از شرکت‌ها مدل‌های خود را از پایه طراحی و آموزش می‌دهند زیرا در زمینه جدیدی پیشگام هستند یا به دنبال مزیت رقابتی هستند. این فرآیند به تخصص و احتمالاً یک ابررایانه هوش مصنوعی نیاز دارد، قابلیت هایی که NVIDIA ارائه می دهد.

عملیات یادگیری ماشین (MLOps) سه مرحله اصلی محاسبات هوش مصنوعی – ETL (ردیف بالا)، آموزش (پایین سمت راست) و استنتاج (پایین سمت چپ) را با جزئیات دقیق‌تری توصیف می‌کند.

بسیاری از شرکت‌ها مدل‌های از پیش آموزش‌دیده‌شده هوش مصنوعی را انتخاب می‌کنند که می‌توانند در صورت نیاز برای برنامه‌های خود سفارشی کنند. NVIDIA ده ها مدل و ابزار از پیش آموزش دیده را برای سفارشی سازی آنها در NGC، پورتالی برای نرم افزار، خدمات و پشتیبانی، ارائه می دهد.

سوم، شرکت ها داده های خود را از طریق مدل های خود غربال می کنند. این مرحله کلیدی، به اصطلاح استنتاججایی است که هوش مصنوعی بینش های مفیدی را ارائه می دهد.

این فرآیند سه مرحله‌ای مستلزم کار سخت است، اما کمکی در دسترس است تا هر کسی بتواند از محاسبات هوش مصنوعی استفاده کند.

به عنوان مثال، NVIDIA TAO Toolkit می‌تواند سه مرحله را با استفاده از یادگیری انتقال، راهی برای تطبیق یک مدل هوش مصنوعی موجود برای یک برنامه جدید بدون نیاز به مجموعه داده‌های بزرگ، در یک مرحله جمع کند. علاوه بر این، NVIDIA LaunchPad به کاربران آموزش‌های عملی در پیاده‌سازی مدل‌ها برای طیف گسترده‌ای از موارد استفاده می‌دهد.

داخل یک مدل هوش مصنوعی

مدل‌های هوش مصنوعی شبکه‌های عصبی نامیده می‌شوند زیرا از اتصالات شبکه‌ای در مغز انسان الهام گرفته‌اند.

اگر یکی از این مدل‌های هوش مصنوعی را باز کنید، ممکن است شبیه یک لازانیا ریاضی باشد که از لایه‌هایی از معادلات جبری خطی تشکیل شده است. یکی از محبوب ترین اشکال هوش مصنوعی، یادگیری عمیق نامیده می شود زیرا از لایه های زیادی استفاده می کند.

نمونه ای از یک مدل یادگیری عمیق که یک تصویر را شناسایی می کند. از مقاله ای در مورد یادگیری عمیق برای آکادمی ملی علوم ایالات متحده. اعتبار تصویر: لوسی ردینگ-ایکاندا (هنرمند).

اگر بزرگنمایی کنید، خواهید دید که هر لایه از یک دسته معادله تشکیل شده است. هر کدام نشان دهنده احتمال مرتبط بودن یک داده با دیگری است.

محاسبات هوش مصنوعی هر مجموعه ای از معادلات را در هر لایه با هم ضرب می کنند تا الگوها را بیابند. این یک کار بزرگ است که به بسیاری از پردازنده های موازی نیاز دارد که مقادیر زیادی داده را در شبکه های رایانه ای سریع به اشتراک بگذارند.

محاسبات GPU با هوش مصنوعی ملاقات می کند

GPUها موتورهای واقعی محاسبات هوش مصنوعی هستند.

انویدیا اولین GPU را در سال 1999 برای ارائه تصاویر سه بعدی برای بازی های ویدیویی معرفی کرد، کاری که به محاسبات موازی انبوه نیاز داشت.

محاسبات GPU به زودی برای استفاده در سرورهای گرافیک فیلم پرفروش گسترش یافت. دانشمندان و محققان پردازنده‌های گرافیکی را در بزرگترین ابررایانه‌های جهان قرار داده‌اند تا همه چیز از شیمی مولکول‌های کوچک گرفته تا اخترفیزیک کهکشان‌های دور را مطالعه کنند.

زمانی که محاسبات هوش مصنوعی بیش از یک دهه پیش ظهور کرد، محققان به سرعت از پلتفرم پردازش موازی قابل برنامه ریزی NVIDIA استقبال کردند. ویدیوی زیر این تاریخچه مختصر GPU را جشن می گیرد.

تاریخچه محاسبات هوش مصنوعی

ایده هوش مصنوعی حداقل به آلن تورینگ، ریاضیدان بریتانیایی که به شکستن پیام های رمزگذاری شده در طول جنگ جهانی دوم کمک کرد، برمی گردد.

تورینگ در یک سخنرانی در سال 1947 در لندن گفت: “آنچه ما می خواهیم ماشینی است که بتواند از تجربه بیاموزد.”

آلن تورینگ

انویدیا برای شناخت بینش او، یکی از معماری‌های محاسباتی خود را به نام او نامگذاری کرد.

دید تورینگ در سال 2012 به واقعیت تبدیل شد، زمانی که محققان مدل‌های هوش مصنوعی را توسعه دادند که می‌توانست تصاویر را سریع‌تر و دقیق‌تر از انسان تشخیص دهد. نتایج مسابقه ImageNet همچنین پیشرفت در بینایی کامپیوتر را بسیار تسریع کرده است.

امروزه، شرکت‌هایی مانند Landing AI که توسط اندرو انگ، دانشمند یادگیری ماشینی تأسیس شده‌اند، از هوش مصنوعی و بینایی رایانه‌ای برای کارآمدتر ساختن تولید استفاده می‌کنند. و هوش مصنوعی بینایی انسان را به ورزش، شهرهای هوشمند و موارد دیگر می‌آورد.

AI Computing هوش مصنوعی محاوره ای را راه اندازی کرد

محاسبات هوش مصنوعی از زمان اختراع مدل ترانسفورماتور در سال 2017، پیشرفت های زیادی در پردازش زبان طبیعی داشته است. این روش اولین تکنیک یادگیری ماشینی به نام “توجه” را ارائه کرد که می تواند زمینه را در داده های متوالی مانند متن و گفتار ثبت کند.

امروزه هوش مصنوعی مکالمه ای فراگیر شده است. جملاتی را که کاربران در قسمت های جستجو وارد می کنند تجزیه و تحلیل می کند. در حین رانندگی پیام‌های متنی را می‌خواند و به شما امکان می‌دهد پاسخ‌ها را دیکته کنید.

این الگوهای بزرگ زبان همچنین کاربردهایی در کشف دارو، ترجمه، ربات‌های گفتگو، توسعه نرم‌افزار، اتوماسیون مرکز تماس و موارد دیگر پیدا می‌کنند.

هوش مصنوعی + گرافیک جهان های سه بعدی ایجاد کنید

کاربران در بسیاری از مناطق، اغلب غیرمنتظره، قدرت محاسبات هوش مصنوعی را احساس می کنند.

جدیدترین بازی‌های ویدیویی به لطف ردیابی پرتوهای بلادرنگ و NVIDIA DLSS که از هوش مصنوعی برای ارائه گیم‌پلی فوق‌العاده روان بر روی پلتفرم GeForce RTX استفاده می‌کند، به سطوح جدیدی از واقع‌گرایی دست می‌یابند.

این تنها آغاز است. حوزه نوظهور گرافیک عصبی، ایجاد جهان های مجازی را برای پر کردن فراجهان، تکامل سه بعدی اینترنت، سرعت می بخشد.

گرافیک عصبی، طراحی و توسعه جهان های مجازی را برای پر کردن دنیای متاورز، یعنی اینترنت سه بعدی، سرعت می بخشد.

برای شروع این کار، NVIDIA چندین ابزار گرافیکی عصبی را در ماه اوت منتشر کرد.

از Cases برای محاسبات هوش مصنوعی استفاده کنید

ماشین ها، کارخانه ها و انبارها

خودروسازان از محاسبات هوش مصنوعی برای ارائه رانندگی نرم تر و ایمن تر و ارائه گزینه های اطلاعات سرگرمی هوشمند برای مسافران استقبال می کنند.

مرسدس بنز در حال همکاری با NVIDIA برای توسعه وسایل نقلیه نرم افزاری تعریف شده است. پارک‌های آینده آن قابلیت‌های رانندگی هوشمند و خودکاری را ارائه می‌کنند که توسط یک کامپیوتر متمرکز NVIDIA DRIVE Orin پشتیبانی می‌شود. سیستم‌ها در مرکز داده با استفاده از نرم‌افزار DRIVE Sim که بر روی NVIDIA Omniverse ساخته شده است، آزمایش و اعتبارسنجی می‌شوند تا اطمینان حاصل شود که می‌توانند با خیال راحت همه انواع سناریوها را مدیریت کنند.

در نمایشگاه CES، این خودروساز اعلام کرد که از Omniverse برای طراحی و برنامه ریزی تاسیسات تولید و مونتاژ در سایت های خود در سراسر جهان نیز استفاده خواهد کرد.

گروه بی‌ام‌و همچنین در میان شرکت‌هایی است که کارخانه‌های دوقلو دیجیتالی با هوش مصنوعی را در NVIDIA Omniverse ایجاد می‌کنند و کارخانه‌ها را کارآمدتر می‌کنند. این رویکردی است که توسط غول های مصرف کننده مانند PepsiCo برای مراکز لجستیکی خود نیز اتخاذ شده است، همانطور که در ویدیوی زیر نشان داده شده است.

در کارخانه‌ها و انبارها، روبات‌های مستقل کارایی تولید و تدارکات را افزایش می‌دهند. بسیاری از آنها از پلتفرم هوش مصنوعی NVIDIA Jetson edge برخوردار هستند و با هوش مصنوعی در شبیه سازی و دوقلوهای دیجیتال با استفاده از NVIDIA Isaac Sim آموزش دیده اند.

در سال 2022، حتی تراکتورها و ماشین های چمن زنی با هوش مصنوعی مستقل خواهند شد.

در ماه دسامبر، Monarch Tractor، یک استارت آپ مستقر در لیورمور، کالیفرنیا، یک وسیله نقلیه الکتریکی با هوش مصنوعی راه اندازی کرد تا اتوماسیون را به کشاورزی برساند. در ماه مه، Scythe مستقر در بولدر، کلرادو، M.52 خود را معرفی کرد، یک ماشین چمن‌زنی برقی خودکار که دارای هشت دوربین و بیش از دوازده حسگر است.

ایمن سازی شبکه ها، توالی یابی ژن

تعداد و تنوع موارد استفاده برای محاسبات هوش مصنوعی خیره کننده است.

نرم افزار امنیت سایبری با تکنیک های مبتنی بر هوش مصنوعی مانند اثر انگشت دیجیتال، فیشینگ و سایر تهدیدات شبکه را سریعتر تشخیص می دهد.

در بخش مراقبت های بهداشتی، محققان در ژانویه 2022 با توالی یابی کل ژنوم در کمتر از هشت ساعت به لطف محاسبات هوش مصنوعی، رکورد شکستند. کار آنها (که در ویدیوی زیر توضیح داده شده است) می تواند منجر به درمان بیماری های ژنتیکی نادر شود.

محاسبات هوش مصنوعی در بانک ها، مغازه ها و دفاتر پست کار می کند. همچنین در شبکه های مخابراتی، حمل و نقل و انرژی استفاده می شود.

به عنوان مثال، ویدیوی زیر نشان می دهد که چگونه زیمنس گیمسا از مدل های هوش مصنوعی برای شبیه سازی نیروگاه های بادی و افزایش تولید انرژی استفاده می کند.

همانطور که تکنیک‌های محاسباتی هوش مصنوعی امروزی کاربردهای جدیدی پیدا می‌کنند، محققان در حال ابداع روش‌های جدیدتر و قدرتمندتر هستند.

دسته قدرتمند دیگری از شبکه‌های عصبی، مدل‌های انتشار، در سال 2022 محبوب شدند زیرا می‌توانستند توصیفات متنی را به تصاویر متقاعدکننده تبدیل کنند. محققان انتظار دارند که این مدل‌ها در بسیاری از برنامه‌ها اعمال شوند و افق محاسبات هوش مصنوعی را بیشتر گسترش دهند.

انویدیا به‌روزرسانی‌های اصلی اسحاق سیم را اعلام می‌کند

تقاضا برای ربات های هوشمند در حال افزایش است زیرا صنایع بیشتری از اتوماسیون برای رسیدگی به چالش های زنجیره تامین و کمبود نیروی کار استقبال می کنند.

بر اساس تحقیقات ABI، پایه نصب شده ربات های صنعتی و تجاری بیش از 6.4 برابر خواهد شد – از 3.1 میلیون در سال 2020 به 20 میلیون در سال 2030. توسعه، اعتبارسنجی و استقرار این ربات‌های جدید مبتنی بر هوش مصنوعی نیازمند فناوری شبیه‌سازی است که آن‌ها را در سناریوهای واقعی قرار می‌دهد.

در نمایشگاه CES، انویدیا به‌روزرسانی‌های بزرگی را برای Isaac Sim، ابزار شبیه‌سازی روباتیک خود برای ساخت و آزمایش ربات‌های مجازی در محیط‌های واقعی در شرایط عملیاتی مختلف، اعلام کرد. Isaac Sim که اکنون از فضای ابری در دسترس است، بر روی NVIDIA Omniverse ساخته شده است، پلتفرمی برای ایجاد و مدیریت برنامه های کاربردی متاورس.

قابلیت های قدرتمند و مبتنی بر هوش مصنوعی برای روباتیک

از آنجایی که انسان ها به طور فزاینده ای در کنار ربات های مشارکتی (cobots) یا ربات های متحرک مستقل (AMR) کار می کنند، اضافه کردن انسان ها و رفتار معمول آنها به شبیه سازی ها بسیار مهم است.

قابلیت شبیه‌سازی انسانی جدید Isaac Sim به شخصیت‌های انسانی اجازه می‌دهد تا به یک انبار یا تأسیسات تولیدی اضافه شوند و وظیفه انجام رفتارهای آشنا – مانند چیدن بسته‌ها یا هل دادن چرخ دستی‌ها را بر عهده بگیرند. بسیاری از رایج ترین رفتارها قبلاً پشتیبانی می شوند، بنابراین شبیه سازی آنها به سادگی صدور فرمان است.

برای به حداقل رساندن تفاوت بین نتایج مشاهده شده در دنیای شبیه سازی شده در مقابل نتایج مشاهده شده در دنیای واقعی، داشتن مدل های حسگر دقیق از نظر فیزیکی ضروری است.

با استفاده از فناوری NVIDIA RTX، Isaac Sim اکنون می‌تواند داده‌های حسگر فیزیکی دقیق را در زمان واقعی ارائه کند. در مورد لیدار شبیه‌سازی شده با RTX، ردیابی پرتو داده‌های حسگر دقیق‌تری را در شرایط نوری مختلف یا در پاسخ به مواد بازتابنده فراهم می‌کند.

Isaac Sim همچنین مجموعه‌ای از دارایی‌های سه بعدی آماده شبیه‌سازی را ارائه می‌کند که برای ساختن محیط‌های شبیه‌سازی شده دقیق فیزیکی حیاتی هستند. همه چیز از قطعات موجود تا روبات های محبوب آماده راه اندازی است، بنابراین توسعه دهندگان و کاربران می توانند به سرعت شروع به ساخت کنند.

فرصت‌های مهم جدید برای محققان رباتیک شامل پیشرفت‌هایی در Isaac Gym برای یادگیری تقویتی و Isaac Cortex برای برنامه‌نویسی ربات‌های مشارکتی است. علاوه بر این، یک ابزار جدید، Isaac ORBIT، محیط های کاری شبیه سازی و معیارهایی را برای آموزش ربات و برنامه ریزی حرکت ارائه می دهد.

برای جامعه بزرگ توسعه دهندگان Robot Operating System (ROS)، Isaac Sim از ROS 2 Humble و Windows پشتیبانی می کند. همه نرم افزارهای Isaac ROS اکنون می توانند در شبیه سازی استفاده شوند.

گسترش قابلیت‌های پلتفرم و اکوسیستم ایزاک باعث پذیرش می‌شود

اکوسیستم بزرگ و پیچیده رباتیک صنایع متعددی را در بر می گیرد، از لجستیک و تولید گرفته تا خرده فروشی، انرژی، کشاورزی پایدار و غیره.

پلتفرم رباتیک Isaac End-to-End، هوش مصنوعی و نرم افزارهای شبیه سازی پیشرفته و همچنین قابلیت های محاسباتی سریع را برای اکوسیستم روباتیک فراهم می کند. بیش از یک میلیون توسعه دهنده و بیش از هزار شرکت به یک یا چند بخش از آن متکی هستند. این شامل بسیاری از شرکت‌هایی است که ربات‌های فیزیکی را با استفاده از Isaac Sim در دنیای مجازی توسعه داده و آزمایش کرده‌اند.

Telexistence در 300 فروشگاه در ژاپن، ربات های تکمیل کننده نوشیدنی را اجرا کرده است. برای بهبود ایمنی، دویچه بان مدل‌های هوش مصنوعی را آموزش می‌دهد تا موارد بسیار مهم اما غیرمنتظره‌ای را که در دنیای واقعی به ندرت اتفاق می‌افتد – مانند افتادن چمدان‌ها در خط قطار، مدیریت کنند. Sarcos Robotics ربات هایی را برای انتخاب و قرار دادن پنل های خورشیدی در تاسیسات انرژی های تجدیدپذیر توسعه می دهد.

Festo از Isaac Cortex برای ساده‌سازی برنامه‌نویسی برای کوبات‌ها و انتقال مهارت‌های شبیه‌سازی شده به روبات‌های فیزیکی استفاده می‌کند. Fraunhofer در حال توسعه AMR های پیشرفته با استفاده از عملکردهای تصویرسازی دقیق و کاملاً دقیق Isaac Sim است. Flexiv از Isaac Replicator برای تولید داده های مصنوعی برای آموزش مدل های هوش مصنوعی استفاده می کند.

در حالی که آموزش ربات ها مهم است، شبیه سازی نقش مهمی در آموزش اپراتورهای انسانی برای کار و برنامه ریزی ربات ها ایفا می کند. Ready Robotics برنامه نویسی ربات صنعتی را با Isaac Sim آموزش می دهد. Universal Robotics از Isaac Sim برای توسعه نیروی کار برای آموزش کاربران نهایی از فضای ابری استفاده می کند.

دسترسی ابری پلتفرم Isaac را در هر مکانی در دسترس قرار می دهد

با Isaac Sim موجود در فضای ابری، تیم‌های جهانی و چند رشته‌ای که روی پروژه‌های رباتیک کار می‌کنند، می‌توانند با افزایش دسترسی، انعطاف‌پذیری و مقیاس‌پذیری برای آزمایش و آموزش روبات‌های مجازی همکاری کنند.

فقدان داده‌های آموزشی کافی اغلب هنگام ساختن امکانات جدید با سیستم‌های رباتیک یا مقیاس‌پذیری سیستم‌های مستقل موجود مانع اجرای آن می‌شود. Isaac Sim به Isaac Replicator ضربه می زند تا به توسعه دهندگان اجازه دهد آرایه های عظیمی از داده های زمینی ایجاد کنند که فیزیک محیط های دنیای واقعی را تقلید می کند.

پس از استقرار، برنامه ریزی مسیر پویا برای مدیریت یک ناوگان کارآمد متشکل از صدها ربات با افزایش الزامات اتوماسیون مورد نیاز است. NVIDIA cuOpt، یک موتور برنامه‌ریزی مسیر و تخصیص کار در زمان واقعی، کارایی عملیاتی را با اتوماسیون بهبود می‌بخشد.

با اسحاق سیم شروع کنید

دانلود Isaac Sim امروز.

سخنرانی ویژه NVIDIA در CES را تماشا کنید که در آن مدیران اجرایی از محصولات، مشارکت و پیشنهادات در ماشین‌های مستقل، روباتیک، طراحی، شبیه‌سازی و موارد دیگر پرده‌برداری کردند.

با 4 استارت‌آپ آشنا شوید که هوش مصنوعی را در برنامه قرار می‌دهند

در این فصل تعطیلات، از انبوهی از داستان‌های با مضمون غذا که خوانندگان وبلاگ NVIDIA در سال 2022 خوردند، لذت ببرید.

استارت‌آپ‌ها در صنعت خرده‌فروشی – و به‌ویژه در رستوران‌های خدمات سریع – از هوش مصنوعی NVIDIA و فناوری روباتیک استفاده می‌کنند تا سفارش غذا در حال حرکت، یافتن نوشیدنی در قفسه‌های فروشگاه‌ها و تحویل غذا را آسان‌تر کنند. آنها توسط NVIDIA Inception تسریع می‌شوند، برنامه‌ای که پشتیبانی، تخصص و فناوری را برای استارت‌آپ‌های پیشرفته ارائه می‌دهد.

برای کسانی که جشنی را برای چشم ها ترجیح می دهند، هنرمندان همچنین یک رستوران رامن را با استفاده از پلتفرم NVIDIA Omniverse برای ایجاد و مدیریت برنامه های متاورس بازسازی کردند.

اعتبار تصویر: جاناتان بوربا از طریق Unsplash.

استارت‌آپ HuEx در تورنتو در حال توسعه یک دستیار هوش مصنوعی برای رسیدگی به درخواست‌های سفارش جعبه بلندگو است. سرویس صوتی بلادرنگ، که بر روی پلتفرم هوش مصنوعی NVIDIA Jetson edge اجرا می‌شود، دستورات صوتی را به صورت متنی برای اعضای کارکنان رونویسی می‌کند تا اجرا شوند.

این فناوری که با سیستم هدست موجود ادغام شده است، به اعضای تیم اجازه می‌دهد تا دستورات را بشنوند و در صورت نیاز برای کمک وارد عمل شوند. در حال آزمایش آزمایشی برای کمک به خدمات پشتیبانی در زنجیره‌های خدمات سریع کانادایی محبوب است.

استارت‌آپ ویستری مستقر در سن دیگو به کمبود روزافزون نیروی کار در میان رستوران‌های خدمات سریع با راه‌حل سفارش‌گیری خودکار و مجهز به هوش مصنوعی رسیدگی می‌کند. این سیستم که با کیت توسعه نرم‌افزار NVIDIA Riva ساخته شده است، از پردازش زبان طبیعی برای درک منوها و گفتار استفاده می‌کند – به‌علاوه سیستم‌های توصیه‌ای برای امکان سفارش‌دهی سریع‌تر، دقیق‌تر و پیشنهادهای شخصی‌سازی مرتبط‌تر.

Vistry همچنین از چارچوب برنامه Metropolis NVIDIA برای ساخت برنامه‌های بینایی رایانه‌ای استفاده می‌کند که می‌تواند به خودکار کردن تسویه‌حساب، سرعت حرکت و پیش‌بینی زمان لازم برای آماده‌سازی سفارش مشتری کمک کند. ابزارهای آن از پردازنده‌های گرافیکی NVIDIA Jetson و NVIDIA A2 Tensor Core پشتیبانی می‌کنند.

استارت‌آپ Cartken مستقر در اوکلند در حال استقرار ربات‌های پیاده‌رو مجهز به NVIDIA Jetson برای تحویل قهوه و غذا در آخرین مایل است. فناوری ربات متحرک مستقل آن برای تحویل سفارشات Grubhub به دانشجویان دانشگاه آریزونا و ایالت اوهایو – و کالاهای Starbucks در مراکز خرید در ژاپن استفاده می شود.

عضو Inception به ماژول NVIDIA Jetson AGX Orin متکی است تا شش دوربین را هدایت کند که به مکان‌یابی و نقشه‌برداری همزمان، ناوبری و کیلومتر شماری چرخ کمک می‌کند.

Telexistence، یک استارت‌آپ Inception مستقر در توکیو، صدها ربات NVIDIA مجهز به هوش مصنوعی را برای ذخیره‌سازی قفسه‌های FamilyMart، یک فروشگاه زنجیره‌ای پیشرو در ژاپن، مستقر می‌کند. ربات ها کارهای تکراری مانند پر کردن مجدد نمایشگرهای نوشیدنی، آزاد کردن کارکنان خرده فروشی برای تعامل با مشتریان را انجام می دهند.

برای آموزش مدل‌های هوش مصنوعی، تیم به سیستم‌های NVIDIA DGX متکی است. این ربات از NVIDIA Jetson AGX Xavier برای پردازش لبه هوش مصنوعی و ماژول NVIDIA Jetson TX2 برای انتقال داده های جریان ویدئو استفاده می کند.

فناوری NVIDIA نه تنها کاربردهای مرتبط با غذا را برای صنعت رستوران سرعت می بخشد، بلکه صحنه های مجازی وسوسه انگیز پر از غذاهای لذیذ و بدون کالری را نیز تقویت می کند.

دو دوجین هنرمند و فریلنسر NVIDIA در سرتاسر جهان توانایی‌های NVIDIA Omniverse را با بازسازی یک فروشگاه رامن در توکیو با جزئیات باورنکردنی – از جمله جوشاندن قابلمه‌های نودل، کوفته‌های بخارپز و نوشیدنی‌های بطری‌شده به نمایش گذاشتند.

این صحنه که برای برجسته کردن قابلیت‌های رندر و شبیه‌سازی فیزیک مبتنی بر NVIDIA RTX ایجاد شده است، از بیش از 22 میلیون مثلث، 350 مدل بافت منحصربه‌فرد و 3000 نقشه بافت با وضوح 4K تشکیل شده است.

هوش مصنوعی و دوقلوهای دیجیتال می توانند به تولیدات ایالات متحده انرژی بدهند

یک ابتکار ملی نیمه هادی فرصتی برای تولید انرژی در ایالات متحده فراهم می کند.

قانون چیپس و علم شامل سرمایه گذاری 13 میلیارد دلاری در تحقیق و توسعه تولید تراشه است. اگر درست انجام شود، این دستور العملی برای معرفی تکنیک های تولید مدرن به هر صنعتی و پرورش نیروی کار بسیار ماهر است.

صنعت نیمه هادی از پیچیده ترین فرآیندها و تجهیزات ساخت در تاریخ بشر استفاده می کند. برای تولید هر تراشه در یک ماشین یا کامپیوتر، صدها مرحله باید به طور کامل اجرا شوند که اکثر آنها اکنون با روباتیک خودکار هستند.

دولت ایالات متحده از صنعت پرسید که در کجا باید تلاش های خود را برای بهبود این بخش متمرکز کند. در پاسخ، NVIDIA یک سند 12 صفحه ای با بهترین ایده های خود منتشر کرد.

یک کارخانه مدرن با محاسبات سریع و هوش مصنوعی، معیاری برای سایر انواع تولید پیچیده – از ساخت گوشی‌های هوشمند گرفته تا کفش‌ها – به صورت انعطاف‌پذیر و کارآمد است.

گران ترین کارخانه های جهان

نیمه هادی ها در کارخانه هایی به نام فاب ساخته می شوند. ساخت و تجهیز یک جدید حدود 20 میلیارد دلار هزینه دارد.

جدیدترین کارخانه‌ها به شدت به رایانه‌هایی متکی هستند که توسط کارگران ماهر مجهز به یادگیری ماشین برای نسل بعدی فرآیندهای تولید ساخته، برنامه‌ریزی و کار می‌کنند.

برای مثال، هوش مصنوعی می‌تواند الگوهایی را پیدا کند که هیچ انسانی نمی‌تواند ببیند، از جمله نقص‌های کوچک در یک محصول در خط مونتاژ سریع. صنعت نیمه هادی برای ایجاد تراشه های بزرگ و پیچیده فردا به این فناوری نیاز دارد. سایر صنایع نیز می توانند از آن برای تولید سریعتر محصولات بهتر استفاده کنند.

کارایی از طریق شبیه سازی

اکنون می توانیم یک کپی دیجیتالی از کل کارخانه ایجاد کنیم. با استفاده از فناوری‌های NVIDIA، BMW در حال ساخت یک دوقلوی دیجیتالی از یکی از کارخانه‌های خودروسازی خود است تا کارایی‌های جدیدی را در کسب‌وکار خود بیاورد.

هیچ کس هنوز چیزی به پیچیدگی دوقلوی دیجیتالی یک کارخانه تولید تراشه نساخته است، اما این هدف در حال حاضر در دسترس است.

یک کارخانه مجازی به متخصصان این امکان را می دهد که بدون توقف تولید در یک کارخانه فیزیکی، فرآیندهای جدید را بسیار سریعتر و ارزانتر طراحی و آزمایش کنند. این شبیه‌سازی همچنین می‌تواند از هوش مصنوعی برای تجزیه و تحلیل داده‌های حسگرها در کارخانه‌های فیزیکی، یافتن راه‌های جدید برای مسیریابی موادی که ضایعات را کاهش می‌دهند و عملیات را سرعت می‌بخشد، استفاده کند.

به زودی، هر کارخانه تولیدی با دوقلو دیجیتال از نظر اقتصادی رقابتی تر از کارخانه بدون کارخانه خواهد بود.

کارخانه های مجازی، اپراتورهای واقعی

دوقلوهای دیجیتال به متخصصان از راه دور اجازه می‌دهند تا طوری با هم همکاری کنند که انگار در یک اتاق هستند. آنها همچنین آموزش کارگران را به سطح جدیدی می برند.

برخی از مهمترین ابزارهای این کارخانه به اندازه یک کانتینر حمل و نقل هستند و هر کدام تا 200 میلیون دلار قیمت دارند. دوقلوهای دیجیتال به کارگران این امکان را می دهند که حتی قبل از نصب بر روی این سیستم های گران قیمت آموزش ببینند.

پس از آموزش، کارگران می‌توانند واجد شرایط باشند، بدون نیاز به پا گذاشتن در اتاق‌های فوق‌العاده تمیزی که در آن نصب شده‌اند، کار کنند و به آنها خدمات ارائه دهند. این نوع کار نشان دهنده آینده تمام تولیدات است.

کارخانه‌هایی که با دوقلوهای مجازی طراحی شده‌اند می‌توانند بازده انرژی، مصرف آب و افزایش استفاده مجدد را بهینه کنند و اثرات زیست‌محیطی را کاهش دهند.

مورد نظر: عملکرد بیشتر در هر وات

کارخانه های فردا بیش از هر زمان دیگری به ماهیچه های محاسباتی نیاز دارند. برای دستیابی به این هدف، ما به سرمایه گذاری در فناوری های انرژی کارآمد در هر سطح نیاز داریم.

مدارهای داخل تراشه ها باید انرژی کمتری مصرف کرده و هدر دهند. سیگنال‌هایی که به تراشه‌های مجاور و شبکه‌های جهانی ارسال می‌کنند باید سریع‌تر حرکت کنند و در عین حال انرژی کمتری مصرف کنند.

کامپیوترها باید در عین افزایش کارایی، کارهایی که داده فشرده بیشتری دارند انجام دهند. برای طراحی و ساخت این سیستم ها، به تحقیق در مورد انواع جدید تراشه های شتاب دهنده، سیستم های شتاب دهنده و نرم افزارهایی که روی آنها اجرا می شود نیاز داریم.

انویدیا و دیگران در محاسبات سبز گام های بلندی برداشته اند. اکنون فرصتی برای برداشتن یک گام بزرگ دیگر به جلو داریم.

برنامه و مشارکت گسترده

اینها تنها تعدادی از راه هایی است که NVIDIA می خواهد به پیشرفت صنعت نیمه هادی ایالات متحده و به طور کلی همه تولید کنندگان کمک کند.

هیچ شرکتی به تنهایی نمی تواند این کار را انجام دهد. صنعت، دانشگاه و دولت باید برای تحقق این امر همکاری کنند.

NVIDIA در مرکز یک اکوسیستم پر جنب و جوش متشکل از 3.5 میلیون توسعه دهنده و بیش از 12000 استارت آپ جهانی است که در برنامه NVIDIA Inception ثبت نام کرده اند.

دانشگاه فلوریدا مدلی برای پیشرفت هوش مصنوعی و آموزش علوم داده در هر زمینه تحصیلی ارائه می دهد.

در سال 2020، طرحی را برای تبدیل شدن به یکی از اولین دانشگاه های هوش مصنوعی کشور راه اندازی کرد. امروزه، کل برنامه درسی خود را با یادگیری ماشینی القا می کند. در هسته خود، ابررایانه هوش مصنوعی UF در حال پیشبرد تحقیقات در زمینه هایی مانند مراقبت های بهداشتی، کشاورزی و مهندسی است.

این نمونه دیگری از قدرت تغییردهنده محاسبات تسریع شده و هوش مصنوعی است. ما مشتاقانه منتظر فرصتی برای شرکت در این ماجراجویی دیدنی در تولید ایالات متحده هستیم.

برای کسب اطلاعات بیشتر در مورد ایده های NVIDIA برای آینده تولید نیمه هادی، از جمله اینکه چگونه هوش مصنوعی برای پیشرفت لیتوگرافی، ابزارهای طراحی الکترونیکی و فرآیندهای امنیت سایبری حیاتی است، بخوانید. سند کامل.

ابررایانه هوش مصنوعی برای تامین انرژی مجتمع نوآوری 200 میلیون دلاری ایالت اورگان

اسکات اشفورد به عنوان یک مهندس عمران از مواد منفجره استفاده می کند تا زمین زیر فرودگاه سندای ژاپن را در هنگام زلزله ایمن تر کند. اکنون، به عنوان رئیس دانشکده مهندسی دانشگاه ایالتی اورگان، برای یک رویداد لرزه‌ای دیگر در زمین صفر است.

در بزرگترین جشن جمع آوری کمک های مالی خود در نزدیک به یک دهه اخیر، ایالت اورگان امروز برنامه های خود را برای یک مرکز 200 میلیون دلاری اعلام کرد که در آن اساتید و دانشجویان می توانند از منابعی بهره ببرند که شامل یکی از سریع ترین ابررایانه های دانشگاهی جهان می شود.

این مرکز 150000 فوت مربعی که قرار است در سال 2025 افتتاح شود، کار بر روی برنامه‌های برتر ایالت اورگان در کشاورزی، علوم کامپیوتر، علوم آب و هوا، جنگل‌داری، اقیانوس‌شناسی، رباتیک، منابع آب، علوم مواد و غیره را با کمک هوش مصنوعی

Beacon در هوش مصنوعی، رباتیک

به افتخار هدیه 50 میلیون دلاری بنیانگذار و مدیر عامل NVIDIA و همسرش به بنیاد OSU – که مدرک مهندسی خود را در OSU به دست آوردند و در یکی از آزمایشگاه های آن ملاقات کردند – مجتمع نوآوری مشترک جن – Hsun and Lori Huang نامیده می شود. (CIC).

اشفورد که کالج مهندسی او شامل بیش از 10000 دانشجو از 35000 دانشجوی OSU است، گفت: “CIC و ابرکامپیوتر جدید به ایالت اورگان کمک می کند تا به عنوان یکی از دانشگاه های پیشرو در جهان در زمینه هوش مصنوعی، رباتیک و شبیه سازی شناخته شود.”

جن هسون و لوری هوانگ گفتند: «ما عشق خود را به علم و مهندسی کامپیوتر در OSU کشف کردیم. امیدواریم این هدیه به نسل‌های آینده دانش‌آموزان کمک کند تا عاشق فناوری و توانایی آن در تغییر جهان شوند.»

آنها افزودند: “هوش مصنوعی متحول کننده ترین فناوری زمان ما است.” “برای مهار این قدرت، دانشجویان مهندسی نیاز به دسترسی به یک ابر کامپیوتر، ماشین زمان، برای تسریع تحقیقات خود دارند. این ابرکامپیوتر هوش مصنوعی جدید، دانشجویان و محققان OSU را قادر می سازد تا پیشرفت های بسیار مهمی در علوم آب و هوا، اقیانوس شناسی، علم مواد، رباتیک و سایر زمینه ها داشته باشند.

مرکز دانشجویی

انتظار می‌رود مجتمع جدید با یک تئاتر واقعیت افزوده، یک زمین بازی روباتیک و هواپیماهای بدون سرنشین و یک فضای سازنده DIY، دانشجویان را از سراسر دانشگاه جذب کند. اشفورد گفت: «این پتانسیل را دارد که نه تنها دانشکده مهندسی، بلکه کل دانشگاه را متحول کند و تأثیر اقتصادی و زیست محیطی مثبتی بر ایالت و ملت داشته باشد.

این مرکز سه طبقه شامل یک اتاق تمیز و همچنین آزمایشگاه برای دانشمندان مواد، محققان محیط زیست و غیره خواهد بود.

رندر هنری از مجتمع نوآوری مشترک جن-هسون و لوری هوانگ.

اشفورد انتظار دارد که در یک دهه آینده، این مرکز پژوهشگران برتر و همچنین پروژه های تحقیقاتی به ارزش صدها میلیون دلار را جذب کند.

او گفت: «خبرداران و رهبران دانشگاه ما از سرمایه‌گذاری در رویکردی مشترک و فرا رشته‌ای برای حل و کشف مشکلات هیجان‌زده هستند – این مثلث مهندسی ما را احیا می‌کند و مکانی باورنکردنی برای یادگیری و انجام تحقیقات خواهد بود.»

جنگلی از احتمالات

او چندین نمونه از پتانسیل این مرکز را بیان کرد. بین آنها:

  • محققان محیط‌زیست و الکترونیک می‌توانند برای طراحی و پیاده‌سازی حسگرها همکاری کنند و از هوش مصنوعی برای تجزیه و تحلیل داده‌های خود استفاده کنند و کشف کنند که گونه‌های در معرض خطر انقراض کجا در اقیانوس یا جنگل رشد می‌کنند تا از زیستگاه‌های آنها محافظت شود.
  • دانش‌آموزان می‌توانند از واقعیت افزوده برای آموزش تکنیک‌های ساخت تراشه‌های سرب در اتاق‌های تمیز شبیه‌سازی شده استفاده کنند. اشفورد گفت که مقامات فدرال و ایالتی اورگان به دنبال توسعه نیروی کار برای صنعت نیمه هادی ایالات متحده هستند.
  • محققان رباتیک می توانند شبیه سازی های واقع بینانه از پهپادها و روبات های خود برای سرعت بخشیدن به آموزش و آزمایش ایجاد کنند. (کاسی، یک ربات دوپا که در OSU طراحی شده، به تازگی ساخته شده است رکوردهای جهانی گینس برای سریعترین 100 متر دویدن توسط یک ربات.)
  • دانش‌آموزان OSU و کالج خواهرش در آلمان، DHBW-Ravensburg، می‌توانند از NVIDIA Omniverse – پلتفرمی برای ساخت و مدیریت برنامه‌های متاورس و اتصال خطوط لوله سه بعدی خود – برای بهبود طراحی خودروهای مسابقه‌ای برقی خودران و برنده جایزه خود استفاده کنند.
کیسی رکورد دویدن 100 متری روبات را شکست.

ساخت مدل های هوش مصنوعی، دوقلوهای دیجیتال

چنین تلاش‌هایی با NVIDIA AI و Omniverse، نرم‌افزارهایی که می‌توانند آزمایشگاه‌های فیزیکی ساختمان را با شبیه‌سازی‌ها و دوقلوهای دیجیتالی تقویت کنند، تسریع می‌یابند تا هر دانش‌آموز یک میز مجازی داشته باشد.

OSU پس از آماده شدن مرکز داده مجموعه، کلاسترهای پیشرفته NVIDIA DGX SuperPOD و OVX SuperPOD را دریافت خواهد کرد. با توجه به بهره وری انرژی، آبی که قفسه های کامپیوتر را خنک می کند به گرم کردن بیش از 500000 فوت مربع از ساختمان های دانشگاه کمک می کند.

SuperPOD احتمالاً شامل ترکیبی از حدود 60 سیستم DGX و OVX خواهد بود که توسط پردازنده‌ها، پردازنده‌های گرافیکی و شبکه‌های نسل بعدی تغذیه می‌شوند و سیستمی به اندازه کافی قدرتمند برای آموزش بزرگترین مدل‌های هوش مصنوعی و اجرای شبیه‌سازی‌های پیچیده دیجیتالی دوگانه ایجاد می‌کنند. اشفورد خاطرنشان می کند که OSU برنده پروژه ای شد که با وزارت انرژی ایالات متحده همکاری می کرد زیرا مرکز کامپیوتر موجود آن دارای چندین سیستم DGX است.

پیشبرد تنوع، شمول

در رویداد 14 اکتبر بنیاد OSU که نامگذاری مجتمع جدید را اعلام کرد، مقامات ایالت اورگان از اهداکنندگان تشکر کردند و یک کمپین جمع آوری کمک مالی در سطح دانشگاه راه اندازی کردند. OSU برای ساخت این ساختمان از ایالت اورگان درخواست حمایت کرد و به دنبال سرمایه گذاری بشردوستانه اضافی برای گسترش تحقیقات خود و حمایت از اهداف استخدام و تنوع خود است.

جیاتی مورتی، رئیس OSU، گفت که این مجموعه فرصتی برای پیشبرد تنوع، برابری و گنجاندن در آموزش و پژوهش STEM دانشگاه فراهم می کند. کالج مهندسی OSU در حال حاضر در میان دانشکده های برتر در ایالات متحده برای دانشکده مهندسی زن قرار دارد.

Sprout AI Universities

ایالت اورگان نیز در میان مجموعه‌ای کوچک اما رو به رشد از دانشگاه‌هایی است که سفرهای خود را در زمینه هوش مصنوعی و محاسبات با عملکرد بالا تسریع می‌کنند.

مقاله سفید اخیر تلاش های دانشگاه فلوریدا را برای آوردن هوش مصنوعی به برنامه درسی خود به عنوان بخشی از مشارکت با NVIDIA توصیف می کند که به آن اجازه می دهد HiPerGator، یک DGX SuperPOD مبتنی بر سیستم های NVIDIA DGX A100 با پردازنده های گرافیکی NVIDIA A100 Tensor Core را نصب کند.

به دنبال رهبری فلوریدا، دانشگاه متدیست جنوبی در پاییز گذشته اعلام کرد که قصد دارد منطقه دالاس را به مرکزی برای توسعه هوش مصنوعی در اطراف DGX SuperPOD جدید خود تبدیل کند.

شریل مارتین، که رهبری تلاش‌های تحقیقاتی آموزش عالی انویدیا را بر عهده دارد، می‌گوید: «ما شاهد علاقه زیادی به ایده دانشگاه‌های هوش مصنوعی از آسیا، اروپا و ایالات متحده هستیم.

یکی از اتومبیل های مسابقه ای خودمختار OSU در پیست می چرخد.

با همه چیزخوار آشنا شوید: Ph.D. دانشجو به هر کسی اجازه می‌دهد ربات‌های شبیه‌سازی‌شده را با افزونه Omniverse زنده کند

یادداشت سردبیر: این پست بخشی از ماست با همه چیزخوار آشنا شوید مجموعه‌ای که سازندگان و توسعه‌دهندگان فردی را که از آن استفاده می‌کنند، نشان می‌دهد NVIDIA Omniverse برای سرعت بخشیدن به گردش کار سه بعدی خود و ایجاد جهان های مجازی.

ییژو ژائو

زمانی که درگیر تحصیل در مقطع دکترا نیست. در آمار، انجام تحقیقات مبتنی بر داده در هوش مصنوعی و روباتیک، یا لذت بردن از سرگرمی مورد علاقه خود در قایقرانی، Yizhou Zhao برنده مسابقات توسعه دهندگانی است که از NVIDIA Omniverse استفاده می کنند – پلت فرمی برای اتصال و ساخت خطوط لوله سه بعدی سفارشی و برنامه های کاربردی متاورس.

نامزد سال پنجم دکترا در UCLA اخیراً مقام اول را در مسابقه افتتاحیه #ExtendOmniverse کسب کرد، جایی که از توسعه دهندگان دعوت شد تا افزونه Omniverse خود را ایجاد کنند تا شانس برنده شدن در یک پردازنده گرافیکی NVIDIA RTX را داشته باشند.

برنامه های افزودنی Omniverse بلوک های ساختمانی اساسی هستند که به هر کسی اجازه می دهد تا با استفاده از زبان برنامه نویسی محبوب Python ویژگی های برنامه Omniverse را ایجاد و گسترش دهد.

ورودی برنده ژائو، به نام IndoorKit، به کاربران اجازه می دهد تا به راحتی وظایف شبیه سازی رباتیک را در صحنه های داخلی بارگیری و ذخیره کنند. وظایف دستکاری ربات را با پر کردن خودکار صحنه‌ها با محیط‌های داخلی، ربات‌ها و اشیاء دیگر تنها با چند کلیک اختصاص می‌دهد.

ژائو می‌گوید: «معمولاً پیاده‌سازی یک کار رباتیک در شبیه‌سازی بدون مهارت زیاد در ساخت صحنه، نمونه‌برداری چیدمان و کنترل ربات دشوار است. با وارد کردن دارایی‌ها به رابط کاربری قدرتمند Omniverse با استفاده از چارچوب توصیف صحنه جهانی، برنامه افزودنی من به راه‌اندازی صحنه فوری و کنترل دقیق ربات دست می‌یابد.»

در IndoorKit، کاربران می‌توانند به سادگی روی دکمه‌های «افزودن شی»، «افزودن خانه»، «بار صحنه»، «ذخیره صحنه» و دکمه‌های دیگر کلیک کنند تا جنبه‌های محیط را دستکاری کنند و مستقیماً در شبیه‌سازی رباتیک شیرجه بزنند.

با Universal Scene Description (USD)، یک چارچوب فایل منبع باز قابل توسعه، ژائو به طور یکپارچه مدل های سه بعدی را با استفاده از اتصال دهنده های Omniverse برای نرم افزار Autodesk Maya و Blender وارد محیط های خود کرد.

افزونه IndoorKit همچنین به دارایی‌های پلتفرم شبیه‌سازی روباتیک Isaac Sim NVIDIA و قابلیت‌های داخلی PhysX Omniverse برای دستکاری دقیق و مفصل ربات متکی است.

علاوه بر این، IndoorKit می تواند نور صحنه، مواد اتاق و موارد دیگر را تصادفی کند. یکی از صحنه‌هایی که ژائو با افزونه ایجاد کرده است در ویدیوی بالا برجسته شده است.

Omniverse برای روباتیک

پسوند “IndoorKit” تحقیقات Omniverse و روباتیک را در شبیه سازی به هم متصل می کند.

نمایی از پسوند “IndoorKit” ژائو

ژائو گفت: «من نمی‌دانم کنترل ربات قبل از Omniverse چقدر دقیق انجام می‌شد. او چهار دلیل اصلی برای اینکه چرا Omniverse پلتفرم عالی برای ساخت این بسط است را ارائه می دهد:

او گفت اولاً، محبوبیت پایتون به این معنی است که بسیاری از توسعه دهندگان می توانند افزونه هایی با آن بسازند تا قفل یادگیری ماشین و تحقیقات یادگیری عمیق را برای مخاطبان گسترده تر باز کنند.

دوم، استفاده از پردازنده‌های گرافیکی NVIDIA RTX با Omniverse به طور قابل توجهی سرعت کنترل و آموزش ربات را افزایش می‌دهد.

سوم، فناوری ردیابی پرتوی Omniverse امکان نمایش واقعی صحنه های آن را در زمان واقعی فراهم می کند. او گفت که این باعث صرفه جویی در 90 درصد از زمانی که ژائو برای راه اندازی و شبیه سازی یک آزمایش استفاده می کرد، می شود.

و چهارم، موتور شبیه‌سازی فیزیک بلادرنگ پیشرفته Omniverse، PhysX، از طیف گسترده‌ای از ویژگی‌ها – از جمله شبیه‌سازی سیال، ذرات و بدن نرم – پشتیبانی می‌کند که به گفته ژائو “در مرز تحقیقات رباتیک قرار دارند.”

او گفت: “آینده هنر، مهندسی و پژوهش در روحیه پیوند همه چیز است: مدل سازی، انیمیشن و شبیه سازی.” “و جهان هستی همه را با هم جمع می کند.”

به Creation بپیوندید

سازندگان و توسعه دهندگان در سراسر جهان می توانند NVIDIA Omniverse را به صورت رایگان دانلود کنند و تیم های سازمانی می توانند از این پلت فرم برای پروژه های سه بعدی خود استفاده کنند.

نحوه ایجاد یک افزونه Omniverse را در کمتر از 10 دقیقه بیاموزید.

برای بررسی عمیق‌تر توسعه Omniverse، جلسه درخواستی NVIDIA GTC با عنوان «نحوه ساخت برنامه‌های افزودنی و برنامه‌های کاربردی برای دنیای مجازی با NVIDIA Omniverse» را تماشا کنید.

مستندات و آموزش‌های اضافی را در مرکز منابع Omniverse بیابید که نحوه ساخت برنامه‌های افزودنی مبتنی بر USD سفارشی برای پلتفرم توسط توسعه‌دهندگانی مانند Zhao را شرح می‌دهد.

برای کشف ابزارهای رایگان توسعه‌دهنده، آموزش و انجمن، به برنامه توسعه‌دهنده NVIDIA بپیوندید.

NVIDIA Omniverse را در ادامه دنبال کنید اینستاگرام، میانگین، توییتر و یوتیوب برای منابع و الهام بیشتر به Omniverse مراجعه کنید انجمن هاو به ما بپیوندید سرور Discord و تکان دادن کانال برای چت کردن با جامعه


پلت فرم جدید NVIDIA IGX به ایجاد کارخانه های ایمن و مستقل در آینده کمک می کند

انویدیا امروز پلتفرم محاسباتی هوش مصنوعی IGX edge را برای سیستم‌های مستقل امن و ایمن معرفی کرد.

IGX سخت‌افزار را با برنامه‌های افزودنی ایمنی قابل برنامه‌ریزی، پشتیبانی از سیستم‌عامل تجاری و نرم‌افزار قدرتمند هوش مصنوعی گرد هم می‌آورد و سازمان‌ها را قادر می‌سازد تا با خیال راحت و ایمن هوش مصنوعی را برای پشتیبانی از همکاری انسان و ماشین ارائه دهند.

پلتفرم همه کاره ایمنی، امنیت و درک سطح بعدی را برای موارد استفاده در مراقبت های بهداشتی و همچنین پایان صنعتی هوش مصنوعی را امکان پذیر می کند.

ربات‌ها و سیستم‌های مستقل برای ایجاد «کارخانه‌های آینده» مورد استفاده قرار می‌گیرند که در آن انسان‌ها و روبات‌ها در کنار هم کار می‌کنند که منجر به بهبود کارایی در تولید، تدارکات و سایر فرآیندهای کاری می‌شود.

چنین ماشین‌های مستقلی دارای عملکرد ایمنی داخلی هستند تا اطمینان حاصل شود که فضاهای هوشمند از برخورد و سایر تهدیدات ایمنی دور می‌مانند.

NVIDIA IGX این ایمنی عملکردی را با استفاده از حسگرهای هوش مصنوعی در اطراف محیط برای افزودن هشدارهای ایمنی پیشگیرانه – که نگرانی‌های ایمنی را قبل از وقوع حادثه شناسایی می‌کند – علاوه بر قابلیت‌های ایمنی واکنشی موجود که تهدیدات ایمنی را کاهش می‌دهند، افزایش می‌دهد.

Riccardo Mariani، معاون امنیت صنعتی در NVIDIA می‌گوید: «امنیت از دیرباز اولویت اصلی سازمان‌های صنعتی بوده است. نکته جدید این است که ما از هوش مصنوعی در حسگرهای یک کارخانه برای ایجاد نمای متمرکزی استفاده می‌کنیم که می‌تواند ایمنی را با ارائه ورودی‌های اضافی به ماشین‌های هوشمند و روبات‌های متحرک خودگردان که در محیط کار می‌کنند، بهبود بخشد.

برای تنظیمات حساس که در آن افراد و ماشین‌ها با هم همکاری می‌کنند – مانند کارخانه‌ها، مراکز توزیع و انبارها – ویژگی‌های ایمنی و امنیتی سیستم‌های هوشمند بسیار حیاتی است.

ایمنی فعال برای لبه صنعتی

سه سطح ایمنی عملکردی در لبه صنعتی وجود دارد.

اول، ایمنی واکنشی کاهش تهدیدها و رویدادهای ایمنی پس از وقوع آنها است. به عنوان مثال، اگر یک انسان وارد مسیر مستقیم یک ربات شود، ربات ممکن است متوقف شود، سرعتش را کاهش دهد یا خاموش شود تا از برخورد جلوگیری شود.

طبق مقررات استاندارد، این نوع مکانیسم ایمنی از قبل در ماشین های خودمختار وجود دارد. اما خاموشی های واکنشی در یک ماشین هوشمند یا خط کارخانه منجر به خرابی برنامه ریزی نشده ای می شود که می تواند صدها هزار دلار در ساعت برای برخی تولیدکنندگان هزینه داشته باشد.

دوم، ایمنی پیشگیرانه، شناسایی نگرانی های بالقوه ایمنی قبل از وقوع تخلف است. NVIDIA IGX بر این تمرکز دارد که سازمان‌ها را قادر می‌سازد این لایه امنیتی را به محیط‌های هوشمند اضافه کنند و از کارگران بیشتر محافظت کند و در هزینه‌ها صرفه‌جویی کند. این قابلیت های ایمنی پیشگیرانه با کارایی بالا را در سخت افزار و نرم افزار خود فراهم می کند.

به عنوان مثال، با استفاده از ایمنی پیشگیرانه مبتنی بر IGX در بازی، دوربین های انبار ممکن است فردی را ببینند که به سمت یک ربات می رود. این می تواند به ربات سیگنال دهد که مسیر را تغییر دهد و از قرار گرفتن در یک خط ترافیک اجتناب کند و از برخورد به طور کلی جلوگیری کند. IGX همچنین می‌تواند به کارمندان و سایر روبات‌های موجود در منطقه هشدار دهد و مسیر آنها را تغییر دهد تا خطر پشتیبان‌گیری در سطح کارخانه را از بین ببرد.

و سوم، ایمنی پیش‌بینی‌کننده انتظار مواجهه آینده با تهدیدات ایمنی بر اساس داده‌های عملکرد گذشته است. در این مورد، سازمان‌ها می‌توانند از شبیه‌سازی و دوقلوهای دیجیتالی برای شناسایی الگوهای تقاطع یا بهبود طرح‌بندی کارخانه‌ها برای کاهش تعداد حوادث مرتبط با ایمنی استفاده کنند.

یکی از اولین شرکت‌هایی که از IGX در لبه استفاده می‌کند، زیمنس است، پیشرو در فناوری در اتوماسیون صنعتی و دیجیتالی‌سازی که با NVIDIA روی چشم‌اندازی برای کارخانه‌های مستقل کار می‌کند. زیمنس با NVIDIA همکاری می کند تا کار خود را در زمینه محاسبات صنعتی، از جمله با دوقلوهای دیجیتال و متاورس صنعتی گسترش دهد.

زیمنس اکنون درک سطح بعدی را از طریق NVIDIA Metropolis به برنامه های جانبی خود اضافه می کند. Metropolis با میلیون‌ها حسگر در کارخانه‌ها، کل ناوگان ربات‌ها و دستگاه‌های IoT را به هم متصل می‌کند تا هوش مصنوعی را به محیط‌های صنعتی وارد کند، و آن را به یکی از چارچوب‌های کاربردی کلیدی برای هوش مصنوعی لبه‌ای که روی پلتفرم IGX اجرا می‌شود، تبدیل می‌کند.

امنیت صفر اعتماد، عملکرد بالا و پشتیبانی طولانی مدت

علاوه بر الزامات ایمنی، استقرار هوش مصنوعی لبه در مقایسه با سیستم‌های موجود در مراکز داده یا ابر، نیازهای امنیتی منحصر به فردی دارد – زیرا انسان‌ها و ماشین‌ها در کنار هم در محیط‌های لبه کار می‌کنند.

پلت فرم IGX دارای یک معماری امنیتی سرتاسر سخت شده است که از سطح سیستم شروع می شود و از طریق به روز رسانی های هوایی از ابر گسترش می یابد. شبکه‌های پیشرفته و یک کنترل‌کننده امنیتی اختصاصی با NVIDIA Fleet Command ترکیب شده‌اند که مدیریت و هماهنگ‌سازی هوش مصنوعی سرتاسر امن را از فضای ابری فراهم می‌کند.

اولین محصول ارائه شده در پلتفرم IGX NVIDIA IGX Orin است، قدرتمندترین، فشرده‌ترین و کم مصرف‌ترین سیستم هوش مصنوعی جهان برای تسریع در توسعه ماشین‌های صنعتی مستقل و دستگاه‌های پزشکی.

کیت های توسعه دهنده IGX Orin اوایل سال آینده در دسترس خواهند بود. هر کدام شامل یک GPU و CPU یکپارچه برای محاسبات هوش مصنوعی با کارایی بالا، و همچنین NVIDIA ConnectX-7 SmartNIC برای ارائه شبکه‌ای با کارایی بالا با تأخیر بسیار کم و امنیت پیشرفته است.

IGX همچنین تا 10 سال پشتیبانی کامل از NVIDIA و شرکای پیشرو ارائه می دهد.

با تماشای آخرین سخنرانی GTC از بنیانگذار و مدیر عامل NVIDIA، جنسن هوانگ، درباره IGX و دیگر پیشرفت‌های فناوری اطلاعات بیشتری کسب کنید:

NVIDIA از ماژول صنعتی Jetson AGX Xavier رونمایی کرد

از کارخانه‌ها و مزارع گرفته تا پالایشگاه‌ها و سایت‌های ساختمانی، جهان پر از مکان‌هایی است که گرم، کثیف، پر سر و صدا، بالقوه خطرناک هستند – و برای حفظ صنعت حیاتی هستند.

همه این مکان‌ها در کنار فعالیت‌های روزمره خود نیاز به بازرسی و نگهداری دارند، اما با توجه به نگرانی‌های ایمنی و شرایط کاری، فرستادن افراد همیشه بهتر نیست.

رباتیک و اتوماسیون به طور فزاینده ای در تولید، کشاورزی، ساخت و ساز، انرژی، دولت و سایر صنایع مورد استفاده قرار می گیرند، اما بسیاری از شرکت ها در تلاش هستند تا مزایای هوش مصنوعی و یادگیری عمیق را در سخت ترین برنامه ها بگنجانند.

با ماژول جدید NVIDIA Jetson AGX Xavier Industrial، NVIDIA امکان استقرار هوش مصنوعی را در لبه‌های محیط‌های سخت که ایمنی و قابلیت اطمینان اولویت‌های حیاتی هستند، می‌دهد.

ماژول صنعتی Jetson AGX Xavier

این ماژول صنعتی جدید با گسترش قابلیت‌های سیستم روی ماژول Jetson AGX Xavier، توسعه دهندگان را قادر می‌سازد تا سیستم‌های پیشرفته و مقاوم در برابر هوش مصنوعی بسازند. Jetson AGX Xavier Industrial برای تجزیه و تحلیل های ویدئویی هوشمند، بازرسی نوری، روباتیک، بینایی کامپیوتر، استقلال و هوش مصنوعی در سخت ترین محیط ها ساخته شده است.

این دستگاه دارای طراحی فشرده و کم مصرف است و تا 30 تریلیون عملیات در ثانیه (TOPS) عملکرد هوش مصنوعی را به طور قابل اعتماد ارائه می دهد. ساخته شده با قطعاتی که مطابق با استانداردهای دقیق صنعت آزمایش شده اند و ویژگی های ایمنی عملکردی جدید را در خود جای داده است، می تواند در برابر شوک و لرزش شدید و محدوده دمایی شدید مقاومت کند. و پین، نرم افزار و فرم فاکتور سازگار با ماژول Jetson AGX Xavier موجود است، بنابراین ارتقاء آن آسان است.

ساخته شده برای خواستارترین موارد استفاده صنعتی

Jetson AGX Xavier Industrial برای کاربردهای صنعتی، هوافضا، دفاعی، ساخت و ساز، کشاورزی، تدارکات، مدیریت موجودی، تحویل، بازرسی و مراقبت های بهداشتی طراحی شده است. برنامه‌های فعال در این بخش‌ها شامل ایمنی کارگران و سایت، دسترسی به سایت، نظارت و بازرسی در محیط‌های خطرناک و خشن و غیره است.

در صنعت نفت و گاز، Jetson AGX Xavier Industrial پیش‌بینی ناهنجاری‌ها و خرابی‌ها را در لبه با ارائه بینش‌های هم‌زمان بر اساس نظارت یا بازرسی خطوط لوله، شیرها، تجهیزات و کارهای تعمیر و نگهداری ساده می‌کند. قابلیت اطمینان گسترده ماژول به آن اجازه می دهد تا در ایمنی، تعمیر و نگهداری قابل پیش بینی و انطباق، و جایی که تجهیزات همیشه در شرایط متغیر محیطی روشن می مانند، استفاده شود.

در تأسیسات تولید خودرو، کارخانه ای که بیش از 1000 وسیله نقلیه در روز تولید می کند، باید بیش از 6 میلیون نقطه جوش را در پرواز بازرسی کند. با استفاده از هوش مصنوعی و بینایی کامپیوتری Jetson AGX Xavier Industrial، می‌تواند داده‌های فرآیند و کیفیت را مستقیماً از تفنگ‌های جوش تجزیه و تحلیل کند، که زمان بازرسی را کاهش می‌دهد، پیش‌بینی کیفیت را بهبود می‌بخشد و در نهایت به ارائه خودروهای ایمن‌تر به مصرف‌کنندگان کمک می‌کند.

مثال دیگری در GTC21 ارائه شد، جایی که تشخیص ناهنجاری مبتنی بر هوش مصنوعی در فرآیندهای قالب‌گیری تزریقی، پیش‌بینی زودهنگام کیفیت محصول را امکان‌پذیر می‌سازد، از هزینه‌های اضافی فرآیند تا 30 درصد جلوگیری می‌کند و نرخ نقص را تا 40 درصد کاهش می‌دهد. نتیجه فرآیندهای کارآمدتر و ایمن تر، بهبود بهره وری و بازگشت سرمایه است.

به همین ترتیب، سایت های ساخت و ساز از تجهیزات سنگینی استفاده می کنند که باید در آب و هوای مختلف عملکرد قابل اعتمادی داشته باشند. مزارع به تراکتورهایی نیاز دارند که بتوانند کودها و سمپاش‌های علف‌کش را حمل کنند و هزاران هکتار محصول را در زمین‌های مختلف برداشت کنند. هواپیماهای بدون سرنشین و پهپادها می توانند در هنگام پرواز در محیط های خشن، تکان ها و لرزش های شدید را تجربه کنند. سونوگرافی در محل و مانیتور بیمار نیاز به عملیات مداوم در طول عمر طولانی دارد.

Jetson AGX Xavier Industrial ویژگی های مورد نیاز برای ایجاد استقلال برای همه این ماشین ها را فراهم می کند.

برای قابلیت اطمینان، ایمنی و امنیت طراحی شده است

Jetson AGX Xavier Industrial قابلیت‌های ابر محاسباتی سیستم روی ماژول Jetson AGX Xavier را با قابلیت‌های جدید قابلیت اطمینان، در دسترس بودن و سرویس‌دهی مورد نیاز برای استقرار هوش مصنوعی در محیط‌های چالش‌برانگیز ترکیب می‌کند. اینها عبارتند از تصحیح خطا، تصحیح تک خطا، تشخیص خطای دوگانه و کدهای حفاظت برابری برای ارائه انعطاف پذیری RAM داخلی، تشخیص و تصحیح خطای گذرگاه آدرس و داده، و انعطاف پذیری IP در کاربردهای صنعتی.

این ماژول دارای عملکرد ایمنی است که توسط موتور خوشه ایمنی (SCE) کنترل می شود و آن را برای محصولات صنعتی دارای گواهی ایمنی مناسب می کند. علاوه بر این، دارای همان شتاب دهنده های کلیدی و ورودی/خروجی پرسرعت موجود در جتسون AGX Xavier است.

جتسون AGX Xavier Industrial دارای یک پردازنده گرافیکی 512 هسته ای NVIDIA Volta با 64 هسته تانسور، دو شتاب دهنده یادگیری عمیق NVIDIA، دو شتاب دهنده بصری، یک پردازنده هشت هسته ای NVIDIA Carmel Arm، رمزگذار و رمزگشا و غیره است. SCE جدید شامل پردازنده‌های دوگانه Cortex-R5 است که می‌توانند برای مکانیسم‌های تشخیص خطا یکپارچه، زیرسیستم‌های lockstep استفاده شوند و تست سیستم تعبیه‌شده را فعال می‌کنند. Cortex-R5 که در دامنه همیشه روشن است، می تواند برای عملکردهای ایمنی و تصحیح خطا استفاده شود.

همچنین شامل بوت ایمن تایید شده سخت افزاری، رمزنگاری با شتاب سخت افزاری، پشتیبانی از ذخیره سازی رمزگذاری شده، حافظه و سایر ویژگی های امنیتی برای محافظت از نرم افزار مشتری است.

مشخصات کامل را ببینید

پشتیبانی از نرم افزار برای ساخت و مدیریت آسان استقرار هوش مصنوعی صنعتی

Jetson AGX Xavier Industrial با پشتیبانی از پشته محاسباتی شتاب‌دهی شده NVIDIA CUDA-X و پشتیبانی از JetPack SDK، یک پلت‌فرم کاملاً نرم‌افزاری تعریف‌شده است که قابلیت‌های بومی ابری را ممکن می‌سازد. شتاب CUDA-X NVIDIA، مدل‌های از پیش آموزش‌دیده آماده تولید رایگان NGC، و NVIDIA TAO Toolkit سریع‌ترین مسیر را برای ایجاد و استقرار سیستم‌های یادگیری عمیق و یادگیری و استنتاج هوش مصنوعی به توسعه‌دهندگان می‌دهد.

با استفاده از Jetson AGX Xavier Industrial و JetPack، مشتریان می‌توانند به راحتی سیستم‌های مستحکم و حیاتی در محل را با استفاده از فناوری‌های هماهنگ‌سازی و مدیریتی مبتنی بر ابر نگهداری و به روز کنند.

شروع کار و در دسترس بودن

ماژول جدید Jetson AGX Xavier Industrial هم اکنون برای سفارش در دسترس است و در اواخر جولای در دسترس خواهد بود. توسعه دهندگان می توانند از امروز با استفاده از کیت توسعه دهنده Jetson AGX Xavier، دانلود JetPack و طراحی با تمام اسناد موجود در سایت NVIDIA Jetson، ساخت هوشمندترین سیستم های لبه و جاسازی شده را برای کاربردهای صنعتی خود آغاز کنند.

Jetson Nano جوانان را در آموزش جهانی زنده می کند

هر معلمی داستانی درباره لحظه روشن شدن چراغ برای یکی از دانش آموزانش دارد.

دیوید تسنگ یک دانش آموز دبیرستانی در تایپه را به یاد می آورد که در یک اردوی تابستانی از دیدن رباتی که با به روز رسانی نرم افزار خود فوراً پاسخ می داد هیجان زده بود. بعد از کلاس، او سؤالات زیادی داشت و بعداً یک سیستم امنیتی مجهز به هوش مصنوعی ساخت که به دوستانش – اما نه والدینش – اجازه ورود به اتاقش را می داد.

تسنگ، استادیار دانشگاه ملی علم و فناوری تایوان و موسس، می‌گوید: «قبل از کلاس، او گفت که علاقه زیادی به دانشگاه ندارد، اما اکنون در رشته علوم کامپیوتر است و به عنوان دانشجوی سال اول در کلاس من است. از CAVEDU، شرکتی که برنامه های جوانان را با استفاده از روباتیک اجرا می کند.

پژواک هایی از آفریقا

معلمی در تونس که رویدادهای روباتیک زیادی را برای جوانان ترتیب داده است، داستان مشابهی را روایت می کند.

خلیفیه بیلیل، استادیار علوم داده در یک دانشکده هوانوردی در نزدیکی این شهر گفت: «چند نفر از دانش‌آموزان من استارت‌آپ رباتیک خود را با نام AviaGeek Consulting راه‌اندازی کردند، و چندین نفر دیگر به دلیل آموخته‌ها و تمرین‌هایشان در یک سازنده هواپیما در تونس دوره کارآموزی را آغاز کردند. تونس که یک برنامه دانشجویی برای ساخت ماهواره های کوچک با استفاده از محصولات جتسون راه اندازی کرد.

او در یک سخنرانی در GTC در ماه آوریل گفت: «NVIDIA از شما برای تغییر زندگی فرزندانم متشکرم.

کاشت بذر در مزرعه

تونی فاستر، داوطلب برنامه Kansas 4H، یکی از اولین کیت های توسعه دهنده Jetson Nano 2GB را در دستان یک کودک 11 ساله قرار داد.

او در یک منطقه روستایی بدون کلاس برنامه نویسی در دبیرستان خود بود، بنابراین ما هر آنچه را که نیاز داشت برای او فرستادیم، و اکنون او در حال ساخت رباتی است که می تواند پیچ ​​و خم را اداره کند و می خواهد آن را به نمایشگاه های علمی و مسابقات رباتیک ببرد. در گفتگو در GTC (تماشا مجدد پخش رایگان با ثبت نام) گفت.

فاستر، عضو 4H از هفت سالگی، معتقد است سال های راهنمایی بهترین زمان برای کاشت بذر است. او گفت: «این فرصت‌های عملی به کودکان کمک می‌کند رشد کنند و یاد بگیرند – و نتایجی داشته باشند که تا آخر عمر باقی می‌مانند».

جشن یادگیری

در این روز جهانی مهارت های جوانان، ما کودکانی را که راه خود را در جهان پیدا می کنند جشن می گیریم.

JetBot مجهز به Jetson Nano 2GB.

در سال جاری تاکنون، 250 سازمان در سراسر جهان علاقه خود را به استفاده از ابزارهای آموزشی NVIDIA در برنامه درسی خود ابراز کرده اند. به عنوان بخشی از یک برنامه کمک هزینه، این شرکت صدها کیت توسعه‌دهنده Jetson Nano را به مربیان کالج‌ها، مدارس و سازمان‌های غیرانتفاعی ارائه کرده است.

کار ما با باشگاه‌های پسران و دختران موسسه مسیرهای هوش مصنوعی پنسیلوانیا غربی همچنین به گسترش دسترسی به آموزش هوش مصنوعی و روباتیک برای دانش‌آموزان بیشتر، به‌ویژه در جوامعی که به‌طور سنتی کمتر حضور دارند، کمک می‌کند.

کیت توسعه‌دهنده Jetson Nano 2GB که در ماه اکتبر عرضه شد، به دلیل اندازه آن بسیار چشمگیر است – عملکرد خارق‌العاده 472 گیگافلاپی هوش مصنوعی. این برای اجرای نرم افزارهای لینوکس و CUDA و همچنین یادگیری و کار با هوش مصنوعی کافی است.

دانش آموزان گواهینامه هوش مصنوعی دریافت می کنند

سخت افزار فقط نیمی از آن است. NVIDIA همچنین از طریق موسسه Deep Learning خود (DLI) به دانشجویان و اساتید در زمینه مهارت های هوش مصنوعی گواهی می دهد. کلاس‌های هشت ساعته از شرکت‌کنندگان می‌خواهد که مهارت‌های خود را با ساختن یک پروژه کاری نشان دهند و از طریق دوره‌های آنلاین، ویدئوها و مخزن کد به آنها کمک می‌کنند تا این کار را شروع کنند.

برنامه درسی در سراسر جهان از دبیرستان های کره گرفته تا دانشگاه های ژاپن و اروپا پذیرفته شده است. به عنوان مثال، در دانشگاه مالاگا اسپانیا، بیش از دوازده دانشجو در یک کارگاه آموزشی سه روزه شرکت کردند، هفت نفر در حال حاضر دارای گواهینامه متخصص هوش مصنوعی هستند، و دانشگاه به دنبال ادغام Jetson در برنامه درسی خود است.

سال گذشته در تایوان، زمانی که همه‌گیری عاملی نبود، Tseng نزدیک به 20 رویداد با 300 شرکت‌کننده و مسابقه‌ای برگزار کرد که هفت تیم از دانش‌آموزان دبیرستانی را جذب کرد – کاری که منجر به کسب گواهینامه DLI 200 نفر شد.

معلم به برنامه A+ می دهد

رویداد اخیر هیئت علمی در آخر هفته بیش از 100 شرکت کننده، از جمله 30 استاد کالج، برخی از بخش های مد، مهمان نوازی و اقتصاد را به خود جلب کرد.

دیوید تسنگ از CAVEDU در تایوان

Tseng، که شرکت او کتابی را در سال انتشار می دهد، گفت: “مدرسه ها معلمان را تشویق می کنند تا هوش مصنوعی را در دوره های خود بگنجانند، بنابراین آنها مشتاق هستند محتوای مرتبط را بیابند، و DLI مناسب است زیرا مستندات خوب هستند و به آنها کمک می کند تا فورا شروع کنند.” چینی سنتی برای افزودن به برنامه درسی.

این رویداد آخر هفته مورد تمجید یکی از اساتید حاضر قرار گرفت.

چنگ لینگ یین، استاد دانشگاه علم و فناوری Jinwen، گفت: «به لطف رهبرانی مانند NVIDIA که پلتفرم‌ها و ابزارهای فوق‌العاده‌ای را ارائه می‌کنند، من مطمئن‌تر هستم که هوش مصنوعی را در دوره‌های ترم بعدی‌ام آموزش دهم.

ایجاد تغییر در زندگی جوانان

هر معلمی، هر رویدادی امواجی را می فرستد که زندگی بسیاری از جوانان را تحت تأثیر قرار می دهد.

فاستر در کانزاس گفت که برنامه‌های 4H STEM مانند برنامه‌ای که او اکنون اجرا می‌کند «واقعاً به من در راه تبدیل شدن به یک مهندس سیستم‌های کامپیوتری که در Dell کار می‌کند کمک کرد».

امروز، او یکی از 6000 داوطلب در یک برنامه آموزشی دانشگاهی است که به 75000 جوان در پنج شهرستان خدمت می کند. او گفت: «ما می‌خواهیم جوانان را توانمند کنیم تا در مورد آینده خود تصمیم بگیرند و به جایی بروند که می‌خواهند در کار و شغل بروند.

برای کسب اطلاعات بیشتر در مورد اینکه NVIDIA چگونه آموزش جوانان و حرفه ای را ترویج می کند، برای آموزش هوش مصنوعی به Jetson بروید.

NVIDIA Inception با اعضای 8K+ یک اکوسیستم جهانی راه اندازی هوش مصنوعی را به نمایش می گذارد

تعداد استارت آپ های هوش مصنوعی در بخش مراقبت های بهداشتی بیش از هر صنعت دیگری است. تعداد استارت آپ های هوش مصنوعی در حوزه رسانه و سرگرمی تقریباً به اندازه خرده فروشی است. بیش از یک از هر 10 استارت آپ هوش مصنوعی در کالیفرنیا مستقر هستند.

چگونه این را بدانیم؟ NVIDIA Inception، پلتفرم ما برای شتاب دادن به استارت‌آپ‌های هوش مصنوعی، اکنون از 8500 عضو گذشته است. بر اساس برآورد Pitchbook، این حدود دو سوم کل استارت آپ های هوش مصنوعی در سطح جهان است. NVIDIA Inception با مجموع بودجه انباشته بیش از 60 میلیارد دلار و اعضایی در 90 کشور جهان، یکی از بزرگ‌ترین اکوسیستم‌های استارتاپی هوش مصنوعی در جهان است.

با این نوع مقیاس، NVIDIA Inception بیش از یک برنامه واحد است. این بازتابی از چشم انداز بزرگتر استارتاپ است. و بر این اساس کارهای زیادی می توان انجام داد.

داده های بیش از 8500 استارت آپ

ارقام NVIDIA Inception نشان می‌دهد که ایالات متحده هم از نظر تعداد استارت‌آپ‌های هوش مصنوعی که نزدیک به 27 درصد را به خود اختصاص می‌دهد و هم از نظر میزان تأمین مالی که بیش از 27 میلیارد دلار بودجه تجمعی را نشان می‌دهد، پیشتاز جهان است.

از استارت آپ های مستقر در ایالات متحده، 42 درصد در کالیفرنیا مستقر هستند – بیش از یک استارتاپ از هر 10 استارت آپ هوش مصنوعی در این ایالت مستقر است – با 29 درصد در منطقه خلیج سانفرانسیسکو. این امر جذابیت مستمر منطقه برای بنیانگذاران استارت آپ و تامین مالی VC را برجسته می کند.

پس از ایالات متحده، چین، هم از نظر بودجه و هم از نظر مرحله شرکت، با 12 درصد از اعضای NVIDIA Inception در آنجا مستقر هستند. هند با 7 درصد در رتبه سوم و پس از آن انگلستان با 6 درصد قرار دارند.

در مجموع، استارت‌آپ‌های هوش مصنوعی مستقر در ایالات متحده، چین، هند و بریتانیا بیش از نیمی از کل استارت‌آپ‌ها را در NVIDIA Inception نشان می‌دهند. پس از آنها آلمان، روسیه، فرانسه، سوئد، هلند، کره و ژاپن قرار دارند.

از نظر صنایع، مراقبت‌های بهداشتی، خدمات فناوری اطلاعات، تجزیه و تحلیل ویدیوی هوشمند (IVA)، رسانه و سرگرمی (M&E) و روباتیک پنج مورد برتر در NVIDIA Inception هستند. استارت‌آپ‌های هوش مصنوعی مراقبت‌های بهداشتی 16 درصد از اعضای Inception را تشکیل می‌دهند و پس از آن کسانی که در خدمات فناوری اطلاعات هستند با 15 درصد قرار دارند. استارت آپ های هوش مصنوعی در IVA 8 درصد را تشکیل می دهند و استارتاپ های رباتیک M&E و AI برابر با 7 درصد هستند.

جزئیات بیش از 3000 استارتاپ تا سال 2020

از سال 2020 بیش از 3000 استارت آپ هوش مصنوعی به NVIDIA Inception پیوسته اند. مشابه با داده های اولیه، استارت آپ های هوش مصنوعی از ایالات متحده بزرگترین بخش (27 درصد) و پس از آن چین (12 درصد) و هند و بریتانیا (برابر با 6 درصد) هستند.

علاوه بر این، استارت‌آپ‌هایی که از سال 2020 به آن ملحق شده‌اند، در همان پنج صنعت برتر متمرکز هستند، البته با ترتیب کمی متفاوت. خدمات فناوری اطلاعات با 17 درصد، پس از آن مراقبت های بهداشتی با 16 درصد، M&E با 9 درصد، IVA با 8 درصد و روباتیک با 5 درصد در رتبه های بعدی قرار دارند.

در دو صنعت برتر – مراقبت های بهداشتی و خدمات فناوری اطلاعات – جزئیات بیشتری در میان استارتاپ های هوش مصنوعی وجود دارد که از سال 2020 به آن ملحق شده اند. بخش غالب در خدمات فناوری اطلاعات، بینایی کامپیوتری با 27 درصد است و تجزیه و تحلیل پیش بینی کننده با 9 درصد در رتبه دوم قرار دارد. دو بخش برتر در مراقبت های بهداشتی، تجزیه و تحلیل پزشکی با 38 درصد و تصویربرداری پزشکی با 36 درصد است، اگرچه سریع ترین رشد در میان استارتاپ های هوش مصنوعی در صنایع دارویی و بیولوژیکی هوش مصنوعی با 15 درصد است.

استارت‌آپ‌های واقعیت مجازی و واقعیت افزوده بسیار جلوتر از هر بخش دیگری در M&E هستند، بیشتر به دلیل همه‌گیری. این استارت‌آپ‌ها با چشم‌اندازی مشترک از ساختن اکوسیستمی برای متاورس به NVIDIA Inception آمده‌اند.

اختلال از طریق استارت آپ ها

از زمانی که Inception در سال 2016 راه اندازی شد، بیش از ده برابر رشد کرده است. این رشد سال به سال شتاب می گیرد، با افزایش عضویت به 26 درصد در سال 2020 و در حال حاضر به 17 درصد در نیمه اول سال 2021.

NVIDIA Inception برنامه ای است که برای تطبیق و پرورش هر استارتاپی با سرعت محاسباتی در هر مرحله از سفر طراحی شده است. تمام مزایای برنامه رایگان است – هرگز هیچ هزینه ای وجود ندارد. و بر خلاف دیگر شتاب دهنده ها یا انکوباتورها، استارت آپ ها هرگز مجبور نیستند برای پیوستن به سهام عدالت خود را رها کنند.

استارت‌آپ‌ها بهترین نگاه به آینده هوش مصنوعی مدرن هستند، بنابراین امروز با استفاده از NVIDIA Inception به ما بپیوندید.

سری NVIDIA AI Essentials را به لیست پخش تابستانی خود اضافه کنید

اگر هوش مصنوعی، علم داده، گرافیک یا روباتیک مورد توجه شماست، تابستان امسال سری آموزشی NVIDIA AI Essentials را پخش کنید.

این دوره‌های سطح مقدماتی دانش پایه‌ای را به دانش‌آموزان و توسعه‌دهندگان اولیه‌ای که به دنبال گسترش حوزه‌های تخصص خود هستند، ارائه می‌کند. این مجموعه رایگان بیش از دوازده جلسه – هر جلسه کمتر از یک ساعت – با موضوعاتی از جمله هوش مصنوعی مکالمه، ردیابی پرتو، و اصول رباتیک دارد.

برای غواصی عمیق تر، در دوره های عملی تمام روزه از موسسه یادگیری عمیق انویدیا ثبت نام کنید و برای تقویت رزومه خود گواهی صلاحیت دریافت کنید. تا به امروز، DLI بیش از 300000 توسعه دهنده را از طریق کاتالوگ گسترده ای از دوره ها و کارگاه های آموزشی خودآموز و تحت رهبری مربی آموزش داده است.

علاوه بر کسب مهارت‌های جدید برای تقویت سفر شغلی شما، قرعه‌کشی‌های تابستانی نیز در خطر است: به ازای هر 30 دقیقه تماشای مجموعه آموزشی، یک شرکت‌کننده برای برنده شدن یک کتاب DLI و کدهای ثبت نام رایگان برای دوره‌های خودگام، ورودی کسب می‌کند.

برای کسانی که در دوره‌های یادگیری عمیق، علم داده‌های شتاب‌دهی و هوش مصنوعی DLI در NVIDIA Jetson Nano ثبت‌نام می‌کنند، ما بازی را ارتقا می‌دهیم. پس از اتمام موفقیت آمیز یک یا چند دوره از این دوره ها، شرکت کنندگان واجد شرایط دریافت کارت گرافیک NVIDIA GeForce RTX 3090 علاوه بر سه کد ثبت DLI و کتاب خواهند بود.

در اینجا مزه ای از آنچه دانش آموزان، اساتید، و فناوران در مراحل اولیه شغلی در مجموعه یادگیری پیدا خواهند کرد، مشاهده می شود.

ابهام زدایی از یادگیری عمیق

این سخنرانی به این موضوع می‌پردازد که یادگیری عمیق چیست، چه چیزی خوب است و چرا این فناوری قدرتمند است. ویل رمی، مدیر ارشد و رئیس جهانی برنامه‌های توسعه‌دهنده در NVIDIA، در مورد انواع مختلف شبکه‌های عصبی صحبت می‌کند و نحوه آموزش، بهینه‌سازی و استقرار آنها در صنایعی مانند مراقبت‌های بهداشتی و انرژی را توضیح می‌دهد. همچنین برخی از چالش‌هایی که سازمان‌ها در هنگام پذیرش یادگیری عمیق با آن‌ها مواجه هستند را مورد بحث قرار می‌دهد.

آخر هفته ردیابی پرتو

ردیابی اشعه تصاویری خیره کننده و واقعی را به صنعت فیلم و بازی می آورد – اما چگونه کار می کند؟ در این جلسه، محقق انویدیا، پیت شرلی، بینندگان را در فرآیند نوشتن کد برای تولید یک تصویر ردیابی پرتو از یک صحنه سه بعدی، راهنمایی می‌کند. شرلی همانطور که می رود، مفاهیم کلیدی را توضیح می دهد که اساس ردیابی پرتو را تشکیل می دهند.

ابهام زدایی از هوش مصنوعی مکالمه ای

ساخت یک مدل هوش مصنوعی مکالمه ای مستلزم دستیابی به دو ویژگی کلیدی از سوی توسعه دهندگان است: دقت بالا و تاخیر کم. این جلسه مروری بر مدل های هوش مصنوعی متحول کننده برای تشخیص خودکار گفتار، پردازش زبان طبیعی و تبدیل متن به گفتار ارائه می دهد. مریم بندریس، معمار راه‌حل‌ها در NVIDIA، نحوه آموزش و تنظیم دقیق این مدل‌ها را با استفاده از NVIDIA NeMo، جعبه ابزار TAO و چارچوب برنامه NVIDIA Riva به اشتراک می‌گذارد.

جتسون نانو: از صفر تا قهرمان در 20 دقیقه

یاد بگیرید که چگونه از ابتدا با کیت برنامه نویس NVIDIA Jetson Nano 2GB شروع کنید—حتی اگر توسعه دهنده نیستید. این دوره فشرده که توسط Asier Arranz Jiminez از NVIDIA هدایت می شود، شما را از راه اندازی تا خروجی با یک مدل هوش مصنوعی که وسایل نقلیه، جاده ها و عابران پیاده را شناسایی می کند، راهنمایی می کند.

برای شروع، به صفحه اصلی NVIDIA AI Essentials Learning Series مراجعه کنید. هزاران مکالمه دیگر برای پخش رایگان از طریق NVIDIA On-Demand در دسترس هستند.

هدف سیستم های مبتنی بر هوش مصنوعی Recycleye کاهش زباله های جهانی است

از 8.3 میلیارد تن زباله پلاستیکی تمیزی که هر ساله ایجاد می‌شود، علی‌رغم دهه‌ها تلاش برای کاهش مقداری که به محل‌های دفن زباله می‌رود، تنها حدود 9 درصد آن بازیافت می‌شود.

استارتاپ بینایی کامپیوتری مستقر در لندن Recycleye قصد دارد با سیستم مبتنی بر هوش مصنوعی خود برای شناسایی مواد زائد، به این اعداد بازیافت کمک کند.

Recycleye می‌گوید با خودکارسازی و سرعت بخشیدن به جابجایی مواد از طریق سیستم‌های مرتب‌سازی و شناسایی آنها با دقت بیشتر، می‌تواند ظرفیت شرکت‌های بازیافت را به میزان قابل توجهی افزایش دهد و در عین حال نرخ بازیافت کلی را افزایش دهد.

وعده های بسیار عالی از یک شرکت دو ساله که شروعی ضعیف داشت.

پیتر هدلی، مدیر ارشد فناوری در Recycleye که یکی از اعضای برنامه شتاب دهنده Inception NVIDIA برای استارت‌آپ‌های هوش مصنوعی است، می‌گوید: «بیرون رفتیم و زباله‌ها را از سطل‌ها جمع‌آوری کردیم، آن‌ها را دوباره در گاراژم گذاشتیم و شروع به ساختن اولین اثبات مفهومی خود کردیم. .

زباله های یک نفر گنج دیگری است

Hedley و DeWulf، بنیانگذاران Recycleye.

هدلی و یکی از بنیانگذاران و مدیر عامل شرکت، ویکتور دی وولف، در طول کار در مقطع کارشناسی ارشد خود در کالج امپریال لندن، جایی که در حال کار بر روی استفاده از بینایی کامپیوتری برای جریان های زباله بودند، در مورد امکانات فناوری خود بحث کردند.

دیوولف در نهایت مقاله‌ای در این زمینه نوشت، از طرف دانشگاه و صنعت مورد توجه قرار گرفت و سپس شغل خود را به عنوان تحلیلگر در گلدمن ساکس رها کرد تا کار خود را در مقطع دکترا آغاز کند. تا بتواند ایده خود را کامل کند. چیز بعدی که هدلی می دانست، دیوولف از او خواست که در ظرف شیرجه بزند و این ایده را به یک محصول تجاری تبدیل کند.

با پشتیبانی از پذیرش در برنامه شتاب دهنده هوش مصنوعی مایکروسافت، آنها سرمایه اولیه 800000 پوندی (حدود 1.1 میلیون دلار) را دریافت می کنند و پس از آن 400000 پوند دیگر در سال 2020 کمک مالی دریافت می کنند.

تا پایان سال 2020، این استارت آپ در حال حاضر خود را با بهترین شرکت های مدیریت زباله در بریتانیا ثابت کرده است. آوریل گذشته، آنها با TotalEnergies رهبر انرژی و Valorplast پیشگام در بازیافت در پروژه OMNI، یکی از هفت پروژه برنده انتخاب شده توسط شرکت غیرانتفاعی پایداری فرانسوی Citeo، شریک شدند.

هوش مصنوعی برای بستن حلقه بازیافت

تا به امروز، نمی توان به طور موثر اشیایی را که حاوی غذا هستند از اشیاء دیگر تشخیص داد و جدا کرد. با این حال، یک گام مهم در بهبود نرخ بازیافت، بهینه سازی کیفیت مواد بازیافتی است که به تولیدکنندگان پلاستیک منتقل می شود.

مشارکت Recycleye با Valorplast و TotalEnergies بر روی استفاده از هوش مصنوعی برای شناسایی بسته‌بندی‌های پلاستیکی مواد غذایی و غیرغذایی به منظور افزایش بازیافت چرخشی این محصولات تمرکز دارد. حتی می تواند به توسعه برنامه های کاربردی جدید مانند بسته بندی مواد غذایی بهبود یافته کمک کند.

Recycleye همچنین با دانشگاه ها برای ایجاد WasteNet، یک پایگاه داده منبع باز که در حال حاضر بزرگترین مجموعه داده زباله در جهان است، با بیش از 2.5 میلیون تصویر آموزشی، همکاری کرده است.

Recycleye یک شریک NVIDIA Metropolis است که پیشنهاداتی را ارائه می دهد که پشته کامل Metropolis را برای استنتاج تجزیه و تحلیل ویدیویی یکپارچه می کند. تیم Recycleye از پلتفرم NVIDIA Jetson استفاده می‌کند و به ابزارهای یادگیری عمیق سریع مانند مدل‌های از پیش آموزش‌دیده، NVIDIA TAO Toolkit و NVIDIA DeepStream SDK پرداخته است.

با ابزارهای NVIDIA و مجموعه داده‌های آموزشی عظیم پشت آن، Recycleye زمان لازم برای استقرار مدل خود را از دو ماه به دو ساعت کاهش داد و در عین حال به دقت شناسایی آیتم فراتر از دید انسان دست یافت.

دستگاه های این شرکت در لبه شبکه کار می کنند و تمام محاسبات را به صورت محلی انجام می دهند، به شرطی که اتصال کافی به اینترنت وجود داشته باشد. مدل‌ها در فضای ابری، روی نمونه‌ای از مایکروسافت آژور مجهز به GPU آموزش داده می‌شوند و سپس در دستگاه‌های Recycleye در سایت‌های مشتریان مستقر می‌شوند.

الگوریتم ها به طور خودکار در دستگاه های مشتری در طول به روز رسانی نرم افزار به روز می شوند. سیستم ابری همچنین گزارش های داده را پردازش می کند و خلاصه داشبورد آن داده ها را در اختیار مشتری قرار می دهد.

سیستم چیدن هوشمند چشم بازیافتی

به زودی: گسترش جهانی و روبات های بیشتر

Recycleye همچنین در حال توسعه ربات‌هایی است که توسط Recycleye Vision با همکاری FANUC، یکی از بزرگترین تولیدکنندگان رباتیک در جهان، طراحی شده‌اند. Headley که قبلاً Recycleye Vision و Recycleye Robotics را در اوایل سال جاری در بریتانیا و فرانسه نصب کرده بود، انتظار دارد شرکت‌های زباله بیشتری از این روند پیروی کنند تا مرتب‌سازی دستی خود را با روباتیک انجام دهند.

اما Recycleye اکنون با داشتن یک سیستم مقیاس‌پذیر که می‌تواند در سطح جهانی استقرار یابد، آرزوهای بزرگ‌تری دارد، و هدلی گفت که هرچه این شرکت بیشتر استقرار کند، فناوری آن بهتر خواهد شد.

هدلی می‌گوید: «وقتی دستگاهی را هم در انتهای خط و هم در ابتدای خط داریم، می‌توانیم ببینیم که اگر مقدار مواد بالا برود اما کیفیت پایین بیاید، چه اتفاقی می‌افتد. ما می‌توانیم بهینه‌سازی ماشین‌ها و پیکربندی را شروع کنیم و تصمیم‌گیری ماشین‌ها را شروع کنیم.»