Nvidia liderem rynku układów scalonych dla sztucznej inteligencji
Autor: Zbyszek | źródło: Abiresearch | 17:34
(8)
Firma analityczna ABI Research przedstawiła najnowszy raport dotyczący rynku układów scalonych dla rozwiązań sztucznej inteligencji. Z raportu wynika, że liderem tego rynku jest obecnie Nvidia. Spośród przychodu wygenerowanego przez ten cały segment rynku w 1. połowie tego roku, aż 39 procent trafiło do Nvidia. Wszystko dzięki temu, że producent znany z kart GeForce i Quadro na rynku rozwiązań sztucznej inteligencji ma wiele do zaoferowania w gałęziach takich jak inteligentne systemy monitoringu wizyjnego,, robotyka i inteligentna produkcja, oraz motoryzacja.
Drugą pozycję zajmuje Intel, który dostarcza procesory obliczeniowe Xeon, Nervana i FPGA oraz rozwiązania dla motoryzacji dzięki przejęciu Mobileye. Silną pozycję mają też Xilinx, QuickLogic i Lattice Semiconductor, a pierwsze kroki na rynku próbują stawiać Qualcomm, MediaTek, Huawei i Samsung.
Podsumowując raport ABI Research prognozuje szybki rozwój rynku układów scalonych dla rozwiązań sztucznej inteligencji - kwota przychodu zgromadzona przez wszystkich dostawców ma wzrosnąć z 2,6 mld. USD w bieżącym roku do 7,6 mld USD w 2024 roku.
K O M E N T A R Z E
Wiedziałem, że GT1030 daje radę (autor: ekspert_IT | data: 15/10/19 | godz.: 21:09) :)
A tak na poważnie, SI to jeszcze bardzzzzo długa droga, najlepszy przykład to chatbot TAY od Microsoftu, który słynął ze szczególnej niechęci do Meksykanów i został po kilkunastu godzinach wyłączony za swoje obraźliwe komentarze w stosunku do różnych grup społecznych i zjawisk...
LOL (autor: mirek190 | data: 15/10/19 | godz.: 22:23) Sztuczna intrligrncja jest bardzo zawansowana obecie .
Ty chyba mylisz sztuczna inteligencje ze samoswiadoma sztuczna inteligencja.
@2. (autor: Kenjiro | data: 16/10/19 | godz.: 08:27) Jak sama nazwa mówi "inteligencja", co oznacza umiejętność dostosowania znanych schematów do nowych sytuacji. Obecnie to nie jest żadna inteligencja, bo nie potrafi się modyfikować, a tylko algorytm A modyfikuje współczynniki algorytmu B, aby jak najbliżej dopasować wejście do wyjścia.
Innymi słowy, jeśli "nauczysz" algorytm rozpoznawać krowę, to ona nie rozpozna ci innego zwierzęcia, np. wróbla.
Z inteligencją to ma tyle wspólnego, co konik morski z koniem.
@Mirek190 (autor: Master/Pentium | data: 16/10/19 | godz.: 08:36) Na podstawie czego to wnosisz?
Mamy samochody potrafiące samodzielnie reagować na niespotykane i nieoprogramowane sytuacje? Nasze sondy kosmiczne samodzielnie dobierają program badawczy do okoliczności? Bot'y przechodzą test turinga?
Samoświadomość to osobna bajka, nie mieszajmy jej na razie do tego.
IMHO w zakresie AI cholernie daleka droga przed nami. Nawet coś tak stosunkowo mało skomplikowane jak mózg kota (takiego jak ten który śpi obok mnie) jest niesamowicie złożone jak na obecne nasze możliwości.
Master/Pentium (autor: Markizy | data: 16/10/19 | godz.: 11:09) najpierw trzeba założyć że test turinga jest mocno miarodajny, dopasowanie algorytmów tak aby przeszły test jest czasochłonne ale możliwe. Ale tutaj można mówić adaptacji niż na sztucznej inteligecji. Nadal maszyna działa w określonych przez programistę schematach i nie tworzy nowych.
@Markizy (autor: Master/Pentium | data: 16/10/19 | godz.: 11:33) Co do miarodajności testu turinga to nie zawsze ludzi go przechodzą. Co nie zmienia faktu iż maszyny i tak go nie przechodzą. Co do adaptacji to zgadzam się całkowicie.
@temat. (autor: Mariosti | data: 16/10/19 | godz.: 15:01) Taki z nich lider że Tesla zrezygnowała ze współpracy.
@3.
Na tym polega każdy mechanizm wnioskowania:
-dostarczasz dane wejściowe, najlepiej możliwie dużo parametrów.
-tworzysz zestaw reguł logicznych, który to może być bardzo skomplikowany, dlatego zwykle jest zastępowany symulowanymi sieciami neuronowymi.
-odpalasz algorytm i masz wynik.
Ludzki mózg działa w dokładnie ten sam sposób, po prostu sieć neuronowa mózgu jest absurdalnie wręcz skomplikowana w porównaniu do tego co da się symulować nawet na superkomputerach, sposób dostarczania do niego informacji był rozwijany przez miliardy lat, a dodatkowo do sensownego poziomu inteligencji taki ludzki mózg potrzebuje dobre 20-30 lat procesu poznawania, nauki, rozwoju, po to aby te sieci neuronowe odpowiednio ukształtować.
Także na obecne możliwości techniczne, sztuczna inteligencja jest na prawdę niezła i potrafi zrobić bardzo wiele.
Rozpoznawanie obrazów to klasyczny przykład zastosowania sieci neuronowych który wymaga ogromnej mocy obliczeniowej ponieważ polega na przetwarzaniu ogromnej ilości danych wizualnych i wymaga gigantycznej ilości danych kontekstowych, dedukcji i wnioskowania aby rozumieć co się widzi.
To jest klasyczny przykład obrazujący jak techniczne proste są wciąż implementacje sztucznej inteligencji, ale argument jest to słaby bo różni ludzie różne rzeczy są w stanie rozpoznać wzrokowo.
Jak wyciągniesz jakiegoś buszmena do gospodarstwa, nauczysz go jak wygląda krowa, a mimo to nie będzie wiedział jak wygląda świnia, owca, kura itp. to też będzie oznaczało że ta osoba nie jest inteligentna czy po prostu będzie oznaczało że nigdy w życiu nie miała styczności z tymi zwierzętami ani nigdy nie miało materiałów do nauczenia się o ich istnieniu i wyglądzie?
Temat jest znacznie bardziej złożony niż ci się wydaje.
@5. (autor: Mariosti | data: 16/10/19 | godz.: 15:05) Zakładając że wspomniane schematy logiczne zastępowane są siecią neuronową możliwe jest bez problemu obecnie tworzenie sztucznych inteligencji bazujących na samo uczących sieciach neuronowych, które to de facto będą zmieniać swoje schematy wnioskowania na podstawie swoich doświadczeń.
Jest to de facto definicja inteligencji i właśnie taki mechanizm zastosowany był w Microsoft TAY, który to został ztrollowany i to doświadczenie spowodowało że TAY zaczął mieć takie a nie inne poglądy. To absolutnie nie było zaprogramowane.
D O D A J K O M E N T A R Z
Aby dodawać komentarze, należy się wpierw zarejestrować, ewentualnie jeśli posiadasz już swoje konto, należy się zalogować.
