MI-ízű HPC előrejelzések 2023-ra

A 2023-as HPC-AI-re vonatkozó jóslatok sokasága érkezett az elmúlt hetekben, itt vannak részletek azokból, amelyeket a legérdekesebbnek, legfrissebbnek, éleslátónak találtunk – sőt, ellentmondónak is.

Altair Rosemary Francis vezető tudós:
Menj nagyra vagy menj haza – a HPC nagyobb terhelése.Mivel a HPC munkaterhelések átveszik a big data alkalmazásokat, például az élettudományokban és a részecskegyorsítókban, mint a Az Egyesült Királyság gyémánt fényforrása (a nagyobb kutatás és kísérletezés érdekében) a munkafolyamat-eszközök robbanásszerű növekedését látjuk. 2023-ban ez a többdimenziós ütemezéssé való átalakulás lesz a változás legnagyobb hajtóereje a HPC-n belül, mivel az iparág modernizálni kívánja magát, és alkalmazkodik ezekhez a nagy összekapcsolt alkalmazásokhoz.

A HPC a mély tanulással foglalkozik:Ahogy a mély tanulás egyre elterjedtebbé válik 2023-ban, további eltolódást fogunk látni a HPC munkaterhelésében. Míg kezdetben a legtöbb gépi tanulási munkaterhelés Kubernetesen vagy más konténer-hangszerelési keretrendszeren futott, világossá vált, hogy ezeket a rendszereket mikroszolgáltatásokhoz tervezték, nem pedig a mély tanuláshoz szükséges, makacs, számítógép-igényes gépi terhelésekhez. A kereskedelmi HPC munkaterhelés-menedzsereknek átfogó konténer-támogatásra van szükségük, hogy a szervezetek összeállíthassák számításaikat, és kihasználhassák a kötegelt ütemezést, a felhőalapú szolgáltatást és a viteldíjak megosztását – ez a hatékony HPC kulcsfontosságú szempontja.

Joe Fitzsimons, a cég vezérigazgatója Horizont Quantum Computing, a NISQ haláláról és a hibatűrésről a kvantumszámítástechnikában
„Az elmúlt néhány évben a kvantumszámítástechnikai alkalmazások fejlesztése során különös hangsúlyt fektettek a NISQ-rezsimre, utalva a Noisy Intermediate Scale Quantum processzorokra. A „zaj” ebben a címben a qubitek érzékenységére utal a környezeti tényezők interferenciájára, amelyek a többi kubit közelségétől a kozmikus sugarak ütközéséig terjednek. Ez a zaj potenciálisan végzetes hibákat okoz a kvantumszámítási folyamatokban. Régóta ismert, hogy – legalábbis elméletileg – lehetséges olyan kvantumszámítógépeket építeni, amelyek hibajavítást is tartalmaznak, így tökéletlen komponensekből lényegében tökéletes számítógépet lehet építeni. A NISQ kutatások középpontjában azonban olyan variációs algoritmusok fejlesztése állt, amelyek a remények szerint robusztusak a környezeti zaj okozta kisebb zavarokkal szemben, lehetővé téve a kvantumelőnyt hibajavítás nélkül.

„Sajnos viszonylag kevés bizonyíték áll rendelkezésre arra vonatkozóan, hogy az ilyen NISQ-algoritmusok ténylegesen előnyt jelentenek a hagyományos számítógépekkel szemben az optimalizálási és gépi tanulási feladatok széles skálájában, amelyekre fontolgatják őket. Bár alapos okunk van azt hinni, hogy a korai kvantumelőny olyan területeken tapasztalható, mint a kémia, ahol a megoldandó probléma kvantummechanikai jellegű, a jelek arra utalnak, hogy újra összpontosítunk a hibatűrő rendszer elérésére, ahol a hibák előfordulnak. aktívan korrigálják, és amelyekre sokkal erősebb bizonyíték van a kvantumelőnyre.”

Dell TechnologiesJohn Roese, globális műszaki igazgató – Kvantális újévi fogadalom
Korai készségkészleteket fogok létrehozni a kvantum előnyeinek kihasználásához. A kvantumszámítás kezd valóra válni, és ha nincs valaki a vállalkozásában, aki megérti, hogyan működik ez a technológia, és hogyan befolyásolja vállalkozását, akkor hiányozni fog ez a technológiai hullám. Határozza meg a csapatot, az eszközöket és a feladatokat, amelyeket a kvantumra fordít, és kezdje el a kísérletezést. Épp a múlt hónapban jelentettük be a helyszíni Dell Quantum Computing Solution-t, amely lehetővé teszi a különböző iparágakban működő szervezetek számára, hogy elkezdjék kihasználni a kvantumtechnológián keresztüli felgyorsított számítási lehetőségeket, amelyek egyébként ma nem állnak rendelkezésre. 2023-ban kritikus fontosságú a kvantumszimulációba való befektetés, valamint annak lehetővé tétele, hogy az adattudományi és AI csapatok megtanulják a kvantum új nyelveit és képességeit.

Ellentétes vélemények az ML-ről Gideon Mendelstől, az MLOps platform vezérigazgatójától és társalapítójától Üstökös
Amikor az adatok szárazon futnak: Az ML-ben tapasztalt fejlesztések többsége az egyre több adatot tartalmazó képzési modellekből származik, de közeledünk egy olyan ponthoz, amikor ezt már nem tudjuk megtenni. Néhány érdekes kutatás most jelent meg, amelyek azt mutatják, hogy 2026-ra kifogyhatunk az adatokból. Ha ez a tézis igaz, akkor nem fogunk javulni, hacsak nem tudunk jobb modelleket építeni ugyanarra az adathalmazra.

A generatív modellek környezeti hatásai: A generatív modellek rendkívül lenyűgöző eredményeket produkálnak, de nem egyértelmű, hogy milyen hatást gyakorolnak a tényleges üzletre. Egyértelmű, hogy ezeknek a hatalmas modelleknek a képzése milyen szén-dioxid-kibocsátással jár. A számításigények őrültek. Felmerül tehát a kérdés: „Megérik-e az eredmények a környezetvédelmi költségeket?”

Távolodjon el a szoftveres gondolkodásmódtól: Az ML eddig követte a szoftverfejlesztés menetét, de ahogy az ML érik, ez a megközelítés szétesik. Egyetlen eladó sem tudja mindezt megtenni. A csapatok manapság az elérhető legjobb eszközöket választják ki, amelyek relevánsak az általuk megtett tevékenységhez. Azok az eladók, akik megpróbáltak mindene lenni egy csapatnak, kudarcot vallanak. Ahhoz, hogy az ML kiaknázza a benne rejlő lehetőségeket, másként kell gondolkodnunk, hogy a sajátos üzleti igényeinknek megfelelő ML stacket hozzunk létre.

Az elfogultság túlzásba vitt: Az elfogultság olyan fogalom, amely sok figyelmet kap – és az AI Bill of Rights-ban továbbra is több lesz – ez nem olyan dolog, amivel sok ML-gyakorló foglalkozik nap mint nap. Természetesen számolnak ezzel, de a megbízható ML-gyakorlók megértik a problémákat, és tudják, mit kell tenniük annak elkerülése érdekében, hogy az elfogultság hátrányosan befolyásolja az eredményeket.

Jonas Kubilius a Oxylabs Tanácsadó Testület a Generatív AI-n
Jonas Kubilius, a Three Thirds társalapítója és vezérigazgatója, valamint az Oxylabs Tanácsadó Testületének tagja arra számít, hogy a Stable Diffusion, a GPT-3, a GitHub Copilot és más tartalomgenerálási technikák egyre jövedelmezőbb termékekké válnak, amelyeket a fejlesztők és tartalomkészítők használnak a valóságban. világ alkalmazások. Hozzátette, hogy megnőtt az érdeklődés a multimodális modellek iránt, amelyek több feladathoz is képesek szöveget, képeket, hangot és egyéb bemeneteket kezelni.

„Előfordulni fog a mesterséges intelligencia statikus feladatokhoz, például osztályozáshoz való használata helyett a nyelvi modellek által vezérelt interaktív munkafolyamatok felé, amelyek segítenek az embereknek feladataik hatékonyabb elvégzésében” – mondta Kubilius.

Peter Mattson, elnöke MLCommons, nyilvános adatkészletekről
„A multimodális és párbeszédes mesterségesintelligencia körüli új, igényes kutatási kihívások kombinációjával kell szembenéznünk, a jelenlegi nyilvános adatkészletekben található webes adatokkal kapcsolatos jogi, etikai és méltányossági aggályok mellett. Az iparág egészének is jobban kell támogatnia nemcsak a kutatást, hanem a széles körben elterjedt ML-alkalmazásokat és az új szabályozásokat is (pl. ipari minőségű tesztkészletek révén).

A „nyilvános adatok következő generációjának” támogatása érdekében Mattson előrejelzése szerint erőteljes befektetésekre lesz szükség az adatkészletekbe a legégetőbb társadalmi és technikai problémák megoldására, és ezt a befektetést a nyílt forráskódú infrastruktúrán keresztül kell átirányítani, amely lehetővé teszi az egész közösség számára, hogy hozzájáruljon és felülvizsgálja. az adat.

Moses Guttmann, az MLOps platform vezérigazgatója és társalapítója ClearML, az ML Trends to Watch oldalon

Automatizálás és az ML készségek hiánya Habár rengeteg vezető technológiai vállalat jelentett be elbocsátásokat 2022 második felében, valószínűleg egyikük sem bocsátja el legtehetségesebb gépi tanulással foglalkozó munkatársait. Ahhoz azonban, hogy kitöltsék az űrt… a mélyen technikai csapatok előtt, a vállalatoknak még tovább kell hajolniuk az automatizálás felé, hogy fenntartsák a termelékenységet és biztosítsák a projektek befejezését. Arra számítunk, hogy az ML technológiát használó vállalatok több rendszert telepítenek a teljesítmény figyelésére és irányítására, és több adatvezérelt döntést hoznak az ML vagy adattudományi csapatok kezelésével kapcsolatban.

Az ML Talent Hoarding véget ért  Az ML dolgozóinak elbocsátása valószínűleg a legutóbbi alkalmazottak között van, szemben a hosszabb távú ML személyzettel…. Mivel az ML és a mesterséges intelligencia elterjedtebb technológiává vált az elmúlt évtizedben, sok nagy technológiai vállalat kezdett ilyen típusú munkavállalókat felvenni, mert képesek voltak kezelni a pénzügyi költségeket és távol tartani őket a versenytársaktól – nem feltétlenül azért, mert szükség volt rájuk. (Tehát) nem meglepő, hogy ennyi ML-munkást elbocsátanak… Azonban ahogy az ML tehetségek felhalmozásának korszaka véget ér, ez az innováció új hullámát és az induló vállalkozások lehetőségét nyithatja meg. Mivel rengeteg tehetség keres most munkát, valószínűleg sok ilyen embert látni fogunk, akik kikerülnek a nagy technológiából, és kis- és középvállalkozásokba vagy induló vállalkozásokba kezdenek.

ML projekt prioritások meghatározása  Úgy látom, hogy a gépi tanulási projektek két típusra oszlanak: eladható szolgáltatások, amelyekről a vezetés úgy gondolja, hogy növelik az eladásokat és nyernek a versenytársakkal szemben, valamint bevételoptimalizálási projektek… Az eladható funkcióprojekteket valószínűleg elhalasztják, mivel nehéz gyorsan kikerülni, és ehelyett , a most kisebb ML csapatok inkább a bevételoptimalizálásra fognak összpontosítani, mivel ez valódi bevételt generálhat. A teljesítmény ebben a pillanatban minden üzleti egység számára elengedhetetlen, és az ML nem mentes ez ellen.

Egységes ML  Az MLOps elfogadását lassító egyik tényező a pontmegoldások tömkelege. Ez nem azt jelenti, hogy nem működnek, hanem azt, hogy esetleg nem illeszkednek jól egymáshoz, és hézagokat hagynak a munkafolyamatban. Emiatt szilárd meggyőződésem, hogy 2023 az az év, amikor az iparág az egységes, végpontokig modulokból felépülő platformok felé halad, amelyek egyenként használhatók és egymással is zökkenőmentesen integrálhatók (valamint könnyen integrálhatók más termékekkel) . Ez a fajta platform-megközelítés az egyes komponensek rugalmasságával olyan agilis tapasztalatot nyújt, amelyet a mai szakemberek keresnek. Könnyebb, mint ponttermékeket vásárolni és összefoltozni; gyorsabb, mint saját infrastruktúrát a semmiből felépíteni (amikor ezt az időt modellek készítésére kell fordítania)…

NVIDIA számos előrejelzést kínált a mesterséges intelligencia és a gépi tanulás számos területén:

Anima Anandkumar, az ML kutatás igazgatója és Bren professzor a Caltechnél
A digitális ikrek fizikailag: Nagyszabásúakat fogunk látni digitális ikrek összetett és többléptékű fizikai folyamatok, például időjárási és éghajlati modellek, szeizmikus jelenségek és anyagtulajdonságok. Ez akár milliószorosára is felgyorsítja a jelenlegi tudományos szimulációkat, és új tudományos felismeréseket és felfedezéseket tesz lehetővé.

Generalista AI-ügynökök: A mesterséges intelligencia ügynökei nyílt végű feladatokat oldanak meg természetes nyelvi utasításokkal és nagy léptékű megerősítő tanulással, miközben az alapmodelleket – azokat a nagyméretű mesterséges intelligencia modelleket, amelyek nagy mennyiségű címkézetlen adatra vannak kiképezve – lehetővé teszik az ügynökök számára, amelyek képesek bármilyen típusú kérést elemezni, és idővel alkalmazkodni az új típusú kérdésekhez.

Manuvir Das, a vállalati számítástechnikáért felelős alelnök
Szoftverfejlesztések End AI Silók: A vállalatoknak régóta választaniuk kell a felhőalapú számítástechnika és a hibrid architektúrák között a mesterséges intelligencia kutatására és fejlesztésére – ez a gyakorlat elfojthatja a fejlesztők termelékenységét és lassíthatja az innovációt.

2023-ban a szoftverek lehetővé teszik a vállalkozások számára, hogy egyesítsék az AI-csővezetékeket az összes infrastruktúratípuson, és egyetlen, összekapcsolt élményt nyújtsanak a mesterséges intelligencia gyakorlóinak. Ez lehetővé teszi a vállalkozások számára, hogy a költségek és a stratégiai célok között egyensúlyba kerüljenek, függetlenül a projekt méretétől vagy összetettségétől, és gyakorlatilag korlátlan kapacitáshoz való hozzáférést biztosít a rugalmas fejlesztés érdekében.

A generatív AI átalakítja a vállalati alkalmazásokat: A generatív mesterséges intelligencia körüli hírverés 2023-ban valósággá válik. Ennek az az oka, hogy a valódi generatív AI alapjai végre a helyükön vannak, olyan szoftverrel, amely képes a nagy nyelvi modelleket és ajánlórendszereket olyan éles alkalmazásokká alakítani, amelyek túlmutatnak a képeken, és intelligensen válaszolnak a kérdésekre, tartalmat hozhatnak létre, sőt felfedezéseket gyújtani…

Kimberly Powell, Egészségügyi alelnök
Sebészet 4.0: A repülésszimulátorok pilóták képzésére és új repülőgép-irányítás kutatására szolgálnak. Ugyanez igaz most a sebészekre és a robotsebészeti eszközöket gyártókra is. A digitális ikrek, amelyek minden léptékben képesek szimulálni, a műtői környezettől az orvosi robotig és a páciens anatómiájáig, új utat törnek a személyre szabott sebészeti próbákon, valamint a mesterséges intelligencia által vezérelt emberi és gépi interakciók tervezésében. A hosszú rezidensek nem az egyetlen módja annak, hogy tapasztalt sebészt állítsanak elő. Sokan szakértő operátorokká válnak, amikor végrehajtják az első robot-asszisztált műtétet egy valódi páciensen.

Danny Shapiro, autóipari alelnök
Autonóm járművek képzése a metaverzumban: Az autonóm járműveket fejlesztő több mint 250 autó- és teherautó-gyártó, startup, közlekedési és mobilitási szolgáltató korunk egyik legösszetettebb mesterségesintelligencia-kihívásával küzd. Egyszerűen nem lehetséges minden olyan forgatókönyvvel találkozni, amelyet meg kell tudniuk kezelni az úton történő teszteléssel, ezért 2023-ban az iparág nagy része a virtuális világhoz fordul segítségért. A közúti adatgyűjtést virtuális flották egészítik ki, amelyek adatokat generálnak a betanításhoz és az új funkciók teszteléséhez a telepítés előtt. A nagy pontosságú szimuláció az autonóm járműveket gyakorlatilag végtelen számú forgatókönyvön és környezeten keresztül futtatja…

Rev Lebardedian, az Omniverzum és a szimulációs technológia alelnöke
A Metaverse univerzális fordító: Ahogy a HTML a 2D web szabványos nyelve, Univerzális jelenetleírás a tervek szerint a 3D web legerősebb, bővíthető és nyílt nyelvévé válik. A virtuális világok metaverzumbeli leírásának 3D-s szabványaként az USD lehetővé teszi a vállalkozásoknak, sőt a fogyasztóknak is, hogy a legzökkenőmentesebben és legkövetkezetesebben mozogjanak a különböző 3D-s világok között különböző eszközök, nézők és böngészők segítségével.

Ronnie Vasishta, távközlési alelnök
A kábel elvágása AR/VR 5G hálózaton keresztül: Míg sok vállalkozás a felhőbe költözik hardver- és szoftverfejlesztés céljából, az élvonalbeli tervezés és együttműködés is növekedni fog, ahogy az 5G hálózatok egyre teljesebbé válnak világszerte. Az autóipari tervezők például kiterjesztett valóságú fejhallgatókat vehetnek fel, és ugyanazt a tartalmat streamelhetik vezeték nélküli hálózaton keresztül kollégáiknak szerte a világon, felgyorsítva az együttműködésen alapuló változásokat és rekordsebességgel fejlesztve innovatív megoldásokat. Az 5G emellett az összekapcsolt robotok felgyorsulását eredményezi az iparágakban – a boltok polcainak feltöltésére, a padlók tisztítására, a pizzák szállítására, valamint az áruk szedésére és becsomagolására a gyárakban.

Bob Pette, a professzionális vizualizációért felelős alelnök
Ipari forradalom szimulációval: A fizikai világban felépített mindent először egy virtuális világban szimulálnak, amely engedelmeskedik a fizika törvényeinek. Ezek a digitális ikrek – beleértve a nagyszabású környezeteket, például gyárakat, városokat, sőt az egész bolygót – és az ipari metaverzum a digitális átalakulási kezdeményezések kritikus elemeivé válnak. Példák már bővelkednek: a Siemens új szintre emeli az ipari automatizálást. A BMW teljes gyári emeleteket szimulál a gyártási folyamatok optimális tervezése érdekében. A Lockheed Martin az erdőtüzek viselkedését szimulálja, hogy előre jelezze, hol és mikor kell bevetni az erőforrásokat. A DNEG, a SONY Pictures, a WPP és mások a termelékenységet növelik a globálisan elosztott művészeti részlegeken keresztül, amelyek lehetővé teszik az alkotók, művészek és tervezők számára, hogy gyakorlatilag valós időben ismételjék meg a jeleneteket.

A vállalati informatikai architektúra újragondolása: Ugyanúgy, ahogy sok vállalkozás törekedett arra, hogy kultúráját és technológiáját a hibrid munka kihívásaihoz igazítsa, az új év sok vállalat teljes informatikai infrastruktúrájának újraépítését hozza magával. A vállalatok olyan hatékony klienseszközöket keresnek, amelyek képesek megfelelni az alkalmazások és az összetett adatkészletek egyre növekvő igényeinek. És alkalmazkodni fognak a rugalmassághoz, és áttérnek a felhőbe az exponenciális skálázás érdekében. Az elosztott számítástechnikai szoftverplatformok bevezetése lehetővé teszi a globálisan szétszórt munkaerő számára, hogy együttműködjön és produktív maradjon a legkülönbözőbb munkakörnyezetekben is.

Hasonlóképpen, az összetett mesterségesintelligencia-modell-fejlesztés és -képzés hatékony számítási infrastruktúrát igényel az adatközpontban és az asztalon. A vállalkozások különböző ipari felhasználási esetekre összeállított mesterségesintelligencia-szoftvereket fognak megvizsgálni, hogy megkönnyítsék számukra a mesterséges intelligencia beillesztését munkafolyamataikba, és gyorsabban magasabb minőségű termékeket és szolgáltatásokat nyújtsanak az ügyfeleknek.

Azita Martin, a AI kiskereskedelmi és fogyasztói termékek csoportjának alelnöke
AI az ellátási láncok optimalizálásához: Még a legkifinomultabb kiskereskedőknek és e-kereskedelmi cégeknek is gondot okozott az elmúlt két évben a kereslet és a kínálat egyensúlyának megteremtése. A fogyasztók a világjárvány idején szívesen vásároltak otthonról, majd a zárlatok feloldása után visszaözönlöttek a hagyományos üzletekbe. Az infláció elérése után ismét változtattak vásárlási szokásaikon, így az ellátási lánc menedzserei is beálltak. A mesterséges intelligencia gyakoribb és pontosabb előrejelzést tesz lehetővé, biztosítva, hogy a megfelelő termék a megfelelő időben a megfelelő boltban legyen. A kereskedők emellett útvonal-optimalizáló szoftvert és szimulációs technológiát is alkalmaznak majd, hogy holisztikusabb képet nyújtsanak a lehetőségekről és a buktatókról.

Malcolm deMayo, pénzügyi szolgáltatásokért felelős alelnök
Cloud-First a pénzügyi szolgáltatásokhoz: A bankoknak új követelményük van: legyetek gyorsak. A nem hagyományos pénzintézetek növekvő versenyével, az ügyfelek más iparágakban szerzett tapasztalataikból fakadó változó elvárásaival és az örökölt infrastruktúrával megtapasztalva a bankok és más intézmények a felhő-első mesterséges intelligencia megközelítést fogják alkalmazni. De mivel egy erősen szabályozott iparág, amely működési rugalmasságot igényel, ami azt jelenti, hogy a rendszerei képesek elnyelni és túlélni a sokkokat (például a világjárványt), ezért a bankok nyitott, hordozható, keményített, hibrid megoldásokat keresnek. Ennek eredményeként a bankok kötelesek támogatási megállapodást vásárolni, ha rendelkezésre állnak.

David Reber, biztonsági igazgató
Az adattudósok az Ön új kibereszközei: A hagyományos kiberszakemberek már nem tudnak hatékonyan védekezni a legkifinomultabb fenyegetésekkel szemben, mivel a támadások és a védekezés sebessége és összetettsége gyakorlatilag meghaladta az emberi kapacitást. Az adattudósok és más humán elemzők mesterséges intelligencia segítségével fogják objektíven megvizsgálni az összes adatot és felfedezni a fenyegetéseket. Sérülések várhatók, így a mesterséges intelligenciát és az embereket használó adattudományi technikák segítenek megtalálni a tűt a szénakazalban, és gyorsan reagálni fognak.

Kari Briski, a mesterséges intelligencia és a HPC szoftver alelnöke
A címkézetlen adatok megtalálják a céljukat: A nagy nyelvi modellek és a strukturált adatok kiterjednek majd a fényképek, hangfelvételek, tweetek és egyebek körére is, hogy rejtett mintákat és nyomokat találjanak az egészségügyi áttörések, a tudomány fejlődése, a jobb ügyfelek bevonása és még az önvezető közlekedés terén elért jelentős előrelépések támogatása érdekében. 2023-ban mindezen strukturálatlan adatok hozzáadása segít a neurális hálózatok fejlesztésében, amelyek például szintetikus profilokat generálhatnak, hogy utánozzák az általuk tanult egészségügyi rekordokat. Ez a fajta felügyelt gépi tanulás ugyanolyan fontossá válik, mint a felügyelt gépi tanulás.

Az új Call Center: Tartsa szemmel a call centert 2023-ban, ahol az egyre könnyebben megvalósítható beszéd-AI-munkafolyamatok bevezetése üzleti rugalmasságot biztosít az ügyfél-interakció folyamatának minden lépésében – a modellarchitektúrák módosításától a védett adatokon alapuló modellek finomhangolásáig és a folyamatok testreszabásáig. Ahogy a beszéd mesterséges intelligencia munkafolyamatainak hozzáférhetősége bővül, a vállalati elterjedtség bővülése és a call center hatékonyságának óriási növekedése tapasztalható a megoldáshoz szükséges idő felgyorsításával. A mesterséges intelligencia segít az ügynököknek, hogy a megfelelő információkat a megfelelő időben hozzák ki a hatalmas tudásbázisból, minimalizálva ezzel az ügyfelek várakozási idejét.

Deepu Talla, a beágyazott és éles számítástechnikáért felelős alelnök
A robotok millió életet kapnak: Több robotot képeznek ki a virtuális világokban, mivel a fotorealisztikus renderelés és a pontos fizikai modellezés ötvöződik azzal a képességgel, hogy párhuzamosan szimulálják a robotok több millió példányát a felhőben lévő GPU-kon. A generatív mesterséges intelligencia technikák megkönnyítik a rendkívül valósághű 3D szimulációs forgatókönyvek létrehozását, és tovább gyorsítják a szimulációs és szintetikus adatok átvételét a képességesebb robotok fejlesztéséhez.

 Marc Spieler, energiaügyi vezető igazgató
AI által hajtott energiahálózat: Ahogy a hálózat egyre összetettebbé válik az elosztott energiaforrások hozzáadásának példátlan aránya miatt, az elektromos közműszolgáltató cégeknek szélső mesterséges intelligencia lesz szüksége a működési hatékonyság javítására, a funkcionális biztonság növelésére, a terhelés és a kereslet előrejelzésének pontosabbá tételére, valamint a megújuló energia csatlakozási idejének felgyorsítására. , mint a nap és a szél. A szélén lévő mesterséges intelligencia növeli a hálózat rugalmasságát, miközben csökkenti az energiapazarlást és a költségeket.