当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 黄仁勋:5年前,我们对AI抱有巨大期望

黄仁勋:5年前,我们对AI抱有巨大期望

来源:搜狐 2023-08-10 08:52:11 0浏览 收藏

欢迎各位小伙伴来到golang学习网,相聚于此都是缘哈哈哈!今天我给大家带来《黄仁勋:5年前,我们对AI抱有巨大期望》,这篇文章主要讲到等等知识,如果你对科技周边相关的知识非常感兴趣或者正在自学,都可以关注我,我会持续更新相关文章!当然,有什么建议也欢迎在评论留言提出!一起学习!

英伟达(Nvidia)创始人兼 CEO 黄仁勋(Jensen Huang)在洛杉矶的 SIGGRAPH 大会上发表了主题演讲,他指出,该公司在2018年做出了一个至关重要的商业决策,这将重新定义其未来并促进行业的不断发展

黄仁勋:5年前,我们对AI抱有巨大期望

IT之家注意到,黄仁勋在演讲中回顾了五年前的那个关键时刻,即选择采用光线追踪(ray tracing)和智能渲染的AI处理图像方式,即RTX和DLSS技术。他指出:“我们认识到光栅化已经达到了极限。”光栅化是传统且广泛应用于渲染3D场景的方法。“2018年是一个决胜时刻,迫使我们重新发明硬件、软件和算法。当我们用AI重新定义计算机图形学时,我们也在重新定义GPU在AI中的应用。”

尽管光线追踪和DLSS在消费级GPU和游戏领域的采用过程中仍在逐步进行,但他们的架构与不断增长的机器学习开发社区完美契合。为了训练更大、更复杂的生成模型,需要大量的计算资源,而像H100这样从一开始就设计为可扩展执行必要操作的系统能够提供这种资源。可以说,在某种程度上,AI开发只受到计算资源可用性的限制

黄仁勋坚称,这只是个开始,新的模型需要被数以百万计甚至数以十亿计的用户定期实时运行,不仅需要进行训练。他表示,未来的大型语言模型将在几乎所有领域都处于前沿地位,人类将成为一种新的编程语言。黄仁勋推测,从视觉效果到快速数字化的制造业、工厂设计和重工业等领域都将在某种程度上采用自然语言界面。他说:“整个工厂将由软件定义和机器人化,并且它们所建造的汽车本身也将是机器人化的。因此,这是机器人设计机器人建造机器人。”

黄仁勋没有涉及到AI所面临的挑战和监管问题

到这里,我们也就讲完了《黄仁勋:5年前,我们对AI抱有巨大期望》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!

版本声明
本文转载于:搜狐 如有侵犯,请联系study_golang@163.com删除
微软 Azure AI 文本转语音服务升级:新增男性声音和扩展语言支持微软 Azure AI 文本转语音服务升级:新增男性声音和扩展语言支持
上一篇
微软 Azure AI 文本转语音服务升级:新增男性声音和扩展语言支持
梦想超越极限!李想雄心壮志,力争下一年成为销量冠军,与BBA车企竞争
下一篇
梦想超越极限!李想雄心壮志,力争下一年成为销量冠军,与BBA车企竞争
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    408次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    485次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    494次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    442次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    269次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码