最近，技术公司和投资者不断向AI领域注资，芯片制造商 Nvidia 也因此受益颇丰。该公司已经开始为机器学习算法开发定制硬件，用于包括自动驾驶在内的许多实例，公司收入也将随之攀升。
近日，在 Nvidia 位于美国加州圣何塞的年度开发者大会上，黄仁勋谈到了机器学习的革命将会如何开始，下面是对采访的精华整理。
Will Knight：Nvidia在人工智能井喷式的投资中受益，机器学习在实例中的应用能否同样持续高速发展？
黄仁勋：我们很早就开始此项研究，即便现在，世界上使用 AI 代码的企业仍然是凤毛菱角。这种现象在互联网服务公司中很常见，有两三家公司遥遥领先，而身后则有一大批跟随者紧紧追赶。
不过，我相信在未来，如同软件应用于世界各个角落，AI技术也必将广泛应用于各个软件中。
Will Knight：接下来，机器学习将会改变哪些行业？
黄仁勋：汽车制造业将是其中之一，此次大会有10家世界顶级的汽车公司参与，可见一斑；另外是医疗保健行业，这将会给社会带来巨大影响，以往医疗信息十分混乱，而现在使用计算机帮助理解，这将使医生的诊断和预测更为准确。
最近的研究将机器学习应用于诊断，取得了显著效果。不过，监管部门如何测试、是否支持这些新型系统，目前还不清楚。
当我们论及AI技术如何改变人类生活时，会考虑很多监管方面的难题。但是，我们更不应忽视，这项技术产生的影响能使结果优化10倍甚至上千倍。
我对此十分有信心，合理的想法一定会实现这项技术的优点，将其应用在临床医生、放射科医生的工作中，也会为其带来诸多改善。Arterys公司最近获得了美国食品药物管理局（FDA）的许可，将AI技术应用于心脏核磁共振影像分析，而且，还有许多公司也在进行这方面的努力。
另外，在汽车中使用机器学习技术可能也会给监管部门带来难题。此前，Nvidia已经展示过一款软件，它可以仅仅通过观察人类驾驶来学会自动驾驶，不过这其中的原理工程师还不知晓，能否用于其他场景也不确定。
这种端对端的方法功能强大，前景诱人。我们真的有理由相信，假以时日，AI驾驶将会与人类驾驶类似，那时不必将问题一一分解，需要优化的只是到达时间而已。
将问题作为整体处理妥善是很大的挑战，然而，一旦某个环节出现问题，鉴于机器学习训练是整体进行的，修正将很困难。或许，我们仍需将问题分解为较小的模块。
Will Knight：据了解，你们的芯片已经用于驱动一些汽车，比如特斯拉，使用Nvidia的Drive PX 2计算机实现了自动驾驶的功能。这是否达到了硬件使用性能极限，能否完全实现自动驾驶功能？
黄仁勋：Drive PX 2是一个具有超大计算能力的计算平台，设计思路便是希望它有充足容量，并且可以随时间进行增强，满足软件不断更新的需求。
为了完全实现自主，即自动驾驶（无人驾驶），仍有许多的软件正在开发，其中还有许多未知，但我们一定会尽力解决问题。
Will Knight：如今，英特尔、谷歌还有其它几家公司都在开发芯片，希望加快机器学习速度。他们紧紧追赶，你们将如何保持领先？
黄仁勋：很多人意识到这个市场的重要性，我想这个市场还会继续扩大。我们将继续保持多年以来在GPU芯片上的投资，其中深度学习的预算将会达到25亿美元。而且，我们将努力使自己的构架有更广泛的应用，比如PC、服务器、云平台、汽车和机器人。
Will Knight：曾有研究人员说，制造的晶体管体积越来越小，功耗越来越高，从物理上，这将会减慢计算机处理器的研发升级速度，对此你表示赞同。但是，你仍然认为，Nvidia的芯片用于专用特例，还能够继续升级。但是，我们无法违背物理性，无限提升性能吧？
黄仁勋：毫无疑问，当然不行。目前我们正在做的是，用GPU代替低效的CPU。我的意思是说，在几十年以内，我们可以依靠此方法提升性能。
但是，到了一定时候，我们必须找到新的方法。我们公司有一个极其出色的工程团队，不断地突破设备的物理极限，同时我们还与优秀的制造商合作。我们群策群力，一定会找到好的方法。
原文发布时间为： 2017年5月16日
本文来自云栖社区合作伙伴至顶网，了解相关信息可以关注至顶网。
