Les différents produits graphiques dévoilés hier par Nvidia a l'occasion de la GPU Technology Conference qui se déroule à San José en Californie pourraient accélérer les processus de machine learning et faire baisser leur coût. À commencer par la carte graphique GeForce GTXTitan Z, vendue 3000 dollars HT, qui comporte 5760 coeurs CUDA (2 GPU Kepler de 2880 coeurs), 12 Go de mémoire et affiche une performance de 8 téraflops. Comme l'a déclaré Jen-Hsun Huang, le CEO de Nvidia, la Titan Z, que l'on peut installer dans un ordinateur de bureau standard, est la « carte graphique la plus puissante jamais produite par Nvidia ». « Ses performances sont tout simplement phénoménales », a-t-il ajouté lors du discours d'ouverture. A part le calcul intensif, elle pourrait être utilisée par les plateformes de jeux pour offrir de l'« ultra-haute définition ».

Le dirigeant a également dévoilé un kit de développement nommé Jetson TK1, qualifié de « plus petit supercalculateur du monde ». Jetson TK1 est un prototype de carte basé sur la puce Tegra K1. Il sera fourni avec Linux, des outils et des modèles de programmation. Les développeurs pourront utiliser ce prototype pour écrire des applications destinées à reconnaître des objets et identifier des structures. Nvidia espère également que son kit de développement va inciter plus de développeurs mobiles à se tourner vers la programmation parallèle CUDA. Pour l'instant, Nvidia n'a pas dit à quel moment la carte Titan Z et le kit de développement Jetson TK1 seraient disponibles.

En route vers l'apprentissage automatique des ordinateurs

L'intelligence artificielle sera plus efficace si elle s'appuie sur des processeurs graphiques plus rapides. « Ces derniers pourraient aider les ordinateurs à apprendre et à restituer des résultats plus rapidement », a affirmé Jen-Hsun Huang. On pourrait par exemple confier des tâches de reconnaissance d'image, de reconnaissance faciale et de recherche vidéo à des clusters de cartes graphiques. Ils seraient capables de traiter de grandes quantités de données, et pourraient fournir des résultats plus rapidement.

Google mène actuellement une expérience d'apprentissage automatique (machine learning) du nom de « Google Brain » laquelle consiste à identifier toutes les vidéos YouTube où apparaissent des chats. L'expérience met en oeuvre un réseau neuronal de 1 milliard de connexions réparties sur 16 000 coeurs. « Aujourd'hui, il serait possible de faire cette expérience avec trois ordinateurs équipés d'une carte Titan Z pour un coût de 12 000 dollars HT et une consommation d'énergie de 2000 kilowatts seulement », a déclaré le CEO de Nvidia.

Adobe utilise déjà l'apprentissage automatique pour moduler plus finement ses services cloud en fonction des besoins des utilisateurs. Le supercalculateur Baidu basé en Chine utilise des GPU pour la reconnaissance vocale et la traduction en temps réel sur les téléphones mobiles. Selon Jen-Hsun Huang, « nous ne sommes pas loin du traducteur universel de Star Trek ».