編者按：無論是打敗世界冠軍的 AlphaGo，還是百度無人駕駛、阿里和騰訊的人工智能都在使用 NVIDIA 的芯片組，它在人工智能領(lǐng)域扮演著大腦的角色。無論軟件公司研究出多么先進(jìn)的算法，最終都需要處理器來進(jìn)行運(yùn)算，沒有它們的支持，人工智能的良性發(fā)展也就無從談起。

最近，NVIDIA 深度學(xué)習(xí)部門總經(jīng)理 Jim McHugh 接受了國外媒體 InsideBigdata 的訪談。從他在 2016 年紐約 Strata + Hadoop World 大會上的發(fā)言開始談起，Jim 講述了他對 AI 驅(qū)動下的大數(shù)據(jù)之路的總體理解以及 NVIDIA 公司的戰(zhàn)略發(fā)展前景。文章原標(biāo)題為 《 Interview: Jim McHugh, GM of the Deep Learning Group at NVIDIA 》，作者 Daniel D. Gutierrez 。由雷鋒網(wǎng)編譯而成，未經(jīng)許可，不能轉(zhuǎn)載。

NVIDIA 深度學(xué)習(xí)部門總經(jīng)理 Jim McHugh，圖源：siliconangle

Jim McHugh 是 NVIDIA 深度學(xué)習(xí)部門的靈魂人物，在他的領(lǐng)導(dǎo)下，NVIDIA 推出了全球首款單機(jī)箱深度學(xué)習(xí)超級 AI 計(jì)算機(jī) DGX-1。他的職責(zé)包括產(chǎn)品管理、產(chǎn)品營銷以及提供合作伙伴解決方案。Jim 專注于為數(shù)據(jù)中心提供一些基于 GPU 的計(jì)算戰(zhàn)略。作為市場商業(yè)執(zhí)行、技術(shù)領(lǐng)導(dǎo)者，他已經(jīng)有 25 年的實(shí)戰(zhàn)經(jīng)驗(yàn)，包括在蘋果、思科等大公司擔(dān)任重要職位的經(jīng)歷。Jim 對商業(yè)驅(qū)動因素、AI 驅(qū)動下的技術(shù)和產(chǎn)品，以及市場/客戶動態(tài)有著深刻的見解。以下為本次訪談具體內(nèi)容：

記者：

請簡要介紹一下 NVIDIA 在本次會議上做的事情，并且就此次大會中所探討的問題發(fā)表下見解。

Jim McHugh：

這對我們來說是件有趣的事情。昨天我在 O'Reilly 國際聯(lián)盟舉辦的人工智能研討會上發(fā)表了一個主題演講。來自世界各地的 AI、大數(shù)據(jù)領(lǐng)域的學(xué)者和專家都參與了這次會議的探討。谷歌在這方面很有代表性，我們已經(jīng)有人正在關(guān)注人工智能的道德倫理問題。在這里，我們都在探討一種 “加速數(shù)據(jù)分析”的概念以及它能夠如何改變我們現(xiàn)在的人工智能格局。

說到這個，我不得不提到 Kinetica、MapD、SQream 和 BlazingDB 數(shù)據(jù)庫以及一些分析組件。它們能夠讓你在幾毫秒中完成運(yùn)算。通常情況下，人們進(jìn)行每次搜索時大概需要花費(fèi)十幾秒的時間才能得到答案，而現(xiàn)在，我們探討的是能讓你在幾毫秒中完成對一個界面的數(shù)十次的搜索查詢。以前，你花費(fèi) 10 幾秒的時間搜索查詢所使用的很可能是 x86 處理器。而現(xiàn)在，人們無法想象我們的數(shù)據(jù)分析能力有多快。它真正地改變了一些東西，并且確實(shí)克服了人們在很長一段時間內(nèi)在大數(shù)據(jù)領(lǐng)域遇到的瓶頸問題。

記者：

除了本次大會。你還參加過其他什么會談嗎？

Jim McHugh：

現(xiàn)在的格局是在不斷變化的，我覺得這讓人興奮。在過去兩年，分布式平臺 Hadoop 的出現(xiàn)，還有 Spark 的誕生都是這個領(lǐng)域的大事。人們試圖使數(shù)據(jù)分析變得更快，但我認(rèn)為他們?nèi)匀皇艿揭恍┳璧K——如果你只是干坐著等一分鐘，然后再繼續(xù)下一個搜索，人們就會感到厭煩。所以，我只是覺得這個領(lǐng)域（加速數(shù)據(jù)分析）很容易吸引眾人的眼球。他們會說，“哇，你真能讓我搜索得更快嗎？”這意味著，搜素的速度就和你在開始時的思考速度幾乎一樣。更重要的是，這種搜索能夠帶給你更多可以去嘗試的東西，而不只是試圖回答你的問題。事實(shí)上，你正在進(jìn)行一種探索，這使得搜索功能變得很酷。

另一個方面是，我不知道你是否聽說過一個叫 Graphistry 的公司。他們是一個可視化的圖形公司，在這里，我們正在與他們合作進(jìn)行一些安全演示。該公司能夠查看到你的安全日志。比方說，當(dāng)你在使用安全日志分析時，你可以點(diǎn)擊 Graphistry，在幾行數(shù)字化代碼的幫助下，它立即可以讓你快速通過安全警報(bào)，然后你可以直觀地將這些成百上千的安全警報(bào)進(jìn)行自然的關(guān)聯(lián)，最終你就可以弄清楚這是否只是從防火墻或內(nèi)部排序掃描而形成的一些噪音。同樣，這也是非常有趣的，并且得到了很多人的關(guān)注。因?yàn)槿藗冇辛诉@些所有的警報(bào)日志之后就能夠做出一個安全報(bào)告。它實(shí)際上從可視化的角度更深層次地克服了盲點(diǎn)問題，并進(jìn)行了有效的分析處理。在 Graphistry 和我們的共同展示下，查看安全日志的方式已經(jīng)發(fā)生了改變。

記者：

在這個“AI 驅(qū)動下的數(shù)據(jù)分析”（AI driven analytics）領(lǐng)域，你如何看待 NVIDIA 合作伙伴的地位？

Jim McHugh：

我覺得在形容“ AI 驅(qū)動下的數(shù)據(jù)分析”領(lǐng)域時，用“前程似錦”這個時髦的詞再好不過了。人們正在使用大數(shù)據(jù)來獲取信息和進(jìn)行商業(yè)活動。同時，我也看到這些合作伙伴做的第一件事就是要將數(shù)據(jù)分析工具的速度提高。方程式的另一邊是成本問題，我們需要用最少的成本來完成加速計(jì)算的工作。當(dāng)我們在擴(kuò)展工具的時候會產(chǎn)生一部分的隱性成本，但我們不能只是使用更多的計(jì)算機(jī)設(shè)備來完成它，我需要大量的排氣扇、互連線，機(jī)箱，這些所有的硬件或者技術(shù)。這就是為什么我們要尋求合作伙伴的原因。

第二步，我們要更加關(guān)注深度學(xué)習(xí)。深度學(xué)習(xí)的時代已經(jīng)洶涌而至，它正在改變一切。人們想在進(jìn)入某個特定的行業(yè)之前，就想知道深度學(xué)習(xí)是如何使得這個領(lǐng)域走在前列的。他們用圖表分析的方法來理解數(shù)據(jù)。所以，你要想弄明白這兩者的相關(guān)性，就必須獲取 100 倍以上的數(shù)據(jù)。數(shù)據(jù)會告訴你它是如何理解這個領(lǐng)域的。因此，我們讓一些應(yīng)用程序允許你對數(shù)據(jù)進(jìn)行追蹤，成為你每天的商務(wù)分析師。如果你想了解更多，我覺得 Graphistry 提供了一個很好的方式。

因此，我所說的是兩個不同的方面。首先，他們先對數(shù)據(jù)獲取的方式加速，第二步，給到你一個可視化組件。最后一步就要考慮這些如何與人工智能進(jìn)行融合。我已經(jīng)沿著這些步驟與 MAPD 和 Kinetica 進(jìn)行了一些對話。目前，我們的合作伙伴正在探索人們到底能夠多大程度地對數(shù)據(jù)進(jìn)行加速，以及如今將其運(yùn)用到一些框架當(dāng)中。

記者：

你認(rèn)為現(xiàn)在走這條 AI 驅(qū)動下的數(shù)據(jù)分析之路還太早了嗎？可以舉一些例子來說明。

Jim McHugh：

我知道本公司的許多客戶已經(jīng)在使用這種模型，比如美國郵政，PGE，Verizon 公司，EMC 等。他們熱愛這種方式帶來的“加速度”。他們也說得很清楚——這種方法能節(jié)約成本。公司可以用節(jié)省下來的資金用于支付基礎(chǔ)設(shè)施和一些技術(shù)開發(fā)。讓我們停下來想一想，他們這樣做的原因是什么。如果你是零售商的一員，你會希望追蹤到庫存的所有狀況，從而快速地做出報(bào)告。而如果你在使用先前記憶的內(nèi)存數(shù)據(jù)庫，你就需要支付一筆昂貴的費(fèi)用對它進(jìn)行擴(kuò)展，否則查詢的速度會很慢。

現(xiàn)在我們已經(jīng)有許多案例來證明這一點(diǎn)。在這里，我們的展位已經(jīng)相當(dāng)擁擠，很多人愿意停下腳步來關(guān)注我們正在做的事情。說實(shí)話，我很喜歡 Strata + Hadoop World 大會，這是一個真正以客戶為中心來顯示的活動。它讓供應(yīng)商們面對面的交流，也讓觀眾能夠駐足觀看演示，詢問我們更多的信息。有意思的是，當(dāng)我們正在進(jìn)行深度學(xué)習(xí)相關(guān)的演示時，觀眾開始聚集了起來。這說明，人們對于大數(shù)據(jù)領(lǐng)域的 AI 和深度學(xué)習(xí)是有著濃厚的興趣的。

記者：

你能從現(xiàn)在看出一年后 NVIDIA 將如何走 AI 驅(qū)動下的數(shù)據(jù)分析之路嗎？

Jim McHugh：

哈哈，我知道，你希望從我口中聽到人們都在談?wù)摰倪@個口頭禪—— “AI 企業(yè)”。的確，這是一個非常合適的詞來形容我們現(xiàn)在的業(yè)務(wù)布局——利用人工智能和機(jī)器學(xué)習(xí)來處理數(shù)據(jù)、獲得信息。屬于 AI 的時代已經(jīng)到來。我相信，這也是我們進(jìn)入 zettabytes （澤字節(jié)，大容量的儲存容量單位）的一年。因此，我們的速度會更快。在大數(shù)據(jù)的洪流之中，人們在尋找新的方法來掌控自己的工作和生活。這也就是說，如果人們在看到數(shù)據(jù)類公司的展示時，他們更愿意停下腳步，然后會說，“ 嘿，我們可以用這個數(shù)據(jù)抓住更多的機(jī)會?！?strong>事實(shí)上，我們可以使訪問數(shù)據(jù)、獲取信息的速度更快，但我們要使用人工智能技術(shù)。NVIDIA 將開始使用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)，真正把數(shù)據(jù)的優(yōu)勢利用起來。這就是我們的心態(tài)。用戶不再覺得現(xiàn)在是處在一個“海量數(shù)據(jù)”的洪流當(dāng)中，而是對數(shù)據(jù)的需求如饑似渴——你對數(shù)據(jù)開始有著永不滿足的欲望，我認(rèn)為這就是我們要去的地方。

而大家對這件事的反應(yīng)也讓我們挺吃驚的。在我們這個行業(yè)里，不斷有人來對 NVIDIA 說，“我們需要加速！我們需要讓我們的應(yīng)用在 NVIDIA 幫助下加速！我們需要 GPU 加速！”因?yàn)閭鹘y(tǒng)的處理器速度更新頻率并不高。事實(shí)上，我們?nèi)碌募軜?gòu)已經(jīng)在給 GPU 進(jìn)行加速，但是你要知道這個生態(tài)系統(tǒng)并不能使這樣的更新經(jīng)常發(fā)生。而問題的關(guān)鍵在于“ 我們?nèi)绾渭铀?？我們?nèi)绾卫?GPU 的優(yōu)勢？它怎么才能完成目標(biāo)？“ 只有這些問題解決了，才會真正到達(dá)“加速”的轉(zhuǎn)折點(diǎn)。上個月，NVIDIA 總裁黃仁勛在 GTC 大會上說過，深度學(xué)習(xí)作為全新的計(jì)算模型正在改變計(jì)算的方方面面，它不僅改變了軟件開發(fā)的方式、開發(fā)地點(diǎn)和運(yùn)行方法，還在改變著服務(wù)器架構(gòu)、數(shù)據(jù)中心和智能設(shè)備。而這一切都在 GPU 的幫助下，才能實(shí)現(xiàn)數(shù)據(jù)中心吞吐量最大化。我覺得這個理論很有趣。近兩年，深度學(xué)習(xí)的發(fā)展迅速，而現(xiàn)在，是時候讓人們意識到人工智能驅(qū)動下的大數(shù)據(jù)分析時代已經(jīng)到來了。

 Via insidebigdata

推薦閱讀：

為何大數(shù)據(jù)公司很多，AI公司卻很少？

五分鐘讀完美國白皮書：為了人工智能的未來，政府都做了哪些準(zhǔn)備？

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。