Unidades de processamento gráfico da arquitetura Blackwell permitem avanços no uso da inteligência artificial em indústrias e serviços
Antes de tratar dos avanços do Blackwell, acho importante dar um contexto. A GTC é realizada desde 2009, em San Jose, na Califórnia, e sempre esteve mais focada nos desenvolvedores que trabalham com as tecnologias da empresa, para mostrar o potencial das ferramentas da Nvidia.
Desde então, o principal foco são os desafios da computação por meio de GPUs e as novidades anunciadas por Jensen, que usa suas tradicionais jaquetas de couro pretas.
Apesar da empresa existir desde 1993, foi no início dos anos 2000 que ela se destacou, justamente por ter inventado a GPU em 1999, que foi um divisor de águas para a indústria dos games e redefiniu a computação gráfica.
Outro ponto importante foi o ano de 2012, quando Alex Krizhevsky em colaboração com Ilya Sutskever e Geoffrey Hinton, conhecido como “Padrinho da IA“, usaram a plataforma de GPU voltada a games GeForce para otimizar o reconhecimento de imagens no AlexNet, uma arquitetura de rede neural convolucional, que se tornou fundamental para a IA, pois foi o início do chamado “Aprendizado Profundo”, ou Deep Learning.
Esse projeto foi desenvolvido na Universidade de Toronto e foi tão importante que é um dos mais citados na história da IA, já que foi treinado com imagens, o que originou uma infinidade de aplicações que usamos hoje, como por exemplo, o reconhecimento facial.
A iniciativa também ganhou o ImageNet Large Scale Visual Recognition Challenge, competição organizada pela maravilhosa professora de Stanford Fei-Fei Li.
Desde então, a Nvidia esteve presente na era da IA moderna, já que expandiu oficialmente seu escopo em 2006, permitindo que seus chips fossem utilizados em aplicações além de gráficos, colocando a empresa na vanguarda do desenvolvimento da inteligência artificial.
Por isso, o tema do keynote de Jensen neste ano não poderia ser outro.
De acordo com a apresentação de Jensen, as GPUs da arquitetura Blackwell são “o motor para impulsionar essa nova revolução industrial”. Elas contêm 208 bilhões de transistores e são fabricadas usando um processo TSMC 4NP personalizado.
São esses transistores, que funcionam como interruptores, que dão aos semicondutores a capacidade de processar informações, que, no caso da IA, é um número expressivo e, por isso, necessita de grande poder computacional. É aqui que o processo de treinamento é realizado, ou seja, a alimentação do software (IA) por dados.
É por meio desses dados que a IA aprende e consegue se adaptar a diferentes contextos, gerando outputs dos mais diversos, como acontece com a GenAI, ou inteligência artificial generativa.
Segundo a Nvidia, esse chip tem 2,5 vezes mais desempenho que o anterior, o chamado Hopper. Por conta do seu agrupamento em módulos de dezenas de chips, o Blackwell oferecerá eficiência energética 25 vezes maior (e, mesmo assim, é preciso muita energia, mesmo).
Tudo isso permitirá que o Blackwell GB200 consiga processar “modelos de trilhões de parâmetros“. Pra vocês terem uma ideia da evolução, o GPT-3 tinha 175 bilhões de parâmetros, e o GPT-4 tem aproximadamente 170 trilhões.
Todo esse poder computacional tinha que homenagear um matemático!
David Blackwell foi um estatístico e matemático, considerado o primeiro homem negro a ingressar na Academia Nacional de Ciências dos Estados Unidos. Ele é bastante conhecido nos campos da teoria dos jogos, teoria da informação e programação dinâmica.
Apesar de ter sido rejeitado em várias universidades por ser negro, foi finalmente aceito no Departamento de Matemática da Howard University em 1944.
Todos esses avanços no hardware, junto com a GenAI, estão permitindo uma série de avanços em todas as indústrias e setores de serviços.
Isso fica muito claro quando vemos robôs acelerarem suas tomadas de decisão, otimizando a logística, identificando falhas de processo ou de segurança, entre outras façanhas, sem depender de intervenção humana.
Na indústria, que já utiliza o Metaverso e gêmeos digitais para replicar suas plantas e fazer todo tipo de simulação, a IA passa a expandir o potencial dessas plataformas ao criar ambientes virtuais com total respeito às leis da física.
Um dos exemplos dados por Jensen foi um gêmeo digital em altíssima escala do planeta, o Earth 2 (Terra 2), com uma série de eventos meteorológicos processados por IA, que permitem melhorar todo o trabalho de previsões, por conta da precisão na simulação.
A empresa também afirma que a nova plataforma é 1.000 vezes mais rápida na geração de imagens preditivas do que os modelos atuais e 3 mil vezes mais eficiente em termos de energia, graças a um modelo generativo de IA chamado CorrDiff.
Outra aplicação que chamou bastante atenção foi revelada na apresentação de Maria Girone, diretora do OpenLab do CERN (organização europeia de pesquisa nuclear).
Ela falou sobre o uso de gêmeos digitais na ciência, que, por possibilitar a criação de réplicas dinâmicas de ativos físicos, auxilia a manutenção e a simulação de cenários de montagem dos detectores, além de ajudar nas intervenções subterrâneas, que, simuladas em um espaço virtual, ajudam na economia de custos, ganhos de eficiência e redução da exposição à radiação.
Outra novidade interessante foi a nuvem Nvidia Omniverse Cloud, que estará disponível como APIs, ampliando o alcance para a criação de aplicações e fluxos de trabalho de gêmeos digitais industriais em todo o ecossistema, permitindo que os desenvolvedores integrem as principais tecnologias do Omniverse diretamente nas aplicações de software.
Além da apresentação de Maria Girone, do CERN, chamou muito a atenção o bate-papo entre Fei-Fei Li e Bill Dally (VP de pesquisa da Nvidia).
Fei-Fei é uma mulher chinesa, professora de ciência da computação na Universidade de Stanford, entre outras várias atribuições. Como disse acima, ela é uma das responsáveis pela competição que expandiu o campo da visão computacional, área em que Fei-Fei é especialista.
Além de falar sobre seu livro, que só foi publicado em inglês por enquanto, “The Worlds I See: Curiosity, Exploration, and Discovery at the Dawn of AI“, ela narra, a partir de sua perspectiva de imigrante chinesa, todas as dificuldades enfrentadas por ela e sua família, e como isso influenciou a sua jornada e contribuição essencial para o desenvolvimento da inteligência artificial.
Ela chama a atenção para a responsabilidade coletiva que temos para direcionar o desenvolvimento e a utilização da IA, essencial para construir o futuro que desejamos juntos.
No final da sua fala, ela enfatizou a importância de não esquecermos da nossa humanidade, da nossa dignidade. Que nós, seres humanos, não somos apenas criadores de ferramentas, mas também tomadores de decisão sobre como usar as ferramentas.
No meio de tantos lançamentos, de tanto poder que foi apresentado, em todos os sentidos, a fala de Fei-Fei me trouxe esperança e otimismo de que, apesar dos rumos que estamos tomando e das pessoas que estão no controle desses rumos, nós todos ainda podemos influenciar a história.
