はてなブックマーク

NVIDIA、NTTドコモと協力し世界に先駆けて GPU アクセラレーテッド 5G ネットワーク オープン RANを構築 by Soma Velayutham · September 27, 2023 高性能なソフトウェア デファインド無線ネットワークを日本に展開 生成 AI に対する高い関心が多くの企業の役員を席巻する中、世界の通信会社は、5G や今後登場する 6G ネットワークを通じて、こうした多くの新しい AI アプリケーションをエッジにコスト効率よく提供する方法を模索しています。 通信事業者は、2025 年までに世界中で 1,700 万以上の 5G のマイクロセルやタワーを配備する計画です。これにより、サービス品質を維持し、顧客体験を最大化しながら、新しいインフラを構築、管理、最適化することは、業界の次なる大きな課題です。 本日、NTTドコモ (以下、ドコモ) はGPU アクセラレ

高解像度の 3D シーンを数秒で学習し、そのシーンの画像を数ミリ秒でレンダリング可能なニューラル レンダリング モデル、Instant NeRFを開発 インスタント写真が初めて撮影されたのは 75 年前、ポラロイド カメラによるものでした。その当時、3D の世界をリアルな 2D 画像で素早くキャプチャするのは画期的なことでした。現在、AI の研究者が取り組んでいるのはその逆のこと、つまり、複数の静止画像を数秒でデジタル 3D シーンに変換することです。 インバース レンダリングというこのプロセスは、AI を使用して現実世界での光の動き方を推定するもので、研究者はこのプロセスを利用してさまざまなアングルで撮影された数枚の 2D 画像から 3D シーンを再構築できます。NVIDIA Research チームは、このタスクをほぼ瞬時に遂行する手法を開発しました。超高速ニューラルネットワーク トレ

Transformer モデルは、文章に含まれる単語のように、 連続したデータの関係を追跡することによって、文脈ひいては意味を学習するニューラルネットワークです。 来るべき AI のビッグウェーブに乗りたいなら、Transformer は押さえておくべきです。と言っても、テレビでよく見る変形するおもちゃのロボットでも、電柱の上に取り付けられたごみ箱大の容器でもありません。 Transformer モデルとは？ Transformer モデルは、この文章に含まれる単語のように、連続したデータの関係を追跡することによって、文脈ひいては意味を学習するニューラルネットワークです。 Transformer モデルは、進化する一連の数学的手法 (アテンションまたはセルフアテンションと呼ばれます) を適用して、同じ系内にある隔たったデータ要素間の微妙な相互影響や相互依存関係を見つけます。 Google

機械学習オペレーション「MLOps」は、拡大を続ける種々のソフトウェア製品やクラウド サービスを活用して企業が AI 運用を成功させるためのベスト プラクティス MLOps と聞くと毛むくじゃらの一つ目モンスターの名前のように思われるかもしれませんが、実はエンタープライズ AI の成功を意味する頭字語です。 機械学習オペレーション (machine learning operations) の短縮表現である MLOps は、企業が AI 運用を成功させるのに使える一連のベスト プラクティスです。 MLOps は比較的新しい分野ですが、それは AI の商用利用自体がかなり新しいからであると言えます。 MLOps: エンタープライズ AI を主流に押し上げる AI のビッグバン が鳴り響いたのは 2012 年、ある研究者がディープラーニングを使って画像認識のコンテストで優勝したときでした。その

物流業界ではこれまでも長年にわたって常により効率的なオペレーションを求めて日々改善活動に取り組んできました。その改善にはその時代における最新技術の導入も積極的に行われてきましたが、AI が実装されたロボティクスの活用はまさに今日における物流業界の効率化を加速させるためのソリューションといえるでしょう。オフィス用家具等の事業で国内トップである株式会社オカムラの物流システム事業本部は、NVIDIA Jetson TX2 を活用して自律移動ロボット「ORV（Okamura Robot Vehicle）」を自社開発し、今日における物流業界のイノベーティブな効率改善を目指しております。 「国際物流総合展2020 – INNOVATION EXPO -」に出展 株式会社オカムラは、2月19日（水）～21日（金）の3日間にわたり、東京ビッグサイト（東京国際展示場）にて開催される「国際物流総合展2020

…そして DPU と CPU と GPU の違いは? DPU とは? もちろん、CPU (セントラル プロセッシング ユニット) は既におなじみだと思います。長年にわたり、柔軟性と応答性に優れた CPU は、ほとんどのコンピューターにおける唯一のプログラマブルな要素でした。 最近では、GPU (グラフィックス プロセッシング ユニット) が中心的な役割を果たすようになりました。元々はリッチなリアルタイムのグラフィックスを提供するために使用されていましたが、その並列処理能力によりあらゆる種類のアクセラレーテッド コンピューティング タスクに理想的な存在となっています。 これは、人工知能 (AI)、ディープラーニング、およびビッグ データ分析アプリケーションを実現する鍵となっています。 しかし、この十年間で、コンピューティングは PC やサーバーという箱型の制約から抜け出し、CPU とGPU

お使いのブラウザーは対応していません。 お使いのウェブブラウザーはこのウェブサイトでは対応していません。いくつかの機能が正常に動作しない可能性がございます。アップグレートいただくか下記のブラウザーのどれかをインストールください。よろしくおねがいします。 世界最大級のスーパーコンピューターやデータセンターを加速するネットワーク技術が今年トップクラスの合併を生み、AI の進化に拍車をかける 高速ネットワークを実現する優れたアイデアでありながらも人目につかなかったリモート ダイレクト メモリ アクセス (RDMA) が、世界最速のスーパーコンピューターのジェット燃料へと上り詰めるまでには、2 つの偶然の出会いがありました。 それらの幸運の始まりは、RDMA ベースのネットワークである InfiniBand に社運をかけていたイスラエル拠点のスタートアップに訪れた運命的な縁でした。後に、そのスター

パックマンの 5 万エピソードでトレーニングした敵対的生成ネットワークである GameGAN が、ドットを食べながら進む往年の名作をゲーム エンジンなしで、完全に再現 パックマンが日本のゲームセンターに初めて登場し、人気ゲームとして全世界を食べ尽くしてから 40 年が経った今、この名作レトロゲームが AI の力を借りて生まれ変わりました。 NVIDIA Research が作り上げ、5 万エピソードに基づいてトレーニングされた、パワフルな新しい AI モデルであるNVIDIA GameGANは、基本となるゲーム エンジンなしで、完全に機能するパックマンを生成することができます。つまり、ゲームの基本ルールを理解していなくても、AI がゲームを再作成して、満足のいく結果を出せるのです。 GameGAN は、敵対的生成ネットワーク (GAN) を活用してコンピューター ゲーム エンジンを模倣する

1928 年に大阪で生まれた手塚治虫は、日本および世界で「漫画の父」として知られています。手塚氏はまた、ウォルト ディズニーと同じように、世界で最も偉大なイラストレーターとしても有名であり、『鉄腕アトム』、『リボンの騎士』、『ジャングル大帝』、『ブラック・ジャック』をはじめとする多数の伝説的な漫画を残しています。 手塚氏は 1989 年に亡くなりました。彼の遺産の命を保つため、日本のメモリ メーカーであるキオクシア株式会社の研究者とチームが、手塚プロダクションのアーティストおよびアカデミック パートナーとコラボレーションし、手塚作品をもとに、ディープラーニングを使って世界初の AI デザインによる漫画を制作しました。 新作漫画『ぱいどん』は、週刊漫画誌『モーニング』に掲載されました。漫画に登場する新しいキャラクターとストーリーを生成するため、チームはキャラクター生成の段階に NVIDIA

NVIDIA、Kaolin PyTorch ライブラリ によって 3D ディープラーニング研究を容易に by NVIDIA Japan · November 27, 2019 3D コンピューター ビジョンと AI 分野の研究成果は、2 棟の超高層ビルのように隣り合わせに積み上げられてきました。しかし、そそり立つ両塔を行き来するには、何十もの階段を上り下りする必要がありました。 この隔たりを埋めるため、NVIDIA はこのたび、3D モデルをニューラルネットワークの世界に数ステップで処理する Kaolin をリリースしました。 Kaolin は PyTorch のライブラリとして実装されており、3D モデルをディープラーニング用に準備する処理を、300 行のコードからたった 5 行に削減できます。 複雑な 3D データセットも、それがどう表現されていて、どうレンダリングされるかにかかわらず

GPU Technology Conference (GTC) 2019　において、NVIDIA は、Jetson Nano 開発者キット を発表しました。これは、組込み設計者や研究者、個人開発者がコンパクトで使いやすいプラットフォームに本格的なソフトウェアを実装して最先端の AI を活用できるようにするコンピューターで、現在 99 ドルで手に入れることができます。Jetson Nano は、64 ビット クアッドコア ARM CPU と 128 コアの NVIDIA GPU により、472 GFLOPS の演算性能を発揮します。さらに、5W/10W の電力モードと 5V の DC インプットを備えた、効率的で低電力のパッケージには、4 GB の LPDDR4 メモリーが含まれています。 新たにリリースされた JetPack 4.2 SDK はグラフィックス アクセラレーションを備えた U

次世代自律動作マシンの開発に着手する準備はできましたか? NVIDIA の Jetson Xavier の開発者キットの予約注文が可能になりました。ドローンやロボット、その他自律動作マシンに搭載される高度な AI をデプロイするために設計された Jetson Xavier は、512 コアの統合 Volta Tensor コア GPU、8 コアの ARM 64 ビット CPU、およびデュアル ディープラーニング アクセラレータ (DLA) エンジンを搭載し、30 テラ OPS (TOPS) 以上の混合精度で FP32/FP16/INT8 のコンピューティング性能を提供できます。 Jetson Xavier は、デプロイ可能でエネルギー効率に優れたモジュールで、PC ワークステーションと同等のパフォーマンスを提供し、インテリジェントなプラットフォームに対してリソース インテンシブな自律動作機

NVIDIA GPU Cloud コンテナーが低コストの超音波テクノロジの普及を目指す研究を加速 ヴィクシット クマール (Viksit Kumar) 氏の母親が卵巣がんに侵されていることが判明したのは、「ステージ 3」と呼ばれる段階。化学療法の効果を期待するにはもはや手遅れの状態でした。 母親は 2006 年にインドのムンバイにある病院で亡くなりましたが、早期にがんが見つかっていれば何年も長生きできた可能性がありました。 機械工学専攻の学生だったクマール氏はそれを知って苦悩し、別の道に進むことを決意します。 「私が医療分野を志すようになった理由の 1 つです」と、現在ミネソタ州ロチェスターの Mayo Clinic で上級研究員を務める同氏は言います。母親の死をきっかけに始めた研究を人の命をつなぐことに役立てたいというのが彼の願いです。 同氏はここ数年、GPU を利用したディープラーニン

ディープラーニングを取り入れた人工知能 (AI) によって、コンピューターによる自然言語での音声認識や音声変換、自律走行といった、かつては実現不可能と思われた課題を解決できるようになりました。数多くの課題を解決するディープラーニングの効果に触発され、指数関数的に複雑化するアルゴリズムが、コンピューティングの高速化に対する飽くなき欲求を生み出しています。NVIDIA は、このようなニーズに対応するため Volta Tensor コア アーキテクチャを設計しました。 NVIDIA とその他多くの企業および研究者が、このニーズを満たすべく、ハードウェアおよびソフトウェアの両面でコンピューティング プラットフォームの開発を進めてきました。たとえば、Google が開発した TPU (テンソル プロセッシング ユニット) アクセラレータは、TPU 上で実行できる限られた数のニューラルネットワークで優

皆さんは実際に、レイ トレーシングを利用した映画を以前に見たことがあるはずです。 コンピューター グラフィックス分野外で、レイ トレーシングの意味を知っている人は少ないかもしれません。しかし、レイ トレーシングを見たことのない人は地球上にあまりいません。 近くの映画館に行ってチケットとポップコーンを買うだけで、レイ トレーシングを体験できます。 レイ トレーシングとは、特殊効果を生成または強化するために最近の映画で利用されている技法です。リアルな光の反射、屈折、陰影を想像してみてください。これらを正しく表現することにより、SF 映画の戦闘機が風を切って飛行し、自動車が猛烈なスピードで走っているように見えます。また、戦争映画の炎、煙、爆発がリアルに表現されます。 レイ トレーシングによって、カメラで撮影されたシーンと区別できないような映像が生成されます。実写映画では、コンピューターで生成され

「これは素晴らしい」 「こんなものは見たことがない」 「どうしたら手に入れることができるんだ」 才能ある技術者がこんなふうに思わず彼女に話しかけたくなるような秘密兵器を、NVIDIA の採用担当者、リサ カルデロン (Lisa Calderon) は持っています。それは長さ 1 フィート、幅 1.5 インチで、電子部品になじみのない人々にとっては奇妙に見える金色のマーキングで覆われています。 「誰もが同じことを尋ねます。1 つもらえますか。それから、もちろん友人のためにもう 1 つ。」とカルデロンは言います。 これは NVIDIA の定規です。多くの NVIDIA の従業員の経験によると、この地味なプリント回路基板を適切な場所へ持って行って、適切な人々に見せると、ただちに反応が返ってきます。 「これを見せたすべての電気技術者は、その瞬間に『今すぐこれが欲しい』と言いました」と、NVIDIA

ディープラーニングの業界で今もっともホットな話題である Generative Adversarial Network は、一般に「GAN」と呼ばれており、省力化しながらより多くのことを学習できるシステムの開発につながる可能性があります。 2014 年に GAN を発案したイアン グッドフェロー (Ian Goodfellow) 氏のお話を聞いてみましょう。当時、彼はまだモントリオール大学で博士課程の学生でした。現在 Google の研究科学者を務める同氏は、先月開催された GPU テクノロジ カンファレンス (GTC) において熱心に聞き入る聴衆を前に、GAN のしくみと理由を解説しました。 GAN は、AI――特にディープラーニング――の進化にとってきわめて大きな障害となる「膨大な手作業の必要性」を解消するものです。 Generative Adversarial Network: 「この

お使いのブラウザーは対応していません。 お使いのウェブブラウザーはこのウェブサイトでは対応していません。いくつかの機能が正常に動作しない可能性がございます。アップグレートいただくか下記のブラウザーのどれかをインストールください。よろしくおねがいします。 この秋、高校や大学に戻る教師は、学生の答案採点作業がこれまでに比べてはるかに楽になったことに気づきます。 カリフォルニア大学バークレー校の1人の教授と3人の元大学院生は、解答を分類して、一括して採点できるようにする人工知能技術の最終仕上げを行っています。 今秋の発表を控えて、現在ベータ・テストを終了しようとしているこの人工知能駆動型の機能は、Gradescopeのオンライン答案採点アプリケーションの最新機能です。チームは2年前に、カンニング防止を1つの目的とするこのアプリを会社として創設しました。答案の採点をデジタル記録にすることで、答案を

今月開催された GPU テクノロジ カンファレンス (GTC) が大成功のうちに幕を閉じ、いまだ確信を持てずにいた人々に AI 革命の大いなる潮流を証明するものとなりました。 ここシリコンバレーで開かれた 4 日間のイベント全体を通して、メディア/エンターテイメント、製造、医療、輸送の各分野の世界トップ企業からの参加者が、GPU コンピューティングによって実現した各社のブレークスルーにまつわる逸話を紹介しました。 カンファレンスの様子は、数字が雄弁に物語っています。7,000 人を超える参加者、150 社を超える出展企業、600 を超えるテクニカル セッションが集結した第 8 回年次 GTC は、NVIDIA にとって過去最大のものとなりました。世界トップ 15 のテクノロジ企業をはじめ、AI と VR に重点的に取り組む世界トップ 10 の自動車メーカー、ならびに 100 社を超えるスタ

NVIDIA と Facebook は、Caffe2 を利用して人工知能を進化させる、共同開発の結果を発表しました。Caffe2 とは、Facebook のオープンソース コミュニティに対する貢献により実現した、新しい AI ディープラーニング フレームワークです。 世界は毎日、テキスト、写真、ビデオなど、情報を生み出しています。Facebook は、このような情報の管理に役立つ新しい AI システムを開発し、情報の量が増えていったとしても、人々が世界をより適切に理解し、より効果的なコミュニケーションを図れるようにしています。Caffe2 を利用すると、開発者と研究者は、大規模に分散されたトレーニング シナリオを作成でき、エッジ デバイス向けの機械学習アプリケーションを構築できるようになります。 AI 対応サービスのモバイルでの提供は、一瞬のうちに完了しなければならない、複雑なデータ処理タ

NVIDIA は 2017 年 4 月 1 日、最先端の AI 技術を活用して、PC ゲームの次の革命を実現する GeForce® GTX® G-Assist™ を発表しました。 GeForce GTX G-Assist は、新しいカスタム GeForce SoC (Supercomputer on a Chip) をベースに、PC 画面から離れるシチュエーションを補完し、過酷なボス戦を克服し、プレイヤーが最高のゲームパフォーマンスを維持できるようモニタリングします。 さらに、GeForce Assisted Gaming と呼ばれる新しい人工知能エンジンは、すでに 10,080 ものゲームをプレイして勝利するように訓練されており、さらに優勝するためのサポート機能を提供します。新しいゲーム機能には以下のものが含まれます。 GeForce GhostPlay™ 例えばあなたが Rainbow

理化学研究所は、文部科学省が進める AIP プロジェクト (人工知能、ビッグデータ/IoT、サイバーセキュリティ統合プロジェクト) の研究開発拠点として昨年、「革新知能統合研究センター」を設置しました。 この度、同研究センターにおける人工知能研究を支える大規模計算リソースとして、「ディープラーニング解析システム」が導入されます。富士通株式会社様が受注されたこのシステムでは、GPU 計算ノードとして NVIDIA の「AI スーパーコンピューター」 DGX-1 が採用されました。 DGX-1 は、最新の Pascal アーキテクチャ GPU である Tesla P100 を 8 基搭載し、ディープラーニングの学習処理で活用される半精度浮動小数点 (FP16) 演算では 170 テラフロップスの性能を持ちます。 今回の「ディープラーニング解析システム」には 24 台の DGX-1 が導入され、

東京工業大学、NVIDIA のコンピューティング プラットフォームで日本最速の AI スパコン開発へ by NVIDIA Japan · February 17, 2017 東京工業大学 (東工大) は本日、NVIDIA のアクセラレーテッド コンピューティング プラットフォームを利用して日本最速の AI スーパーコンピューターを開発する計画を発表しました。 「TSUBAME3.0」と呼ばれるこの新しいシステムは、前バージョンの 「TSUBAME2.5」 に対して性能が 2 倍以上になることが期待されています。電力効率が 過去の GPU の約 3 倍となる NVIDIA の Pascal ベースの Tesla P100 GPU によって、12.2 ペタフロップスの倍精度パフォーマンスを達成する見込みです。これは、2016 年 11 月にリリースされた最新の Top500 リストにおいて、世

ゲーム写真は新しい形のアートです。 展覧会では、プリントされ、美しくフレーミングされた最高のスクリーンショットを見ることができます。それらはゲーム開発者やプロのゲーム写真家によるものです。 私はゲーマーとして、美しいスクリーンショットを撮ることが大好きですが、現在のツールは信じられないほど制約が多いものです。完璧なショットを撮るためには、Print Screenキーを素早く押す必要があります。しかも、ゲーム内のビューとモニタの解像度による制約があります。正確にコントロールしなければ、自分が撮りたいショットのキャプチャはほぼ不可能です。 NVIDIAはパワフルで使いやすいゲーム・キャプチャ・ツールであるAnselを発表し、この点を変えようとしています。このツールは、大手ゲーム開発会社と共同で開発されました。 Anselを使えば、時を止めることができます。どの角度からでもショットを構成でき、ポ

はじめに: この 6 週間、私たちは、NVIDIA の開発者カンファレンスを実施するワールド・ツアーに出ていました。この GPU テクノロジ・カンファレンス (GTC) は、大規模並列処理を行う GPU を使用する、ハイパフォーマンス・コンピューティングの新しいアプローチを推進するため、2009 年に始まりました。GTC は、モダン AI のビッグバンを活気づける新しいコンピューティング モデルである、GPU ディープラーニングの中心になってきました。AI が野火のように広がっていることは周知の事実です。GPU ディープラーニングの開発者数は、わずか 2 年間で 25 倍に跳ね上がりました。約 1,500 社の AI スタートアップ企業が誕生しています。この爆発的な成長により、GTC を世界中で開催してほしいという要求が高まりました。私たちはこれまでに、北京、台北、アムステルダム、東京、ソ

新しいゲーム機Nintendo Switchについてすぐにわかることは、遊んでいてとても楽しい、ということです。素晴らしいグラフィックス、多数のゲームタイトル、そして驚くべきパフォーマンスで、「Nintendo Switch」は、何時間プレイしても飽きることのないインタラクティブなゲーム体験を提供するでしょう。 しかし、このような楽しいゲーム機の開発には、高度なエンジニアリング技術を要しました。任天堂との共同開発において、NVIDIAは500人年もの労力を、新しいゲームプラットフォームを作りあげるために、あらゆる面に注ぎ込みました。アルゴリズム、コンピュータアーキテクチャ、システムデザイン、システムソフトウェア、API、ゲームエンジン、周辺装置といった、新しいゲーム機を創るために必要な一つ一つの要素全てを任天堂と協力して一から再考、再設計することが、任天堂からお客様に対して家でも外でも変わ

本稿は、長年のテクノロジ・ジャーナリストであるマイケル・コープランド（Michael Copeland）氏がディープラーニングの基本を説明する一連の記事の第二弾です。 「学校の教育課程」――ディープ・ニューラル・ネットワークが通過する「トレーニング」の段階は、このように考えることができます。ニューラル・ネットワークも、ほとんどの人と同じ目的、つまり仕事ができるようになるために教育を受けます。 具体的に言うと、トレーニングされたニューラル・ネットワークは、デジタル世界でその学習内容を活かし、合理化されたアプリケーションの形で利用されます。たとえば、画像、音声、血液疾患を認識したり、次回購入する可能性の高い靴を消費者に提案したりといった、あらゆる用途が考えられます。このように高速化され、効率化されたニューラル・ネットワークは、そのトレーニングに基づき、提示された新たなデータについて推測を行うよ

ベンチマークは、パフォーマンスを測定するための重要なツールですが、急速に進化する分野では、最新の技術についていくのが困難な場合があります。最近、Intelは、発売が長らく予告されてきたXeon Phiプロセッサについて、一部誤った「事実」を公表しました。 現在、ディープラーニングほど進化の速い分野はほとんどありません。現在のニューラル・ネットワークは、ほんの2、3年前より6倍も深くなっており、よりパワフルです。さらに迅速なトレーニング・パフォーマンスを実現するマルチGPUスケーリングの新しい技術も登場しています。 さらに、NVIDIAのアーキテクチャやソフトウェアでは、KeplerからMaxwellを経て、8基のTesla P100 GPUを持つDGX-1など、最新のPascalベースのシステムに移行することにより、ニューラル・ネットワークのトレーニング時間がこの1年で10分の1未満に短縮