ИИ научится управлять роботами и заводами — вице-президент NVIDIA о будущем технологий

— Вы более 30 лет работаете в сфере компьютерной графики — от голливудских студий до NVIDIA. Как изменилась роль компьютерной графики с развитием искусственного интеллекта и какая, на Ваш взгляд, самая масштабная трансформация еще впереди?

— На протяжении значительной части моей карьеры компьютерная графика была связана с созданием виртуальных миров, в которые люди могли поверить. С появлением физического ИИ эти миры становятся средой, где машины могут учиться. Поэтому физика приобретает ключевое значение: робот должен понимать, что происходит, когда он берет предмет, перемещается по комнате или сталкивается с чем-то, чего раньше не видел.

Симуляция позволяет разработчикам многократно исследовать такие взаимодействия в условиях, которые было бы дорого, сложно или опасно воспроизводить в реальном мире.

Главная трансформация впереди — это выход ИИ в физический мир, где он будет помогать машинам воспринимать окружающую среду, рассуждать и действовать. Десятилетия развития компьютерной графики, физического моделирования и ускоренных вычислений создали важнейшие технологические основы для этого перехода.

— NVIDIA Omniverse предназначена для создания и моделирования физически точных виртуальных миров. Насколько мы близки к тому, чтобы компании могли виртуально тестировать заводы, роботов, транспортные средства или даже целые города еще до их запуска в реальном мире?

— Это уже происходит. BMW Group использует NVIDIA Omniverse на своем виртуальном заводе для планирования и тестирования изменений в производстве. Как ранее сообщала BMW, проверка производственной линии на предмет возможных столкновений, которая прежде требовала почти четырех недель физических испытаний, теперь может быть смоделирована за три дня.

ИИ-агенты также меняют подход к созданию и использованию цифровых двойников. Значительная часть инженерной работы связана с подготовкой данных, интеграцией программного обеспечения и настройкой симуляций. С помощью библиотек NVIDIA Omniverse и навыков для ИИ-агентов разработчики могут поручать агентам выполнять часть этой работы и проводить эксперименты.

Например, инженер может сформулировать задачу — повысить эффективность перемещения материалов по заводу — и попросить агента помочь изучить различные варианты планировки и сравнить результаты. Цифровой двойник дает агенту возможность проверить потенциальные физические последствия предлагаемого изменения. Инженеры могут изучить больше вариантов, сопоставить результаты с физическими испытаниями и данными из реального мира, а затем совершенствовать цифровой двойник и принимать решения о том, какие изменения внедрять.

— Какие отрасли, по Вашему мнению, больше всего выиграют от сочетания генеративного ИИ, Omniverse и симуляции в ближайшие пять лет?

— Производство, логистика и автомобильная отрасль — одни из наиболее перспективных направлений в ближайшей перспективе. Они связаны со сложными физическими системами, где изменение производственной линии, внедрение робота или тестирование автомобиля могут быть дорогостоящими и занимать много времени.

Симуляция позволяет инженерам виртуально исследовать такие изменения. Генеративный ИИ может помогать создавать более разнообразные сценарии для обучения, а ИИ-агенты — координировать процессы проектирования, моделирования и оптимизации, благодаря чему становится проще изучать больше вариантов. Цифровые двойники связывают эту работу с оборудованием и средами, которые компании используют в реальности.

У энергетики, строительства и здравоохранения также есть значительный потенциал. В ближайшие пять лет я ожидаю роста внедрения технологий в тех сферах, где они дают понятный практический результат: сокращение сроков разработки, повышение надежности операций и более эффективное использование ресурсов. При этом каждое применение должно проходить соответствующее тестирование с учетом последствий возможных ошибок.

— В Казахстане объявили планы по расширению инфраструктуры для вычислений ИИ. Как ускоренные вычисления могут поддержать развитие цифровых двойников, промышленного моделирования и других приложений в реальном секторе экономики страны?

— Ускоренные вычисления могут дать инженерам практический инструмент для анализа того, как физические системы будут вести себя еще до внесения в них изменений. Это создает возможности для различных отраслей промышленности Казахстана, включая производство, энергетику и логистику.

Например, цифровой двойник может помочь оценить планировку производственного объекта, смоделировать перемещение материалов или проверить работу роботов рядом с оборудованием. В энергетической инфраструктуре моделирование может использоваться для инженерного анализа и оперативного планирования.

Однако для реализации этого потенциала недостаточно одной вычислительной мощности. Необходимы также подходящее программное обеспечение, надежные инженерные данные и специалисты, хорошо понимающие специфику отрасли. Объединение этих возможностей позволит местным командам использовать инфраструктуру ИИ для решения реальных физических задач и разработки сервисов, которые могут применяться бизнесом.

— Создание крупных центров обработки данных требует огромного количества электроэнергии, систем охлаждения и другой инфраструктуры. На фоне глобальной конкуренции за вычислительные мощности как странам найти баланс между развитием ИИ, энергоэффективностью и устойчивым использованием ресурсов?

— Вопрос заключается в том, сколько полезной работы мы можем получить из каждой единицы энергии. Для повышения эффективности необходимо рассматривать всю «ИИ-фабрику» как единую систему — вычислительные мощности, сети, программное обеспечение, электроснабжение и охлаждение. Решение, принятое в одной части системы, влияет на остальные.

Цифровые двойники позволяют инженерам оценивать эти взаимосвязи еще до строительства объекта и продолжать оптимизировать его уже в процессе эксплуатации. Например, NVIDIA Omniverse DSX Blueprint помогает моделировать планировку, системы электроснабжения и охлаждения, а также различные условия эксплуатации. Это позволяет понять последствия изменений еще до их внедрения.

Повысить эффективность можно за счет более совершенного оборудования и программного обеспечения, а также более рационального использования вычислительных ресурсов. При этом странам необходимо учитывать местные особенности — доступность электроэнергии, потребление воды и возможности энергосистемы.

Повышение эффективности имеет большое значение, но по мере роста вычислительных мощностей необходимо в целом контролировать потребление ресурсов.

— Вы отметили потенциал физического ИИ изменить целые отрасли мировой экономики. Какие технологические достижения необходимы для реализации этого потенциала и где мировые модели, на ваш Взгляд, раньше всего найдут практическое применение?

— Одна из главных проблем — данные. Для обучения ИИ языку у нас были огромные объемы текстовой информации. Чтобы научить машины работать в физическом мире, им необходим опыт взаимодействия с движением, силами и последствиями собственных действий. Сбор такого опыта с помощью реальных роботов занимает много времени, требует значительных затрат и иногда может быть опасным.

Симуляция позволяет создавать и тестировать различные сценарии в виртуальной среде. Мировые модели NVIDIA Cosmos дополняют этот процесс, помогая разработчикам анализировать физическое окружение, создавать данные для обучения и моделировать возможное развитие событий. 

Робототехника и автономные транспортные средства — одни из первых направлений, где эти технологии могут найти практическое применение, поскольку такие системы должны работать в самых разных условиях.

Ключевые задачи — сделать симуляции еще более точными и приближенными к реальному миру, научиться объективно оценивать эффективность систем и обеспечить надежный перенос знаний, полученных машиной в виртуальной среде, на ее работу в физическом мире.

Оригинал интервью на английском языке читайте здесь.