Jeffrey Cross
Jeffrey Cross

Mit neuem Board macht Nvidia den Bau von "Thinking Machines" einfacher

Kespry möchte den Jetson TX1 verwenden, um seine kommerziellen Drohnen "wahrnehmbarer" zu machen.

Eingebettet im Silicon Valley, gleich neben Facebook, leitet Paul Doersch ein Unternehmen, das Drohnen herstellt. Aber Sie betreiben seine Quadrocopter nicht mit einem Joystick. Sie betreiben sie überhaupt nicht.

Sie geben ihnen nur ein paar einfache Anweisungen aus einer iPad-App und dann gehen sie los, um 100 Hektar große Steinbrüche und andere Industriestandorte zu vermessen, Hunderte von Fotos zu machen und sie zusammenzunähen, um 3D-Visualisierungen zu erzeugen, die genau genug sind, um die Tonnenmenge zu messen Schotter wird beispielsweise an einer bestimmten Stelle gelagert.

Jetzt hat Doerschs Kespry Inc. - der Name wurde aus der Kombination von Turmfalken und Fischadler abgeleitet - eine noch raffiniertere Drohne, die 15.000 Bilder verarbeiten kann eine Minutean Bord, um Pickups, Muldenkipper, Planierraupen und Bagger zu unterscheiden. Sie können sie nicht nur mit Kameras sehen, sondern um sie mit all dem Verständnis und der Interpretation, die mit der Wahrnehmung selbst verbunden sind, zu „wahrnehmen“.

Mit den Fortschritten im Inneren des Jetson TX1 achtet NVIDIA auch auf diejenigen, die diese unglaublichen Dinge erledigen, die Sie auf der Maker Faire sehen.

So klasse das auch klingen mag, das mag genauso erstaunlich sein: Er macht es mit dem kürzlich vorgestellten NVIDIA Jetson TX1 Developer Kit, einem winzigen, energieeffizienten Board, das mit Super-Computing-Geschwindigkeiten arbeitet - für 599 US-Dollar, gut erreichbar von Machern mit ehrgeizigen und potenziell kommerziellen Projekten.

Mit dem kleinen NVIDIA Jetson TX1 wird auch etwas weitaus größeres zugänglich gemacht - eine Schar interaktiver künstlicher Intelligenz (KI), die den Entwicklern, Erfindern und Unternehmern Anreize bietet, wer weiß, was durch Was zu schaffen ist andere super intelligente "autonome" Geräte und Internet-of-Things-Endpunkte.

Fortschritte in "autonomen Geräten"

Es lohnt sich also, sie jetzt zu verstehen, denn Sie werden mehr darüber erfahren, auch wenn Sie von der Seitenlinie aus zuschauen. Sie sind:

  • Neuronale Netzwerke, ein vom menschlichen Gehirn inspirierter Datenverarbeitungsansatz, bestehen aus Knoten (Neuronen), die miteinander verbunden und in Schichten organisiert sind. Neuronale Netze lehren Computer, wie sie Wahrnehmungsprobleme lösen können, wie beispielsweise Computer Vision, Spracherkennung und Verarbeitung natürlicher Sprache.
  • Deep Learning beschreibt den Prozess der Verwendung mehrerer Schichten in einem neuronalen Netzwerk, um einem Computer beizubringen, wie man im Laufe der Zeit "lernt". Forscher in Unternehmen wie Google und Facebook trainieren Computer mit tiefem Lernen, um Fotos zu erkennen und auf die menschliche Sprache zu reagieren. Es kann für einfache Dinge - wie zum Beispiel das Erkennen Ihres Gesichts - für komplexere Aufgaben verwendet werden, zum Beispiel, indem Sie einem Roboter beibringen, einen Deckel auf eine Flasche zu schrauben. Es wird auch verwendet, um Autos dabei zu helfen, autonom zu fahren.
  • Visual Computing, ein Begriff, mit dem Nvidia alles beschreibt, was er tut, von detaillierten Computer-, Gaming- und 3D-Grafiken bis hin zu schnellen, effizienten Grafikprozessoren (GPUs) für autonome Geräte und sogar Rechenzentren. Beim Erstellen geht es jedoch darum, Bilder schnell genug durch einen Prozessor zu schicken, damit ein Gerät auf seine eigene, selbst plötzlich wechselnde Umgebung reagieren kann - so wie es Drohnen tun müssen, wenn sie Amazon sicher liefern wollen paket zu ihrer hochhauswohnung terrasse.

Maschinen haben übrigens längst wahrgenommen - und gelernt. Aber wir Menschen sind der Goldstandard. Trotz des Chaos um ihn herum sagen Wissenschaftler, dass ein NFL-Linebacker es in 94,9% der Fälle richtig macht - der Ball, der Quarterback, die Blocker. So geht es dir im Alltag. Vor fünf Jahren konnten Maschinen dies nur in 72% der Fälle richtig machen. Aber gerade in diesem Jahr setzen Computer neue Maßstäbe. Sie übertrafen sogar die Erkennungsfähigkeit des Menschen und erreichten eine Genauigkeit von 95,1%, um Bilder richtig zu sehen und zu klassifizieren.

Aufgrund seines kommerziellen Potenzials werden schnell weitere Fortschritte erzielt. In Kürze werden Maschinen nahezu perfekt sein, was weitreichende Möglichkeiten bietet, zum Beispiel die Identifizierung eines identifizierten Terroristen aus einer dichten Menge.

1 Billion Betrieb pro Sekunde

Dies ist das wahre Versprechen des NVIDIA Jetson TX1 an alle, dem Nachfolger des 18 Monate alten Jetson TK1 des Unternehmens. (Das NVIDIA Jetson TK1-Entwicklungskit wurde für nur 99 US-Dollar an die Maker-Community verkauft

Der Jetson TX1 ist ein Supercomputer in Kreditkartengröße.

vor kurzem.)

Der Jetson TX1 übertrifft seine älteren Geschwister um vieles. Es ist zwei- bis dreimal schneller und kann bis zu 1 Teraflop verarbeiten. Wie schnell ist das Beachten Sie: Ein Flop ist ein Akronym, das für die Anzahl der Gleitkommaoperationen steht, die ein Prozessor pro Sekunde ausführen kann. Eine "Tera" ist eine Billion. Ja, der kleine Jetson TK1 ist in der Lage, Geschwindigkeiten dieser Größenordnung zu verarbeiten. Es ist nicht übertrieben zu sagen ist ein Supercomputer von der Größe einer Kreditkarte.

Und Jetson TX1 liefert diese Leistung mit Energieeffizienz. NVIDIA sagt, dass es pro Sekunde 258 Bilder für tiefes Lernen mit weniger als 10 Watt Strom verarbeiten kann - oder was für ein Nachtlicht erforderlich ist.

Für autonome Geräte bedeutet Energieeffizienz mehr als nur eine längere Lebensdauer der Batterie.Je kühler ein Prozessor ist, insbesondere ein Onboard- oder „Embedded-Prozessor“, desto weniger Lüfter und Kühlkörper werden benötigt, um beispielsweise eine Drohne größer und schwerer zu machen, mit allen damit verbundenen Nachteilen.

Der Jetson TX kann 258 Bilder verarbeiten jede Sekunde mit der nötigen Energie für ein Nachtlicht.

Der Jetson TX1 packt seine Feuerkraft in ein kleines Paket. Es kommt als kleines Modul an, ein weiterer Beleg für seinen Nutzen an Bord autonomer Geräte. Obwohl es für exotischere Projekte verwendet wird, verfügt es über universelle Fähigkeiten, die sein Vorgänger nicht

Zum Beispiel werden Wi-Fi und Bluetooth sowie Schnittstellen angeboten, die den Anschluss von Peripheriegeräten so einfach machen wie mit einem normalen Laptop, dem Arduino und den Raspberry Pi-Boards.

Es ist eine Anspielung auf die breiteren Märkte, die NVIDIA anvisieren will. Jesse Clayton, der Produktmanager, der den Jetson TX1 bis zu seinem November-Debüt marshallierte, sagt dies selbst. Während der Jetson TX1 unbedingt von fortgeschrittenen, kommerziell orientierten Entwicklern übernommen wird, achtet NVIDIA auch auf die Leute, die „diese unglaublichen Dinge tun, die Sie auf der Maker Faire sehen“.

Der Jetson TX1 kann ab sofort über Amazon, NewEgg, Micro Center und NVIDIA als 599 $ Entwickler-Kit vorbestellt werden, mit einem Schulungsrabatt von 299 US-Dollar. Das Modul selbst wird nächstes Jahr für 299 US-Dollar für Bestellungen ab 1.000 verfügbar sein.

Erschwinglicher Spezialsatellit

Neben dem Proof-of-Concept von Kespry wird laut NVIDIA das Jetson TK1 Developer Kit bereits in ähnlich hoch entwickelten Prototypen eingesetzt. Percepto, ein israelisches Startup, das von Shark Panzers Mark Cuban unterstützt wird, nutzt es für die Entwicklung von Nachrüstungen, um kostengünstige Drohnen in selbst navigierende zu verwandeln.

MIT-Studenten verwenden es in kleinen, selbstfahrenden Rennwagen, die so schnell wie 20 Meilen pro Stunde fahren möchten. Wie Machen: Der Jibo, ein sozialer Roboter für den Heimgebrauch, wird von einem angetrieben. Die spanische Herta Security nutzt es für die Gesichtserkennung und Biometrie in Echtzeit.

Und der 27-jährige Doersch träumt weiter groß. Er sieht den Tag, an dem Supercomputer wie der NVIDIA Jetson TX1 an Bord eine Flotte von Drohnen antreiben werden, die große Industriestandorte ständig als verteiltes Computersystem in der Luft beobachten können, wobei jede Drohne Daten an Bord zerkleinert und diese dann kostengünstig in die Cloud streamen kann Daten können für eine Vielzahl von Zwecken verwendet werden.

Es ist nicht möglich, so viele Videos von einer Drohne zu streamen. Es ist nicht genügend Bandbreite vorhanden. Selbst wenn, gäbe es unpraktisch enorme Kosten.

Stattdessen würde seine Drohnenflotte einem Unternehmen einen eigenen erschwinglichen Echtzeit-Satelliten geben - die eigenen Augen am Himmel -, der es ihm ermöglicht, Fahrzeuge nicht nur zu verfolgen, sondern sie zu bewegen, wann und wo sie effektiver und verbrauchsgünstiger arbeiten können und sicher.

Modernste autonome Geräte wie Kespreys Drohnen machen das bisher Unpraktische noch mehr möglich - und weit verbreitet. Und jetzt wird es für Maker immer praktischer und erschwinglicher, auch ihre eigenen super-intelligenten Projekte zu erstellen.

Aktie

Leave A Comment