Результаты были ошеломляющими. И снова 75-процентный барьер был преодолен большинством конкурентов. Но AlexNet правильно классифицировал почти 85 процентов изображений - и сделал это самостоятельно, благодаря силе глубокого обучения. Победа AlexNet дала Nvidia огромный пиар-рост, ведь Хинтону и его студентам понадобилась всего лишь пара готовых графических процессоров потребительского класса, которые стоили несколько сотен долларов за штуку. AlexNet навсегда связал компанию с событием, которое до сих пор считается одним из самых важных в истории искусственного интеллекта.
"Когда Алекс Крижевский и Илья Суцкевер опубликовали свою работу по ImageNet, [она] действительно захватила мир", - говорит Катанзаро. "Одна из вещей, о которой люди часто забывают, заключается в том, что это в первую очередь системная статья. Эта статья не о новой причудливой математической концепции того, как следует думать об искусственном интеллекте. Вместо этого они использовали ускоренные вычисления, чтобы значительно расширить набор данных и модель, которую они применяли для решения этой конкретной задачи. И в итоге это дало отличные результаты" 18.
Работа Алекса Крижевского и Ильи Суцкевера подогрела интерес Дженсена к искусственному интеллекту. Он начал часто общаться с Биллом Дэлли и сосредоточился на том, какие возможности глубокое обучение, и в частности глубокое обучение на базе GPU, откроет для Nvidia. В руководстве компании развернулась бурная дискуссия на эту тему. Несколько ключевых лейтенантов Дженсена были против увеличения инвестиций в глубокое обучение, считая, что это всего лишь мимолетное увлечение. Но генеральный директор их переубедил.
"Глубокое обучение будет очень большим", - сказал он на собрании руководителей в 2013 году. "Мы должны полностью посвятить себя этому".
Хотя он и не осознавал этого, Дженсен провел первые двадцать лет истории Nvidia, готовя компанию к этому моменту. Он укомплектовал штат Nvidia лучшими талантами, которых только мог найти, в том числе переманивая их у конкурентов и партнеров. Он создал культуру, в которой ценились технический блеск, максимальные усилия и, прежде всего, полная преданность компании. Он создал компанию по образу и подобию своего целенаправленного, но далеко идущего ума. Теперь ему предстояло задействовать все имеющиеся в его распоряжении рычаги, чтобы вывести Nvidia в центр технологической индустрии - как компанию, чье оборудование сможет обеспечить будущее, основанное на искусственном интеллекте.
Первым шагом было выделение значительного количества персонала и финансирования на ИИ. По оценкам Катанзаро, над проектами, связанными с ИИ, работало всего несколько человек. Но когда Дженсен начал осознавать масштабы открывающихся перед Nvidia возможностей, он использовал философию "одной команды" для быстрого перераспределения ресурсов.
"Это определенно не был один день, когда вся компания изменилась навсегда", - вспоминает Катанзаро. "Это был период в несколько месяцев, когда Дженсен проявлял все больший интерес и начинал задавать все более глубокие вопросы, а затем начал поощрять компанию к переходу на машинное обучение" 19.
После "роения" Nvidia выпустила целый поток новых функций, разработанных специально для рынка ИИ. Дженсен уже принял важное и дорогостоящее решение сделать весь модельный ряд оборудования компании совместимым с CUDA, чтобы исследователи и инженеры могли программировать графические процессоры Nvidia под свои нужды. Теперь он попросил Дэлли придумать улучшения, ориентированные на ИИ.
Дженсен объявил об изменении стратегического фокуса на общекорпоративном собрании. "Мы должны рассматривать эту работу как наш высший приоритет", - сказал он. 20 Он объяснил, что Nvidia должна привлечь к работе над ИИ нужных людей. Если в настоящее время они занимаются чем-то другим, они должны сменить фокус и работать над ИИ, потому что это будет важнее, чем все остальное, чем они могли бы заниматься. 21
Свою работу по оптимизации GPU Катанзаро превратил в программную библиотеку Nvidia под названием CUDA Deep Neural Network, или cuDNN. Она стала первой библиотекой компании, оптимизированной для ИИ. В дальнейшем она стала обязательным атрибутом для разработчиков ИИ. Она работала со всеми ведущими ИИ-фреймворками и позволяла пользователям автоматически применять наиболее эффективные алгоритмы для решения любой задачи на GPU. "Дженсен был в восторге", - говорит Катанзаро. "Он хотел как можно скорее выпустить этот продукт".