Jenis-Jenis Produk Nvidia dan Teknologi Deep Learning

Konferensi Teknologi GPU
NVIDIA’s GPU Technology Conference (GTC) adalah serangkaian konferensi teknis yang diadakan di seluruh dunia. Konferensi ini diadakan di San Jose, California pada tahun 2009 dengan fokus awal pada potensi penyelesaian tantangan komputasi melalui GPU.

Dalam tahun ini, fokus konferensi telah berganti ke aplikasi yang beragam dari kecerdasan buatan dan pembelajaran mendalam, seperti mobil swa-kemudi, perawatan kesehatan, komputasi berperforma tinggi, dan pelatihan NVIDIA Deep Learning Institute (DLI). GTC 2018 menarik lebih dari 8400 peserta.

Jenis Produk
Produk Nvidia meliputi grafis utama, komunikasi nirkabel, prosesor PC dan hardware/software otomotif. Sebagian produknya antara lain:

GeForce, produk pemrosesan grafis yang brorientasi pada konsumen
Quadro, produk yang didesain untuk membantu dan menciptakan konten digital grafis
NVS, solusi bisnis grafis multi-display
Tegra, serangkaian sistem chip untuk smartphone
Tesla GPU yang dikhususukan untuk aplikasi gambar high end dan bidang penelitian.
nForce, chipset motherboard yang dibuat oleh Nviia untuk Intel ((Celeron, Pentium dan Core 2) dan mikroprosesor AMD (Athlon dan Duron).
Nvidia Grid, satu set hardware dan layanan yang dibuat oleh Nvidia untuk visualisasi grafis.
Nvidia Drive automotive solutions, sejenis produk hardware dan software untuk membantu menyetir mobil. Drive PX-series adalh platform komputer tinggi yang ditujukan pada menyetir otomatis melalui pembelajaran mendalam. Sementara Driveworks merupakan sistem operasi untuk mobile tanpa sopir.

Dukungan Software Open Source
Sampai tanggal 23 Desember 2013, Nvidia tidak mempublikasikan dokumen apapun untuk hardwarenya, yang artinya bahwa programer tidak membuat driver gratis dan terbuka untuk produknya tanpa beralih ke rekayasa balik.

Meskipun Nvidia menyediakan driver grafis binernya sendiri untuk X.rg dan open source yang berinteraksi dengan Linux, FreeBSD atau kernel Solaris dan paten software. Nvidia juga menyediakan tapi berhenti mendukung driver open source yang yang hanya mendukung akselerasi hardware dua dimensi dan mengirimnya dengan distribusi X.Org.

Hak paten alami dari driver Nvidia telah menghasilkan kekecewaan dalam komunitas software gratis. Sebagian pengguna Linux dan BSD dipaksa hanya menggunakan diver open source dan menganggap paksaan Nvidia tidak lebih dari driver biner yng tidak memadai.

Mengingat bahwa manufaktur komputasi seperti Intel menawarkan dukungan dan dokumentasi untuk pengembang opensource dan yang lain (seperti AMD) merilis sebagian dokumentasi dan menyediakan beberapa pengembangan aktif.

Karena tutupnya driver alami, karti video Nvidia tidak bisa mengirimkan fitur yang memadai untuk beberapa platform dan arsitektur, karena perusahaan hanya menyediakan build driver x86/x64 and ARMv7-A. Akibatnya, dukungan grafis 3D dalam Linux pada PowerPC tidak ada, selai itu juga tidak mendukung Linux pada konsol PlayStation 3 hypervisor-restricted.

Sebagian pengguna mengklaim bahwa driver Nvidia Linux memberlakukan pembatasan artifisial, seperti membatasi jumlah monitor yang bisa digunakan bersamaan, namun perusahaan tidak memberikan komentar atas tuduhan tersebut.

Pembelajaran Mendalam (Deep Learning)
GPU Nvidia menggunakan pembelajaran mendalam, kecerdasan buatan dan analitis terakselerasi. Perusahaan mengembangkan pembelajaran mendalam berbasis GPU untuk tujuan penggunakan kecerdasan buatan untuk pendekatan masalah seperti deteksi kanker, prdiksi cuaca, dan kendaraan swa-kemudi. Teknologi tersebut mencakup kendaraan Tesla.

Tujuannya dalah untuk membantu jaringan untuk “berpikir”. Menurut informasi dari TechRepublic, “GPU Nvidia bekerja dengan baik untuk tugas pembelajaran mendalam karena mereka didesain untuk komputasi paralel dan melakukan dengan baik untuk mengatasi operasi vektor dan matrik yang umum pada pembelajaran mendalam”.GPU tersebut digunakan oleh peneliti, ilmuwan, perusahaan teknologi dan perusahaan komersial.

Pada tahun 2009, Nvidia terlibat dalam seuatu hal yang dinamakan “big bang” dari pembelajaran mendalam. “karena saraf pembelajaran mendalam dikombinasikan dengan GPU Nvidia”. Pada tahun tersebut, Google Brain menggunakan GPU Nvidia untuk membuat jaringan saraf mendalam yang cocok digunakan untuk pembelajaran mesin, dimana Andrew Ng bertekad bahwa GPU bisa meningkatkan sistem pembelajaran mendalam sebesar 100 kali.

Pada April 2016, Nvidia memproduksi superkomputer DGX-1 berbasis kelompuk GPU, untuk meningkatkan kemampuan untuk menggunakan pembelajrana mendalam dengan mengkombinasikan GPU dengan software pemebelajaran mendalam terintegrasi.

Nvidia juga mengembangkan GPU Nvidia Tesla K80 dan P100 berbasis mesin virtual, yang tersedia melalui Google Cloud, yang diinstal Google pada November 2016.

Microsoft menambahkan server GPU dalam peawaran preview seri N nyayang berbasis pada Nvidia's Tesla K80, masing-masing berisi 4992 inti pemrosesan. Kdi akhir tahun tersebut, AWS p2 diproduksi menggunakann sampai dengan 16 GPU Nvidia Tesla K80.

Bulan tersebut Nvidia juga bekerjasama dengan IBM untuk membuat software kit yang memperkuat kemampuan AI Watson, yang dinamakan IBM PowerAI. Nvidia juga menawarkan development kit software pembelajaran mendalamnya sendiri.

Pada tahun 2017, GPU juga dibawa online ke pusan Riken untuk proyek intelijen lanjutan untuk Fujitsu. Teknologi pembelajaran mendalam perusahaan menuntun pada peningkatan tertinggi pada pendapatan tahun 2017.

Pada Mei 2018, peneliti dari departemen kecerdasan Nvidia menyadari kemungkinan bahwa robot bisa belajar untuk melakukan pekerjaan dengan mudah dengan mengamati orang yang melakukan pekerjaan yang sama. mereka telah menciptakan sistem tersebut, setelah revisi pendek dan pengujian, akhirnya bisa digunakan untuk megontrol robot universal untuk generasi berikutnya.

Program Insepsi
Program Insepsi Nvidia diciptakan untuk mendukung startup dalam membuat kemajuan yang luar biasa dalam bidang AI dan ilmu data. Pemenang penghargaan diumumkan pada Nvidia's GTC Conference. Saat ini ada 2800 startup dalam progrm insepsi.
Pemenang tahun 2018