A cultura de startup que transformou a NVIDIA em uma gigante do Vale do Silício

A cultura de startup que transformou a NVIDIA em uma gigante do Vale do Silício



“Uma gigante, que se porta como uma startup, cujo produto/solução é capacitar todo o ecossistema de tecnologia”.
Talvez essa seja a grande síntese e mote da história que narra o passado, o presente e o futuro da NVIDIA. Para entender, direto pela aorta: a StartSe esteve em San José, no coração do Vale do Silício, com a oportunidade de radiografar um pouco da cultura que faz da NVIDIA uma das maiores empresas do mundo.

Impossível começar a narrativa sem falar do homem, da visão que – há mais de uma década – previu e decidiu criar o sustentáculo que hoje é a base do desenvolvimento da era de Inteligência Artificial no mundo. Jen-Hsun “Jensen” Huang, um formidável engenheiro elétrico e um executivo sem precedentes. Sobretudo, um visionário, que teve a perspicácia de antecipar o movimento e reposicionar toda a NVIDIA para capitanear a vanguarda dessa tecnologia.

Uma empresa que até pouco tempo atrás “apenas” dominava o mercado de hardwares, com suas famosas GPUs (Graphical Processing Units). Acontece que tem uma coisa: esse hardware é mais útil para rodar Inteligência Artificial do que CPUs tradicionais.

Computação acelerada por placas de vídeo é o uso de uma unidade de processamento gráfico para acelerar aplicativos de Deep Learning, análise e engenharia. Esses aceleradores de placas de vídeo agora potencializam data centers de eficiência energética em laboratórios governamentais, universidades, corporações e empresas de médio e grande portes em todo o mundo. Elas desempenham um papel fundamental na aceleração de aplicativos em plataformas que variam de Inteligência Artificial, até robótica e maquinário autônomo.

A crescente demanda por essas GPUs escalou astronomicamente os números da NVIDIA: ao longo dos últimos três anos, um aumento de 19% na média de suas vendas e – pasmem – um aumento de 56% em seu lucro total. Nos últimos quatro trimestres de 2017, a empresa gerou um total de US$ 9 bilhões em vendas e US$ 2,6 bilhões em lucro líquido.

Tais resultados fizeram da empresa de Huang uma queridinha entre os investidores. O preço de suas ações, há apenas dois anos, estava em torno de US$ 30. Hoje? Superior a US$ 200 e um valor de mercado US$ 130 bilhões. Paralelo a isso, a NVIDIA conseguiu ainda reter seus 70% de participação nesse mercado, apesar da concorrência de players como Intel e AMD.

“A IBM dominou a década de 1950 com o computador mainframe. A Digital Equipment Corp. dominou os anos 60 com a transição para minicomputadores. Depois veio a Microsoft e a Intel com os computadores pessoais (PC) e a Apple e o Google com a onipresença dos smartphones. Acreditamos que a próxima mudança tectônica está acontecendo agora e a NVIDIA é a vanguarda”, escreveu o analista da Jefferies, Mark Lipacis, em nota aos seus clientes.

Sempre enfrentando a concorrência das maiores empresas de tecnologia do mundo, a supremacia dessa era de Inteligência Artificial não era de fato um plano quando Jensen Huang, Chris Malachowsky e Curtis Priem fundaram a empresa em 1993. Os três se conheceram em um Denny’s perto da casa de Huang, em San José, para discutir o que eles acreditavam ser o próximo movimento da computação. Para o repórter Andrew Nusca, da Fortune, Jensen Huang abriu o jogo:

“Acreditamos que esse modelo de computação (acelerada e baseada em gráficos) poderia resolver problemas que a computação de propósito geral fundamentalmente não poderia. Também observamos que os videogames eram simultaneamente um dos problemas mais desafiadores em termos de computação e teriam um volume de vendas incrivelmente alto. Essas duas condições não acontecem com muita frequência. Os videogames eram nossa aplicação matadora – uma base para alcançar grandes mercados, com poder de financiar pesquisa e desenvolvimento para resolver problemas computacionais em massa”.

Com US$ 40 mil no banco, a NVIDIA nasceu. O primeiro escritório da empresa ficava em Sunnyvale, Califórnia. Jeff Fisher, o primeiro vendedor e atual vice-presidente executivo da companhia, contou a Fortune que “era um pequeno escritório. Almoçávamos em volta de uma mesa de pingue-pongue”. Hoje, a empresa tem o imponente Endeavor, um QG massivo de aproximadamente 47 mil metros quadrados e com capacidade para 8 mil funcionários. Baseado em Santa Clara, também na Califórnia, toda a ideia por detrás é criar um ambiente em que uma pessoa de qualquer lugar do mundo e sua família possa se sentir em casa. Diversidade é realmente uma preocupação para a NVIDIA. Isso sem mencionar o espetáculo de design e arquitetura.

O primeiro produto da companhia, um cartão multimídia para PCs chamado NV1, chegou em 1995, quando os jogos tridimensionais começaram a ganhar força. O cartão não vendeu bem, mas a empresa continuou revirando sua tecnologia em mais quatro lançamentos, ganhando cada vez mais volume de vendas e tração contra rivais como 3dfx, ATi e S3.

Um IPO bem-sucedido na Nasdaq em 1999 colocou em movimento uma enxurrada de conquistas para a NVIDIA. Naquele ano, lançou a GeForce 256, anunciada como a primeira GPU do mundo. Em 2006, introduziu o CUDA, uma arquitetura de computação paralela que permitia aos pesquisadores executar exercícios extremamente complexos em milhares de GPUs – o que tirou os chips da alçada dos videogames e os tornou mais acessíveis para todos os tipos de aplicações. Com o passar do tempo, esses movimentos liberaram novos fluxos de receita em setores como defesa, energia, finanças, saúde, manufatura e segurança.

“O nosso DNA vem da área de computação gráfica. A ideia era desenvolver um processador gráfico para atender a demanda das pessoas que jogavam. Em um determinado momento, começamos a entender que cientistas ao redor do mundo estavam usando nossas GPUs para fazer pesquisas, cálculos matemáticos. Foi aí que monitoramos essa nova demanda do mercado de computação científica e apresentamos a linguagem CUDA, que paraleliza a programação e permite que a placa gráfica seja o principal componente dentro do sistema de computação. Foi um divisor de águas. Começamos com games, veio a mídia e entretenimento, petróleo (onde são feitas inúmeras simulações), áreas financeira, de saúde, manufatura, IoT e Smart Cities. Tudo isso englobado sob um mesmo guarda-chuva: Inteligência Artificial e Deep Learning”, discursa Marcio Gomes de Aguiar, Gerente de Desenvolvimento de Negócios da NVIDIA na América Latina, em entrevista para a StartSe.

Huang admite que não tinha noção de como ou quando Inteligência Artificial iria se apresentar para o mundo, mas ele tinha absoluta convicção da superioridade da computação gráfica. Investiu então para garantir que sua empresa estivesse pronta para capitalizar as oportunidades criadas por essa mudança de paradigmas. “Eu tenho contado a mesma história por 15 anos. Eu mal tive que mudar meus slides”, comenta para a Fortune.

Todos funcionários e ex-funcionários cravam: “o tempero secreto da NVIDIA é sua cultura”. Para uma empresa de tecnologia de capital aberto, com mais de 11 mil funcionários, a NVIDIA é surpreendentemente unida, fruto de um CEO que abraça toda a comunidade, muito alinhamento estratégico e um sistema de valores essenciais, que promove a busca da excelência por meio da honestidade intelectual. Essa busca ressoa em todos os níveis da empresa, ajudando a conter as políticas organizacionais que normalmente obstruem o progresso de outras companhias. Como Huang diz: “Ninguém é o chefe. O projeto é quem manda”.

Abraçar a comunidade. Lembra de como começa esse texto? “Uma gigante, que se porta como uma startup, cujo produto/solução é capacitar todo o ecossistema de tecnologia”.

Pois bem, “a missão da NVIDIA é unir pesquisadores do mundo inteiro, que se beneficiam do uso das nossas plataformas de software e hardware. Criar o ecossistema, ouvir os laboratórios de pesquisa e proporcionar a eles a melhor tecnologia possível para possam seguir com seus trabalhos científicos”, volta a cravar Marcio.

Estamos falando de coisa séria! São várias as iniciativas de capacitação:
No mundo inteiro já são mais de 820 mil pesquisadores cadastrados em sua base – no Brasil, porém, esse número ainda é pequeno: apenas 14 mil pessoas estão registradas nos programas da NVIDIA.

As oportunidades são imensas. A NVIDIA quer ser a força dominante no que diz respeito a Inteligência Artificial – se transformando em muito mais do que uma simples vendedora de hardware; ela quer se tornar uma plataforma fortíssima para tudo que envolve a tecnologia.

Todas as principais estruturas de Deep Learning são aceleradas na plataforma de Inteligência Artificial da NVIDIA, disponível em todos os provedores de serviços de nuvem ao redor do mundo. Empresas de todos os portes estão aproveitando as placas de vídeo na nuvem para atingir resultados mais rápidos, se livrar da complexidade de gerenciar todo esse tipo de infraestrutura e, sobretudo, diminuir gastos pesados de capital.

As organizações estão cada vez mais recorrendo à essas placas para desenvolver aplicativos avançados em áreas como processamento de linguagem natural, atendimento inteligente ao cliente, análise de tráfego, vídeos de aprendizado e recomendações personalizadas. No GTC 2018 (confira tudo que rolou no maior evento de Inteligência Artificial do mundo aqui), foi anunciado o dobro de capacidade de memória (32GB) para a NVIDIA Tesla V100, a mais poderosa GPU de datacenter.

A Tesla V100 ajuda cientistas de dados a treinarem modelos de Deep Learning com mais precisão. A GPU também melhora o desempenho de aplicativos HPC em até 50%, se comparado com sua versão anterior. Disponível em todo portfólio DGX, empresas como Cray, Hewllet Packard Enterprise, IBM, Lenovo, Supermicro, Tyan e Oracle Cloud Infrastructure já anunciaram que começarão a usar o novo modelo.

A questão é: no último mês de março, rolou a conferência Computer Vision and Pattern Recognition – CVPR, em Honolulu. O CEO Jensen Huang escolheu o encontro para doar o equipamento a 15 participantes do programa NVIDIA AI Labs, pesquisadores de ponta no campo de Deep Learning que possuem o selo de parceria com a NVIDIA.

“IA é a força tecnológica mais poderosa que já conhecemos”, afirma Jensen em comunicado para a imprensa. “Eu já vi de tudo. Já testemunhei as idas e vindas da revolução cliente-servidor, as idas e vindas da revolução do PC e absolutamente nada é comparável”.

As GPUs, juntamente com a enorme quantidade de dados lançados pela Internet, desempenharam um papel crucial na expansão do Deep Learning. Um dos pesquisadores presentes no evento, Silvio Savarese, professor associado de ciência da computação na Universidade Stanford e diretor do SAIL-Toyota Center for AI Research, ressaltou que a V100 iria ser usada para novas pesquisas em condução autônoma e realidade virtual. “Tudo conta com tecnologias que usam Deep Learning. Somos capazes de fazer coisas que nunca havíamos feito. A NVIDIA tem uma maneira bastante singular de interagir com a comunidade, muito diferente de qualquer outra empresa. É uma maneira de apoiar a colaboração e esperamos que haja mais interações”. A pesquisa de Savarese está focada em campos como visão computacional, percepção robótica e Machine Learning.

A Volta, sétima geração de arquitetura de GPU, oferece um desempenho em teraflops de pico cinco vezes maior do que sua antecessora, a Pascal, e mais de 15 vezes superior ao da arquitetura Maxwell, lançada há apenas dois anos. Esse desempenho é quatro vezes maior do que o previsto pela lei de Moore.

O acelerador de GPU Tesla V100 rompe a barreira dos 100 teraflops em termos de desempenho de Deep Learning. A V100 conta com mais de 21 bilhões de transistores e inclui 640 núcleos Tensor, proporcionando 120 teraflops de desempenho; a mais atual tecnologia de interconexão de alta velocidade NVLink; e memória DRAM HBM2 de 900 GB/s para atingir uma largura de banda 50% maior do que as gerações de GPU anteriores.

Tudo isso suportado por um software otimizado para a arquitetura Volta, incluindo CUDA, cuDNN e TensorRT, cujas estruturas e aplicações podem ser facilmente exploradas para acelerar Inteligência Artificial e pesquisa.

A Tesla V100 já chegou no Brasil, através de uma parceria com a Accept.

O site da Accept agora permite que consumidores brasileiros adquiram soluções da NVIDIA. Produtos como GPUs NVIDIA Tesla P100 e V100, NVIDIA DGX e o NVIDIA DGX Station estão disponíveis.

“Graças à parceria com a Accept, a NVIDIA expande a oferta em soluções de alta performance no país, com produtos poderosos no desenvolvimento e pesquisa de Deep Learning e Inteligência Artificial, incluindo o NVIDIA DGX Station, que é o primeiro supercomputador do mundo projetado para esse fim”, pontua Marcio Aguiar. “A parceria garante que a distribuição desses produtos receba benefícios fiscais para oferecer aos pesquisadores e interessados em adquirir a plataforma preços mais competitivos que os encontrados por importação”.

Segundo comunicado de Silvio Campos, CEO da Accept, o acordo com a NVIDIA é importante, porque a empresa passa a oferecer produtos antes disponíveis apenas no mercado internacional. “O hardware das plataformas DGX Station e DGX System encontradas no Brasil é exatamente o mesmo do mercado externo, o que é ótimo para quem quer seguir a tendência de virtualizar cada vez mais o processamento em IA. Segundo o IDC, o número de servidores convencionais tende a diminuir em quantidade, abrindo espaço para configurações mais complexas, como o DGX Station, e que tendem a ocupar grande espaço de vendas nesse mercado”.

Para Aguiar, o maior público do DGX Station hoje é o pesquisador, que estuda todas as possibilidades proporcionadas pela tecnologia. Eles serão os responsáveis por popularizar a plataforma em utilização pela massa, como, por exemplo, no mercado financeiro, em laboratórios farmacêuticos, serviços e atendimento ao consumidor. Reforçando seu compromisso de incentivar a evolução e o treinamento de jovens talentos científicos no Brasil, a NVIDIA possui descontos de até 30% para instituições educacionais interessadas em adquirir a plataforma.

“Nos últimos anos, a NVIDIA vem trabalhando em estreitar o relacionamento com grandes instituições de ensino do Brasil, para incentivar a prática do processamento via GPU, de IA e, principalmente, em encontrar grandes talentos científicos no país que possam colaborar com inovações genuinamente nacionais. Por conta disso, tanto o DGX Station, quanto o DGX System possuem preços especiais para centros educacionais que queiram utilizá-los como ferramenta de pesquisa científica”, finaliza sobre o assunto o Gerente de Desenvolvimento de Negócios da NVIDIA na América Latina.

Atrás de startups e mão de obra qualificada, a NVIDIA anunciou uma parceria com o Instituto de Inteligência Artificial Aplicada da DATA H, para trazer um curso de Inteligência Artificial que abordará áreas do conhecimento como Visão Computacional, Processamento de Linguagem Natural, IoT (Internet das Coisas), Machine Learning e Robótica. A NVIDIA concede todo material de apoio, por meio da tecnologia Deep Learning Institute e de sua extensa biblioteca para desenvolvedores.

“Estamos felizes com essa parceria com o Data H, pois é o primeiro curso com essas características no Brasil, totalmente gratuito e voltado a talentos que queiram aprender novas técnicas de programação e busquem uma oportunidade no mercado”, volta a comentar Marcio Aguiar.

O curso é voltado para os interessados em inovação, tecnologia, profissionais da área de engenharia, alunos que queiram aprimorar o conhecimento em Inteligência Artificial e pessoas ligadas ao ecossistema de startups. Para ingressar é preciso participar de um processo seletivo, que consiste em resolver um teste com problemas envolvendo lógica. Não é necessário um conhecimento prévio na área, mas sim uma boa noção de matemática.

A primeira turma do projeto teve início no primeiro semestre de 2018 e o processo seletivo contou com 180 inscrições. Apenas seis, das 20 vagas disponíveis, foram preenchidas, pois foram os únicos capacitados para resolver o problema em questão. “Diante da complexidade de seleção, diversas empresas já ofereceram bolsas de pesquisa a alguns dos nossos alunos. O curso é uma pós-graduação, porém 60% dos alunos ainda estão na graduação, o que prova que são talentos natos”, afirma Evandro Barros, CEO da DATA H, em comunicado para a imprensa.

O curso é semestral e presencial, com o ensino baseado em Aprendizagem Baseada em Problemas (PBL), uma metodologia de ensino e desenvolvimento de competências guiada por problemas. Neste método, o aluno estuda individualmente sobre um determinado assunto antes da aula e anota todas as suas questões. Na aula, presencial, acontecem discussões sobre problemas reais, todas realizadas em dinâmicas de grupos.

Como os processos internos são eliminatórios, a cada seis meses é aplicada uma prova e quem não atingir a média é reprovado, abrindo vaga para mais pessoas. O curso acontece em Ribeirão Preto, na sede do Instituto e tem quatro anos de duração. Para se manter atualizado dos processos seletivos, basta se cadastrar na newsletter do site oficial da Data H.

NVIDIA Deep Learning Institute: trata-se de uma série de cursos online que oferecem treinamento prático para desenvolvedores, cientistas de dados e pesquisadores da área. Através de laboratórios e oficinas orientadas por instrutores, o DLI fornece treinamento das técnicas mais recentes para projetar, treinar e implantar redes neurais em uma variedade de domínios de aplicativos. Os alunos irão explorar frameworks open-source amplamente utilizados, além das mais recentes plataformas de Deep Learning aceleradas pelas GPUs da NVIDIA. Entre as aulas online disponíveis, o programa oferece laboratórios de aplicações de Deep Learning com Caffe, Theano e Torch, Classificação de Imagens e Detecção de Objetos com NVIDIA DIGITS e Segmentação de Imagens com TensorFlow. Além disso, há workshops guiados por instrutores que podem ser agendados, com assuntos como “Fundamentos de Deep Learning” ou “Análise de imagens para tratamento de saúde com uso de Deep Learning”. Por fim, é possível também personalizar os workshops os quais deseja participar.

NVIDIA Partner Network: a NVIDIA constantemente procura por novos parceiros de negócios para atuar nas vendas de seus produtos da área de Enterprise. Durante duas décadas, a companhia foi pioneira em soluções de computação visual e as levou ao mercado com uma rede de parceiros valiosos. “Se a sua empresa está interessada em inovar e acompanhar as tendências do mercado de tecnologia trabalhando com Visualização Profissional, Virtualização & Cloud, HPC e Inteligência Artificial, o momento chegou. A NVIDIA vai te ajudar nesse processo de atualização”, comenta Marcio Aguiar. As empresas selecionadas terão treinamentos específicos, de acordo com o ramo de atuação em que o parceiro será registrado.

NVIDIA Teaching Kits: tratam-se de soluções completas para professores que ministram disciplinas beneficiadas pela computação acelerada por GPU. Desenvolvido em conjunto com universidades líderes dos Estados Unidos, o Teaching Kits oferece um projeto completo de currículo e boa acessibilidade de uso. Educadores podem trazer a teoria acadêmica para aplicações do mundo real, a fim de capacitar pesquisadores e empreendedores com habilidades críticas do campo de Inteligência Artificial. São todos os recursos necessários para que você possa ensinar sobre essa tecnologia.

Inception AI Accelerator Program: trata-se de uma iniciativa que apoia startups de Inteligência Artificial e Data Science. O programa de aceleração online dá todo o suporte a projetos em estágios críticos de desenvolvimento, prototipagem e implementação de solução ou produto. As participantes recebem um conjunto personalizado de benefícios, que vão desde subsídios de hardware e suporte de marketing, a treinamento com especialistas de Deep Learning do mercado e da NVIDIA. Além disso, o NVIDIA Deep Learning Institute oferece as mais inovadoras técnicas de design, treinamento e implementação de rede neural baseada em Machine Learning em seus aplicativos. A premiação para as vencedoras do Inception Awards Finale é de US$ 1 milhão. A NVIDIA ainda pode investir no projeto através do GPU Ventures. Esse ano, a final aconteceu durante o GPU Technology Conference. Foram 3 startups vencedoras, divididas em 3 categorias: Subtle Medical (Healthcare), AiFi (Enterprise) e Kinema Systems (Autonomous Systems).

A resposta: a aplicação de toda essa tecnologia.
A diversidade do portfólio de aplicações da NVIDIA é impressionante. Se você chegou até aqui, já é do seu entendimento que a empresa está realmente tomando as rédeas do desenvolvimento de Inteligência Artificial no mundo. Uma gigante, pela magnitude de suas criações; e uma startup, que como Marcio Aguiar diz: “trabalha com pés no chão dia após dia”. Isso permite que a NVIDIA expanda suas aplicações para todos os tipos de mercado com um cuidado ímpar. Parece até uma empresa de nicho. De vários nichos.

Em 2018, para se ter uma noção, os candidatos na categoria foram: Planeta dos Macacos: A Guerra; Kong: A Ilha da Caveira; Blade Runner 2049; Guardiões da Galáxia Vol. 2; e Star Wars: Os Últimos Jedi. Somando todos os blockbusters, uma bilheteria total de US$ 3,5 bilhões. Vê o poder? A NVIDIA constrói o maquinário que roda superproduções de Hollywood e que giram bilhões.

A equipe de efeitos visuais de Planeta dos Macacos se concentrou na criação de interações altamente realistas entre os macacos e os respectivos ambientes, da fortaleza oculta até a prisão. “Planeta dos Macacos: A Guerra foi um avanço para a nossa animação”, afirma em comunicado Daniel Barrett, supervisor de animação na Weta Digital. “Agora, trabalhamos em tempo real com nossos bonecos de animação, mesmo tendo dezenas de personagens e equipamentos de animação facial de resolução total. Isso significa que nossos animadores estão juntos com os personagens naquele exato momento. A tecnologia das placas de vídeo da NVIDIA nos ajudou a conquistar isso”.

Todos os anos, a Academy of Motion Picture Arts and Sciences reconhece um grupo internacional de cientistas que contribuíram significativamente para a evolução contínua dos filmes, cujo os esforços continuam a fortalecer a criatividade da indústria.

Este ano, em 10 de fevereiro, a Academia concedeu a 34 pessoas os prêmios por realização científica e técnica. Entre os premiados, estava Joe Mancewicz, Engenheiro de Software sênior na NVIDIA, que colaborou com diversos filmes vencedores do Oscar. Esse é o segundo Academy Award dele. Mancewicz foi indicado pelo design, arquitetura e implementação de um sistema de rigging de kit de construção – técnica de animação em 3D que adiciona movimento a um personagem simulando articulações própria de sua natureza estrutural.

“Estou honrado pelo reconhecimento dado pela Academia ao meu trabalho e de meus colegas na Rhythm & Hues, o qual permite 15 anos de melhorias na eficiência de produção e qualidade de animação. Na NVIDIA, estou animado em usar minha experiência para gerar avanços em Inteligência Artificial em diversos setores”, diz Mancewicz.

Graças a Deep Learning e as GPUs da NVIDIA, médicos podem prever o início de doenças com bastante antecedência, simplesmente analisando os registros eletrônicos de saúde do paciente (EHRs, Electronic Health Records).

“Estamos indo do tratamento para a prevenção”, afirma Narges Razavian, professora da Langone School of Medicine, da Universidade de Nova York, em comunicado para a imprensa. “Queremos saber se a pessoa está em risco de ter algo e se podemos prever esse risco”. Durante o GTC, Razavian pôde explicar como sua equipe da NYU previu 200 doenças três meses mais rápido do que os métodos tradicionais, analisando EHRs como exames de laboratório, observações de médicos e raios X.

O software de Deep Learning de Razavian previu com precisão insuficiência cardíaca, doença renal grave, problemas hepáticos, diabetes e condições relacionadas a hormônios, com base em apenas 18 avaliações de laboratório comuns coletadas ao longo de três anos. “Muitas doenças são evitáveis, mas acontecem tão lentamente que as pessoas pioram sem perceber. Se pudermos usar Deep Learning como uma ferramenta avançada para dar um alerta aos pacientes, seremos capazes de prevenir doenças enquanto ainda há tempo.”

Os pesquisadores da NYU não são os primeiros a perceber o potencial dos EHRs. O que é diferente é a habilidade da equipe combinar vários tipos diferentes de registros ao longo do tempo para encontrar relações antes desconhecidas. Por exemplo, pesquisadores previram a diabetes tipo 2 estabelecendo conexões entre 900 medições como o peso, a pressão arterial, os níveis de glicose, a função hepática e os níveis de colesterol do paciente. No processo, eles descobriram que alguns fatores não tipicamente associados à diabetes (histórico de apneia do sono ou bronquite aguda, hipotireoidismo e anemia) também podem prever a doença. “Isso nos aproxima dos mecanismos biológicos das doenças”, diz Razavian.

Para prever doenças, os pesquisadores treinam duas redes neurais em avaliações de laboratório e informações de diagnóstico para 200 mil pessoas selecionadas dentre 4,1 milhões de clientes com convênios médicos. Os dados eram “crus”. Isso significa que não tinham sido rotulados nem processados. A equipe coloca sua pesquisa à prova para melhorar uma iniciativa do centro médico da NYU, que fornece visitas e telefonemas de enfermeiros para 250 mil pacientes de alto risco. Ao usar Deep Learning para prever quais pacientes eram propensos a sofrer certas condições, a equipe auxiliou o hospital a determinar quem poderia ser ajudado por um programa intensivo de gestão de estilo de vida destinado a prevenir doenças. O trabalho também ajuda a automatizar o agendamento de visitas de enfermeiros a pacientes de alto risco e os testes de rastreamento.

“As aplicações para esse trabalho são enormes e nossos limites são apenas de pessoal e tempo”, finaliza.

O Bing, da Microsoft, tem como diferencial diante dos demais navegadores a possibilidade de o usuário pesquisar imagens dentro de fotos. É possível até comprar itens encontrados nas fotos. Por exemplo, um fã de “Velozes e Furiosos”, que quer personalizar seu carro com os acessórios que viu no filme, pode descobrir onde comprar selecionando o item. Em outro caso, uma pessoa que está reformando a sala de estar e viu uma foto de um lustre reluzente que adicionaria o tipo certo de elegância ao ambiente pode saber qual é a marca do produto e onde encontrá-lo.

Em ambos os casos, Inteligência Artificial pode ajudar com um sistema de identificação de imagens dentro da imagem. Para isso, basta ao interessado desenhar uma caixa ao redor da figura para destacá-la. A Pesquisa Visual do Bing mostrará fotos semelhantes à sua seleção, onde você comprar um item dela, por exemplo – em muitos casos, já aparecerá com o preço.

Este novo tipo de pesquisa não é apenas para compras. O usuário pode fazer upload das suas próprias fotos ou selecionar qualquer coisa online — uma torta de maçã, uma cachoeira, um hotel — e a Pesquisa de Imagens do Bing retornará fotos semelhantes e tags que descrevem como o mecanismo de pesquisa entende o que está na foto. Ao selecionar uma imagem parecida, você poderá ver informações úteis, como receitas de tortas de maçã, a localização da cachoeira ou o nome do hotel.

A Pesquisa Visual funciona com Deep Learning, tornando-se mais precisa quanto mais for usada. Por enquanto, as imagens relacionadas às vezes parecem visualmente semelhantes, mas não são de fato a mesma coisa. Pesquise aquele vestido esportivo amarelo usado por Emma Stone em “La La Land” e você encontrará mais vestidos amarelos, mas todos eles são vestidos de noite. A Microsoft usa imagens do índice de pesquisa do Bing, juntamente com GPUs da NVIDIA, para treinar o algoritmo de Deep Learning para a Pesquisa Visual. Todas as imagens são identificadas ou, na linguagem do Deep Learning, rotuladas.

Um dos principais desafios da BOVESPA é oferecer aos seus investidores uma adequada estimativa de riscos, em que os ganhos de eficiência são baseados em robustas hipóteses, que relacionam as dinâmicas de negociação e de liquidação de cada um dos ativos do mercado. Em caso de inadimplência, o investidor está exposto ao “closeout” – risco de encerramento da carteira de ativos e contratos.

Pensando nisso, a BOVESPA desenvolveu uma nova câmara de liquidação. Criada especialmente para a estimação do risco de encerramento de carteiras, essa entidade financeira permite a avaliação, de forma consistente e integrada, dos três tipos de risco: de mercado, de liquidez e de fluxo de caixa. Desenvolvido com avançado processamento de GPUs da NVIDIA, essa nova câmara de liquidação é movida pelo CORE (Closeout Risk Evaluation), um novo sistema de risco inovador no mercado financeiro mundial, responsável por quantificar as perdas potenciais na hipótese de inadimplência de um ou mais participantes e seu eventual impacto.

Em comunicado, Alexandre Arantes Bezerra Barbosa, Superintendente de Desenvolvimento de Sistemas da BOVESPA, disse que a utilização de GPUs da NVIDIA é uma escolha natural diante da grande quantidade de cálculos a serem feitos. “As GPUs aceleram os cálculos, o que reduz o tempo de processamento total”.

O sistema CORE é formado por três servidores, que são equipados por 8 placas gráficas TESLA M2090 cada um. Essa tecnologia pode ser aproveitada pelo mercado através dos simuladores e mensagens disponíveis para os participantes cadastrados na BOVESPA. “A computação com aceleração de GPU oferece performance sem precedentes, se comparada às tradicionais soluções de CPU. Enquanto a CPU é formada por alguns núcleos otimizados para processamento de série sequencial, a GPU oferece milhares de núcleos menores e mais eficientes para lidar com múltiplas tarefas simultaneamente, como é o caso do CORE”, volta a explicar Marcio Aguiar.

Para a BOVESPA, além da alta velocidade de processamento, a escolha pelas GPUs da NVIDIA também significa eficiência e segurança ao mercado.  “Se compararmos a forma como calculávamos o risco anteriormente em relação ao atual sistema, o CORE criou uma eficiência na alocação de capitais durante o cálculo de risco de forma que a exigência de garantias fosse menor, logo, obtivemos uma economia de até US$ 5 bilhões para o mercado”, finaliza.

Terminais de consulta de preço e câmeras de segurança podem fazer muito mais do que simplesmente informar o preço dos produtos e auxiliar na segurança da loja. Utilizando servidores Jetson TK1 e processamento gráfico em nuvem, ambos da NVIDIA, a GeekSys, empresa brasileira percursora do conceito Store Performance Management (SPM), está investindo no desenvolvimento de tecnologias de inteligência para lojas físicas.

“Atualmente, o nosso sistema é capaz de capturar a intenção de compra dos consumidores, além de contar quantas pessoas passaram por determinado corredor e medir a popularidade das gôndolas via mapa de calor. Isso ajuda, por exemplo, aos administradores a decidirem se aquele produto está bem localizado ou se chamará mais a atenção em outro local, de mais destaque. Além disso, é possível verificar quais zonas estão ‘abandonadas’ pelos clientes e como está a taxa de conversão de compra e nível de interesse por certos itens”, explica para a imprensa Luiz Vitor Martinez Cardoso, CEO e fundador da GeekSys.

Outro ponto destacado por Luiz é que os servidores Jetson TK1 possuem um custo muito mais baixo do que outros sistemas similares de processamento de imagens. “Hoje integramos tudo em um só pacote, já que a NVIDIA oferece também a GPU via cloud em servidores da Amazon, o que dispensa o investimento com poderosos processadores gráficos instalados em cada local, em cada cliente. Com isso, conseguimos suportar um número maior de análises por um custo até 5 vezes menor”.

A NVIDIA e a Aurora anunciaram parceria para criar uma nova plataforma de hardware de Nível 4 e Nível 5 para carros autônomos. A Aurora é uma das principais empresas que estão desenvolvendo essa tecnologia.

“A NVIDIA criou o DRIVE Xavier para empresas como Aurora”, disse Huang na CES 2018. “Nossas duas equipes de engenharia de classe mundial compartilham um entendimento comum sobre o poder de Inteligência Artificial e do enorme processamento necessário para habilitar automóveis autônomos avançados e soluções de mobilidade como serviço”.

Tanto o nível 4, quanto o nível 5 de condução autônoma não exigem pessoas no volante, já que ambos contam com sistema avançado de detecção de objetos e mudanças climáticas. A diferença entre um e outro é que o nível 4 pode parar de funcionar em alguns casos específicos de limitação ausentes no nível 5. Com seus parceiros automotivos, a Aurora espera colocar carros de Nível 4 e Nível 5 nas estradas nos próximos anos.

“A missão da Aurora é entregar os benefícios da direção autônoma rápida e segura em todo o mundo. Para isso, estamos desenvolvendo uma plataforma que escala em uma ampla gama de marcas e modelos de nossos parceiros automotivos “, explica Chris Urmson, CEO da Aurora. “NVIDIA DRIVE Xavier é um elemento-chave do computador da Aurora, que oferece o desempenho necessário para alimentar nosso sistema de condução autônoma”.

Agora no GTC 2018, a NVIDIA apresentou um sistema na nuvem para testar veículos autônomos usando simulação fotorrealista, criando um método mais seguro e escalável para levar esses carros para as ruas. A NVIDIA DRIVE Constellation é uma plataforma de computação baseada em dois servidores diferentes: o primeiro executa o software NVIDIA DRIVE Sim para simular os sensores de um veículo autônomo, como câmeras, lidar e radar; e o segundo contém um poderoso computador de bordo NVIDIA DRIVE Pegasus IA, que executa todos os softwares e processa os dados simulados como se estivessem vindo dos sensores de um carro autônomo na estrada.

“A implementação de carros autônomos requer uma solução para testar e validar bilhões de quilômetros, para assim obter a segurança e a confiança necessárias para os clientes. Com o DRIVE Constellation, conseguimos isso combinando nossa experiência em computação visual e data centers. Com simulação virtual, podemos aumentar a robustez de nossos algoritmos, testando bilhões de quilômetros de cenários personalizados, tudo em uma fração do tempo e o custo que seria necessário para fazer isso em estradas físicas”, opina Rob Csongor, VP and General Manager of Automotive na NVIDIA, durante o GTC.

O servidor de simulação é alimentado por GPUs da NVIDIA, cada uma gerando um fluxo de dados de sensores, que alimentam o DRIVE Pegasus para processamento. Os comandos de direção do DRIVE Pegasus são realimentados no simulador, completando o ciclo. Esse ciclo “hardware-in-the-loop”, que ocorre 30 vezes por segundo, é usado para validar que os algoritmos e softwares executados no Pegasus estão operando corretamente.

O software DRIVE Sim gera fluxos de dados fotorrealistas para criar uma vasta gama de diferentes ambientes de teste. Pode simular climas diferentes, como tempestades e nevascas; brilho ofuscante em diferentes momentos do dia ou visão limitada à noite; e todos os diferentes tipos de superfícies de estrada e terreno. Situações perigosas podem ser roteirizadas para testar a capacidade do carro autônomo de reagir, sem nunca colocar ninguém em perigo.

Para tornar as cidades mais seguras e inteligentes, elas precisam estar conectadas. E poucas empresas sabem mais sobre conexão do que a Verizon. A companhia se juntou a NVIDIA Metropolis, a plataforma de vídeo na nuvem da gigante do Vale do Silício para a criação de aplicativos com Deep Learning.

Seu grupo de “Smart Communities” tem trabalhado para conectar as comunidades e configurá-las para o futuro, incluindo a anexação de matrizes de câmeras inteligentes com tecnologia NVIDIA Jetson nas luzes da rua e outros pontos de observação urbanos.

As matrizes usam os algoritmos de Deep Learning do Jetson para analisar vários fluxos de dados de vídeo e procurar formas de melhorar a dinâmica de tráfego, aumentar a segurança de pedestres, otimizar estacionamento em áreas urbanas e muito mais.

Lançada no ano passado, a plataforma NVIDIA Metropolis inclui ferramentas, tecnologias e suporte para criar aplicativos de Deep Learning para qualquer tipo de aplicação, desde gerenciamento de tráfego e estacionamento, até serviços policiais e da cidade.

A Verizon aproveita o Jetson TX1 para coletar e analisar dados capazes de chegar nas extremidades de uma cidade. Este supercomputador acelera o Deep Learning ao limite, permitindo a análise de vídeo em tempo real. Esses vídeos capturam e classificam objetos como veículos, ciclistas e pedestres e identificam interações, fornecendo às autoridades municipais um fluxo de dados 24 horas por dia, 7 dias por semana, sobre pessoas que atravessaram o farol vermelho, pedestres fora das faixas e locais de estacionamento.

“No Jetson, vimos a capacidade de aproveitar as GPUs para criar uma visão de Deep Learning consistente”, disse Tucker. Enquanto o Jetson pode identificar veículos em alta velocidade, movimentos de ciclistas e lidar com outras tarefas em tempo real, uma vez que os dados estão de volta na nuvem, eles podem ser usados ​​para análise preditiva. “Temos a tendência de ver algo acontecendo no cruzamento A e entender o impacto quase em tempo real nos cruzamentos B e C a alguns quarteirões de distância”.

Em Boston e Sacramento, na Califórnia, a Verizon já implantou essa tecnologia em infraestruturas de iluminação pública. Mais adiante, essas luzes inteligentes serão capazes de se comunicar com veículos autônomos e apoiar a comunicação de tráfego, ajudando a reduzir congestionamentos e manter os pedestres e motoristas mais seguros.

Andrew Herson, chefe de Computer Vision Products no Smart Communities Group da Verizon, falou sobre as novidades na sessão “Buildin Smarter Cities with AI-Powered Applications”. A Verizon também está demonstrando suas luzes inteligentes na seção de Smart Cities da NVIDIA no showroom do GTC.

A NVIDIA e a Volkswagen compartilharam na CES 2018 a visão de como Inteligência Artificial e Deep Learning moldarão o desenvolvimento de uma nova geração de veículos inteligentes da Volkswagen. A plataforma NVIDIA DRIVE IX será usada para criar novas experiências a frente do painel e melhorar a segurança do veículo em movimento.

“Inteligência Artificial está revolucionando o setor automobilístico”, disse na ocasião o presidente-executivo Herbert Diess. “A condução autônoma, a mobilidade de emissão zero e as redes digitais são praticamente impossíveis de serem realizadas sem os avanços em IA e Deep Learning. Combinar a imaginação da Volkswagen com a da NVIDIA, que é líder na tecnologia de Inteligência Artificial, nos permite dar um grande passo rumo ao futuro”.

A plataforma NVIDIA DRIVE IX Intelligent Experience é um kit de desenvolvimento de software para criar aplicativos habilitados para IA, como reconhecimento facial para desbloquear e abrir automaticamente o veículo, percepção surround para alertar o motorista para riscos potenciais, reconhecimento de gestos para controles de usuários, compreensão de linguagem natural para um impecável controle de voz e controle de olhos para alertas de distração do motorista.

“Em apenas alguns anos, espera-se que cada novo veículo tenha assistentes de IA para reconhecimento de voz, gestual e facial, bem como de realidade aumentada”, faz coro Huang. “O trabalho da Volkswagen com a tecnologia NVIDIA DRIVE IX fará disso uma realidade. Juntos, estamos construindo uma nova geração de carros que são mais seguros, mais divertidos de andar do que qualquer coisa já lançada antes e acessíveis a todos”.

A nova VW I.D. Buzz – que marca o renascimento da icônica Kombi – usará a tecnologia DRIVE IX para criar aplicativos “Intelligent Co-Pilot”, que incluirão sistemas de conveniência e assistência baseados no processamento de dados do sensor tanto dentro como fora do carro. Os sistemas podem ser aprimorados ao longo da vida útil do veículo através de atualizações de software e podem ganhar novas capacidades à medida que desenvolvimentos adicionais são feitos em uma condução autônoma. Graças ao Deep Learning, o carro do futuro aprenderá a avaliar com precisão as situações e a analisar o comportamento dos outros carros na estrada, permitindo que ele tome decisões corretas.

A I.D. Buzz faz parte do I.D. Family, com a qual a Volkswagen vai lançar sua campanha de carro elétrico e gradualmente introduzirá condução autônoma a partir de 2020. Mais de 20 modelos de veículos totalmente elétricos estão planejados até 2025, já que a montadora trabalha no sentido de se tornar líder mundial nesta área.

Esses novos modelos baseiam-se na arquitetura completamente nova para carros chamada de MEB, que é consistentemente orientada para a emissão zero, mobilidade digital, fazendo uso dos benefícios gerais da unidade elétrica. Usando uma bateria integrada no chão do chassi e um sistema de transmissão compacto, eles oferecem um interior generoso e altamente variável. Para este fim, as tecnologias pioneiras estão disponíveis no segmento de veículos compactos elétricos, como o conceito operacional com painéis virtuais de realidade aumentada.

Desde o início, os modelos baseados na arquitetura MEB oferecerão os mais recentes sistemas de assistência e estarão preparados para os níveis de condução autônomos que estão disponíveis. Os sistemas eletrônicos MEB também serão gradualmente introduzidos em veículos com sistemas de acionamento convencionais baseados na arquitetura MQB.

“A NVIDIA não está apenas na vanguarda do desenvolvimento de GPUs e computação em nuvem, mas também é líder de mercado para computação de IA em carros. A combinação de NVIDIA e Volkswagen tem o potencial de trazer esse nível de capacidade de IA para todos. VW I.D. O Buzz, com suas incríveis interfaces de usuário de IA, autônomas e de segurança aprimorada do motorista, é um sinal do futuro que todos nós podemos imaginar”, afirmou Roger Lanctot, diretor da Strategy Analytics, pouco tempo depois do anúncio.

Existem cerca de 3 milhões de instrumentos de imagem médica instalados em todo o mundo. São apenas milhares de novos vendidos a cada ano, o que levaria décadas para atualizar toda essa base de instalação. O Project Clara é um supercomputador da NVIDIA, que projeta imagens em 3D!

Uma década atrás, os pesquisadores perceberam que as GPUs da NVIDIA fornecem a arquitetura mais eficiente para aplicações de imagens médicas e podem ajudar a reduzir a exposição à radiação, melhorar a qualidade e produzir imagens em tempo real. Agora, Deep Learning tomou conta do setor.

Reconstrução iterativa e sensoriamento por compressão reduzem a exposição à radiação em até 90% e encurtam o tempo necessário para a captação de uma imagem de tomografia e ressonância magnética.

Deep Learning e Inteligência Artificial estão gerando ótimas oportunidades para análise e quantificação avançadas de imagens. Um algoritmo recente chamado V-Net usa segmentação volumétrica 3D e pode medir automaticamente o volume de sangue que flui através do coração. Quinze anos atrás, esse algoritmo precisaria de um computador de US$ 10 milhões e consumisse 500 kW de energia. Hoje, ele pode rodar em algumas GPUs Tesla V100.

O Project Wakanda permite que um motorista controle um carro autônomo de forma remota. O nome da tecnologia é baseado no filme Pantera Negra, da MARVEL, que exibe o conceito em algumas cenas. A personagem Shuri dirige um carro autônomo na Coreia do Sul enquanto está sentada em simulador no seu laboratório em Wakanda, na África.

No GTC 2018, o CEO da Nvidia, Jensen Huang, fez algo parecido: utilizou um cockpit adaptado para controlar um carro autônomo que estava do lado de fora do pavilhão do evento. Uma pessoa da plateia ainda experimentou a tecnologia. A responsável é a plataforma Holodeck, que permite acessar dados e controles de um carro autônomo de forma remota.

Um passado de apostas, um presente magnífico e um futuro maior ainda.
“O que eu acredito que será realmente incrível, que vai acontecer a seguir, é a habilidade de uma Inteligência Artificial escrever outra Inteligência Artificial”, à Fortune, profetiza Huang. “No futuro, as empresas terão uma IA que observará padrões para suas transações e processos, a todo momento. Vendas, engenharia, cadeia de suprimentos, logística, operações comerciais, finanças, atendimento ao cliente. Como resultado desta observação, a Inteligência Artificial escreverá uma outra Inteligência Artificial para automatizar todos esses processos. Nós não podemos fazer isso, são muitas camadas de complexidade, mas um dia a tecnologia conseguirá”.

A questão é: na década de 90, o CEO já falava sobre o potencial de processamento gráfico e Inteligência Artificial, mas quem ali dava o crédito devido? A consequência de toda essa história você acompanhou aqui. História disruptiva. Hoje lhe é dada a notoriedade condizente, notoriedade de um líder, de um percussor, de uma das mentes que elevam o patamar do conhecimento científico do mundo. A aposta de Huang é ousada, mas hoje não há quem não embarque nessa com a NVIDIA.

“Uma gigante, que se porta como uma startup, cujo produto/solução é capacitar todo o ecossistema de tecnologia”.

Fonte: startse





POR QUE CIDADES INTELIGENTES PRECISAM DE ECOSSISTEMAS DE INOVAÇÃO?

POR QUE CIDADES INTELIGENTES PRECISAM DE ECOSSISTEMAS DE INOVAÇÃO?

T-Systems Brasil apresenta sua visão de cidade inteligente

T-Systems Brasil apresenta sua visão de cidade inteligente

Plataforma YouShip: a Uber das encomendas para uma entrega mais eficiente

Plataforma YouShip: a Uber das encomendas para uma entrega mais eficiente

Secretário de Planejamento conhece projeto de “Cidade Inteligente” na França

Secretário de Planejamento conhece projeto de “Cidade Inteligente” na França

O que podemos aprender com as três gerações de Cidades Inteligentes

O que podemos aprender com as três gerações de Cidades Inteligentes

Alibaba compra empresa chinesa para investir em nuvem e internet das coisas

Alibaba compra empresa chinesa para investir em nuvem e internet das coisas

Para avaliar hábitos perigosos no trânsito, seguradora usa app com telemetria

Para avaliar hábitos perigosos no trânsito, seguradora usa app com telemetria

Beacons: Santa Catarina alia o digital à experiência turística

Beacons: Santa Catarina alia o digital à experiência turística

Informa Group patrocina projeto de inclusão social

Informa Group patrocina projeto de inclusão social

A cultura de startup que transformou a NVIDIA em uma gigante do Vale do Silício

A cultura de startup que transformou a NVIDIA em uma gigante do Vale do Silício



Paginas ( 1 / 46 ) Próxima