C’è stato un tempo in cui Nvidia era solo una società capace di fare schede grafiche potentissime, come quelle della serie GeForce, appetite da appassionati di gaming e professionisti della visualizzazione. Ma da alcuni anni ormai la società che ha sede a Santa Clara è uno dei motori dell’innovazione tout court, con il suo Ceo e co-fondatore, Jen-Hsun Huang che si è ritagliato un posto ideale tra Steve Jobs ed Elon Musk, col suo immancabile giubbotto di pelle nera che sfoggia ad ogni nuovo atteso keynote.

Così è stato anche al recente Computex di Taipei, dove Huang ha ricordato che il futuro dell’industria è tutto nello sviluppo dell’intelligenza artificiale e del deep learning, settori per i quali non a caso i processori grafici e le soluzioni software della sua società sono perfetti. La chiave è infatti quella di garantire un aumento della velocità di calcolo per applicazioni obbligate a processare incredibili quantità di dati, come nel caso dell’Ai deputata alla guida autonoma, al riconoscimento vocale e molto altro ancora. Ma quando è avvenuto il passaggio da società di prodotto a faro del settore dell’innovazione? “La svolta è avvenuta nel 2006 l’introduzione di Cuda, un ambiente di sviluppo che permetteva di scrivere programmi generici che funzionassero sulle Gpu”, spiega Mark Hamilton, vicepresidente del reparto Solutions Architecture and Engineering di Nvidia “fatto che ha aperto alla creazione di altre applicazioni oltre a quelle grafiche. E successivamente nel 2011 lo sviluppo dei primi programmi di intelligenza artificiale proprio grazie a Cuda”.

Il cambiamento di prospettiva, afferma Hamilton, è stato proprio quello di permettere di utilizzare l’hardware di Nvidia per dare in pasto ai software incredibili quantità di dati da analizzare e imparare, “nello stesso modo in cui si insegna a un neonato a parlare, proponendogli un sacco di esempi in modo che possa prenderli da solo a modello per sviluppare il linguaggio”. Proprio per favorire questo tipo di ricerche Nvidia ha presentato al Computex la Gpu Tesla V100, che grazie a un’architettura innovativa permetterà performance sensibilmente più veloci. Le applicazioni presentate a Taipei fanno intuire come i prodotti hardware siano solo le fondamenta di un progetto più ambizioso: lo dimostra la piattaforma software dedicata al deep learning che Nvidia metterà sul cloud a disposizione di ricercatori e società interessati a sfruttarne strumenti e velocità di calcolo. Ma, visto che andiamo in direzione di una società in cui i robot saranno sempre più presenti tra noi, anche la piattaforma Isaac che permette di crearne una versione digitale da addestrare in un ambiente virtuale: una simulazione i cui parametri copiano esattamente quelli del mondo reale. “Addestrando i robot a eseguire un compito, attraverso i meccanismi del deep learning, che permette loro di imparare dai propri errori, sarà possibile testarli in maniera sicura ancor prima di metterli nel mondo reale”, spiega Hamilton.

L’ultima demo particolarmente impressionante visibile a Taipei è un software che acquisisce immagini da telecamere poste nelle strade o addosso alle forze dell’ordine ed è in grado di immagazzinare e analizzare i dati (automobili, veicoli, ma soprattutto persone e facce) per poter permettere poi ricerche nell’enorme flusso di immagini: ad esempio si potranno visualizzare tutte le persone castane che si trovavano in un luogo in un dato intervallo temporale. Una soluzione che prospetta una società in cui il controllo sugli individui è totale e getta ombre su quelle che potranno essere le applicazioni future dell’intelligenza artificiale. “Credo che si fraintenda cosa è l’intelligenza artificiale”, spiega Hamilton “perché non è un’intelligenza generale come si vede nei film, ma è capace di riconoscere e comprendere modelli specifici. Perciò la paura che i computer potranno dominare il mondo è qualcosa di veramente remoto nel tempo. Per quanto riguarda la capacità di utilizzarla ad esempio in campi che affliggono la privacy, il problema non riguarda tanto la tecnologia quanto i legislatori che dovrebbero stabilire quando questa può essere utilizzata o meno”.