A Jornada da Nvidia: De um Laboratório de Pesquisa a um Gigante de IA
Quando Bill Dally ingressou no laboratório de pesquisa da Nvidia em 2009, a equipe era um grupo modesto de cerca de uma dúzia de pessoas, com um foco principal em ray tracing, uma técnica avançada de renderização para computação gráfica. Mal sabiam eles que aquele pequeno núcleo de inovação se tornaria o motor por trás da transformação da Nvidia de uma startup de GPUs para videogames, nos anos 90, para uma empresa avaliada em 4 trilhões de dólares, liderando a revolução da inteligência artificial.
O Início da Expansão e a Visão para o Futuro
Atualmente, o laboratório de pesquisa da Nvidia conta com mais de 400 colaboradores. A expansão começou em 2009, com Dally priorizando a exploração de novas áreas além do ray tracing, como design de circuitos e VLSI (Very Large Scale Integration), um processo crucial que integra milhões de transistores em um único chip. A filosofia era clara: identificar as áreas com maior potencial de impacto significativo para a empresa, mesmo diante de um cenário de constantes inovações.
Dally, que hoje ocupa o cargo de cientista-chefe da Nvidia, já prestava consultoria para a empresa desde 2003, enquanto lecionava em Stanford. Ao se preparar para deixar a chefia do departamento de Ciência da Computação para um período sabático, a Nvidia apresentou um plano ambicioso. David Kirk, então gestor do laboratório, e o CEO Jensen Huang, acreditavam que uma posição permanente seria o ideal para Dally. A insistência deles foi fundamental para convencer Dally a se juntar à equipe, o que ele descreveu como um “encaixe perfeito para meus interesses e meus talentos”.
Antecipando a Revolução da IA
Um dos movimentos mais visionários do laboratório foi o foco em aprimorar as GPUs (Graphics Processing Units) para aplicações de inteligência artificial. A Nvidia já antecipava o boom da IA em 2010, mais de uma década antes da atual febre. “Dissemos: ‘Isso é incrível, isso vai mudar completamente o mundo’. Precisamos intensificar nossos esforços, e Jensen acreditou em mim quando expressei essa visão”, relatou Dally. Essa antecipação levou à especialização das GPUs e ao desenvolvimento de um vasto ecossistema de software de suporte, em colaboração com pesquisadores globais, muito antes de a IA se tornar um tópico mainstream.
Com a Nvidia dominando o mercado de GPUs para IA, o foco se expandiu para novas fronteiras: a IA física e a robótica. “Acredito que, eventualmente, os robôs serão protagonistas no mundo, e queremos ser os responsáveis pelo cérebro de todos eles. Para isso, precisamos desenvolver tecnologias-chave”, afirmou Dally.
A Era da IA Física e da Robótica
A entrada de Sanja Fidler no laboratório de pesquisa da Nvidia em 2018 marcou um novo capítulo, com foco em modelos de simulação para robôs. Seu trabalho com simulação robótica no MIT chamou a atenção de Jensen Huang, levando-a a se juntar à Nvidia. Ela foi fundamental na criação do laboratório Omniverse em Toronto, uma plataforma dedicada à construção de simulações para IA física.
O primeiro grande desafio para Fidler e sua equipe foi a obtenção de dados 3D em volume suficiente e o desenvolvimento de tecnologias para converter imagens em representações 3D utilizáveis pelos simuladores. A solução encontrada foi a renderização diferenciável, que “basicamente torna o processo de renderização compatível com a IA”. Essa tecnologia permite que o processo de transformar 3D em imagem funcione na direção inversa, de imagem para 3D.
Em 2021, a Omniverse lançou o GANverse3D, o primeiro modelo capaz de converter imagens em modelos 3D. A equipe então aplicou essa abordagem a vídeos, utilizando gravações de robôs e veículos autônomos para criar modelos 3D e simulações, através do Neuric Neural Reconstruction Engine, anunciado em 2022. Essas inovações formaram a base da família Cosmos de modelos de IA mundial, apresentada no CES em janeiro.
O foco atual do laboratório é acelerar esses modelos. Embora a resposta em tempo real seja crucial para videogames e simulações, para robôs, a meta é reduzir ainda mais os tempos de reação. “O robô não precisa reproduzir o mundo exatamente na velocidade em que ele ocorre; ele pode processá-lo, por exemplo, 100 vezes mais rápido. Se conseguirmos acelerar significativamente esse modelo, ele será de imenso valor para aplicações robóticas ou de IA física”, explicou Fidler.
O Futuro Realista dos Robôs
A Nvidia continua a avançar, com novos modelos de IA mundial para gerar dados sintéticos para treinamento de robôs, além de bibliotecas e infraestrutura para desenvolvedores de robótica. Apesar do entusiasmo em torno dos robôs humanóides, Dally e Fidler mantêm uma perspectiva realista. Eles estimam que ainda faltam alguns anos para que robôs humanóides se tornem comuns em nossas casas, comparando essas expectativas aos prazos dos veículos autônomos.
“Estamos fazendo progressos enormes e, acredito, a IA tem sido a grande facilitadora nesse processo”, concluiu Dally. “Começamos com a IA visual para a percepção dos robôs e avançamos para a IA generativa, que tem se mostrado extremamente valiosa para o planejamento de tarefas, movimentos e manipulação. À medida que solucionamos cada um desses desafios e aumentamos a quantidade de dados para treinar nossas redes, esses robôs continuarão a evoluir.” A jornada da Nvidia, impulsionada por pesquisa visionária e um compromisso com a inovação, demonstra como um pequeno laboratório pode moldar o futuro da tecnologia.
Deixe um comentário