Cependant, dans son discours d’ouverture, Huang s’est montré plus mesuré, affirmant que le moment ChatGPT pour l’IA physique est « presque arrivé ». On dirait peut-être qu’ils s’arrachent les cheveux, mais la distinction est importante, surtout compte tenu de ce que Huang a déclaré au CES de l’année dernière, lorsqu’il a présenté la plate-forme mondiale Cosmos de Nvidia et a décrit le « moment ChatGPT » de la robotique comme simplement « au coin de la rue ».
Alors, ce moment est-il vraiment arrivé ou est-il encore obstinément hors de portée ?
Huang lui-même semblait reconnaître l’écart. “Le défi est clair”, a-t-il déclaré dans son discours d’hier. “Le monde physique est diversifié et imprévisible.”
Nvidia n’est pas non plus un feu de paille en matière d’IA physique. Au cours de la dernière décennie, l’entreprise a jeté les bases en développant un écosystème de logiciels, de matériel et de systèmes de simulation d’IA pour robots et véhicules autonomes. Mais il n’a jamais été question de construire ses propres robots ou véhicules autonomes. Comme l’a déclaré le révérend Lebaredian, vice-président de la technologie de simulation chez Nvidia, à Fortune l’année dernière, la stratégie consiste toujours à fournir des pioches et des pelles.
Il ne fait aucun doute que Nvidia a fait des progrès à cet égard au cours de la dernière année. Sur le front de la conduite autonome, la société a présenté aujourd’hui la famille Alpamayo de modèles d’IA ouverts, d’outils de simulation et d’ensembles de données visant à aider les véhicules autonomes à fonctionner en toute sécurité dans une variété de scénarios de conduite rares et complexes, considérés comme parmi les défis les plus difficiles à maîtriser en toute sécurité pour les systèmes autonomes.
Nvidia a également publié de nouveaux modèles et données ouverts Cosmos et GR00T pour l’apprentissage et le raisonnement des robots, et a mis en avant des sociétés telles que Boston Dynamics, Caterpillar, Franka Robots, Humanoid, LG Electronics et NEURA Robotics, qui introduisent de nouveaux robots et machines autonomes construits avec les technologies Nvidia.
Même avec des modèles, des outils de simulation et des plates-formes informatiques de plus en plus performants, Nvidia ne construit pas de voitures ou de robots autonomes en soi. Les constructeurs automobiles doivent encore transformer ces outils en systèmes capables de fonctionner en toute sécurité sur la voie publique, en faisant face aux contrôles réglementaires, aux conditions de conduite réelles et à l’acceptation du public. Pendant ce temps, les entreprises de robotique doivent traduire l’IA en machines capables de manipuler le monde physique de manière fiable, à une échelle et à un coût raisonnable sur le plan commercial.
Ce travail (intégration du matériel, des logiciels, des capteurs, des systèmes de sécurité et des contraintes du monde réel) reste extrêmement difficile, prend du temps et nécessite beaucoup de capitaux. Et il est loin d’être certain que des progrès plus rapides dans le domaine de l’IA suffiront à eux seuls à surmonter ces obstacles. Après tout, le moment ChatGPT ne concernait pas seulement le modèle sous le capot. Ils existaient depuis plusieurs années. Il s’agissait d’une expérience utilisateur et d’une entreprise capable de capturer l’éclair dans une bouteille.
Nvidia a déjà attrapé la foudre dans une bouteille : les GPU se sont révélés être le moteur improbable mais parfait pour l’IA moderne. La question reste ouverte de savoir si ce genre de chance peut être reproduit dans l’IA physique, un domaine beaucoup plus complexe et moins standardisé.
