NVIDIA hat sich im Laufe der Jahre von einem Unternehmen entwickelt, das Grafikhardware entwickelt hat, um sich unter Verwendung seiner früheren Grundlage zu wissenschaftlichem Rechnen und später zu künstlicher Intelligenz zu entwickeln. Dies hat es ihnen ermöglicht, Märkte jenseits des Gamings zu erreichen, aus denen sie ursprünglich mit ihren Hardwareprodukten kamen. Ein Beispiel sind ihre Clara AGX-Computer. Was sind sie und für wen sind sie?
Der Markt für medizinische Computer ist einer, auf dem NVIDIA in den letzten Jahren am stärksten gewachsen ist und wo seine Fortschritte in der künstlichen Intelligenz es ihm ermöglicht haben, einer der größten Technologieanbieter in dieser Hinsicht zu werden, wobei Clara AGX die Wette von denen von Jensen Huang ist sagte Markt. Es handelt sich also um eine Workstation, die für wissenschaftliches Rechnen konzipiert wurde, aber speziell auf den lukrativsten und interessantesten Markt in der wissenschaftlichen Welt ausgerichtet ist, wie z. B. die Medizin.
Was ist Clara AGX?
Clara AGX ist ein PC, der NVIDIA Tegra SoCs mit Grafikkarten derselben Marke in einem einzigen Gerät kombiniert. Sie sind also gewissermaßen eine Adaption an Medical Computing des Drive PX für autonome Fahrzeuge.
Nach dem Tegra-Fiasko auf dem Tablet- und Mobilmarkt weiß jeder, dass sie sich entschieden haben, sie auf andere Märkte auszurichten, insbesondere um die Wende der GeForce-Entwickler auf den Markt für künstliche Intelligenz zu nutzen. Dies ermöglichte es ihnen, in zwei verschiedene Branchen von großer Bedeutung Fuß zu fassen. Der erste ist der wachsende Markt für automatisiertes Fahren. Die zweite wiederum bezieht sich auf den riesigen Gesundheitsmarkt, der mehrere Anwendungen umfasst: von der Erfassung medizinischer Informationen über die Tomographie bis hin zur Synthese von Proteinen für die Entwicklung neuer Medikamente.
Die wichtigste Änderung, die NVIDIA von diesem Moment an an seinem Tegra vorgenommen hat, war die Aufnahme einer PCI-Express-Schnittstelle, die es ihnen ermöglichte, eine Grafikkarte anzuschließen und den gemeinsamen Start beider Teile zu optimieren. Daher stellen sie sicher, dass sie ihren Plattformen wie Clara AGX eine Fähigkeit zur Interaktion zwischen beiden Parteien geben, die auf dem PC nicht möglich ist, wobei die relevanteste die Verwendung eines vollständig einheitlichen Speicherplatzes in Bezug auf die Adressierung ist. Das heißt, 100% konsistent.
Was befindet sich in einem Clara AGX-Gerät?
Jede Clara AGX-Workstation besteht aus den folgenden Komponenten:
- Ein hochmoderner NVIDIA Tegra SoC. In der ersten Version des Clara AGX war es ein Xavier, aber es wurde auf die neueste Architektur aktualisiert, die Orin ist.
- Eine NVIDIA-Grafikkarte für den professionellen Markt. Derzeit verwenden sie NVIDIA Quadro RTX 6000-GPUs mit Turing-Architektur, die einer RTX 2080 Ti entsprechen. Sie bieten derzeit einen A6000 mit den gleichen Fähigkeiten wie ein RTX 3090 an.
- Eine NVIDIA ConnectX-Netzwerkkarte mit einer SmartNIC, die es ihr ermöglicht, mit anderen Geräten zu kommunizieren. Es verfügt über zwei Netzwerkanschlüsse, einen mit 100 Gbit/s vom Typ QSFP28 und einen weiteren RJ45 oder Ethernet mit 10 Gbit/s.
- Zwei PCIe Gen 4 Schnittstellen mit je 2 Leitungen.
- 250 GB Speicherplatz im NVMe-SSD-Format
Entwickelt für KI und Echtzeit-Computing
Auf der anderen Seite ist das in Clara AGX verwendete Betriebssystem, wie viele von Ihnen vielleicht festgestellt haben, nicht Windows, aber ein GNU/Linux Verteilung für ARM optimiert für seine Hardware und mit Bibliotheken und Anwendungen, die in der medizinischen Informatik weit verbreitet sind. Deshalb ist der Clara AGX kein herkömmlicher PC, sondern eine Workstation zur Erstellung medizinischer Anwendungen in Echtzeit.
Aber was bedeutet Echtzeit? Bezieht sich auf Anwendungen, bei denen Interrupt-Anforderungen an die CPU werden zum Zeitpunkt der Erzeugung des Interrupts ausgeführt. Die Art und Weise, wie sie vom Betriebssystem verwaltet werden, unterscheidet sich also von der herkömmlichen Vorgehensweise. Sie teilen diese Änderung mit der Drive PX-Plattform, bei der die rechtzeitige Reaktion auf von Sensoren erfasste Informationen und Benutzerinteraktionen für die Sicherheit entscheidend sind.
Obwohl seine Hauptanwendung darin besteht, die für künstliche Intelligenz optimierte Hardware der aktuellen Tegra-SoCs und -GPUs, insbesondere Einheiten wie NVDLA oder Tensor Cores, für die Entwicklung von Modellen und Algorithmen für künstliche Intelligenz zu nutzen. Das System bietet auch eine Reihe von zuvor trainierten Anwendungen und Modellen sowie Versionen von Anwendungen aus der wissenschaftlichen Welt, die für die Hardware optimiert sind, die Clara AGX von NVIDIA selbst integriert.
Warum ist KI in der Medizin wichtig?
Die Diagnose von Krankheiten wird von Ärzten anhand von Informationen gestellt, die darauf basieren, ob bestimmte Symptome beim Patienten vorhanden sind. In einigen Fällen können die Symptome anhand der visuell gewonnenen Informationen gelesen werden. Beispielsweise kann es sein, dass etwas, das dem Patienten harmlos erscheint, wie ein kleiner Fleck auf der Haut, auf etwas Ernsteres hindeutet.
Wir trainieren KI-Systeme unter anderem damit, aus visuellen Informationen Schlussfolgerungen zu ziehen. Auf diese Weise können sie aus dem Training mit medizinischen Bildern und Inferenzalgorithmen Vorhersagen über den Gesundheitszustand verschiedener Gewebe treffen, die von verschiedenen zur Diagnose verwendeten Geräten erhalten wurden. Insbesondere NVIDIA hat seinen Clara AGX auf die Diagnose mittels Radiologie ausgerichtet, hat aber auch in anderen medizinischen Anwendungen Verwendung gefunden, beispielsweise bei der Untersuchung der Entwicklung verschiedener Tumore.
Dies bedeutet nicht, dass der Clara AGX am Ende Gesundheitsexperten ersetzt, da NVIDIA selbst diejenige ist, die sehr deutlich macht, dass es sich nicht um ein Gerät zur Diagnose von Krankheiten und ein großartiges Werkzeug zur Klassifizierung von Informationen in Form von Millionen von Daten handelt jedes Jahr ein Krankenhaus oder ein medizinisches Zentrum erreichen. Ebenso kann es auch für andere Bereiche der wissenschaftlichen Forschung genutzt werden, die vom CUDA-Ökosystem profitieren können.
