Cette semaine, nous allons revenir sur plusieurs points présentés lors de la Google I/O. Notamment, la présentation de la Nvidia Tesla  V100 destinée au Deep Learning et des stations de travail comme la DGX-1 et la Volta. Nous parlerons aussi de Google Home et de Lens. Enfin, nous verrons une librairie et un outils bien pratique pour l’entreprise 4.0.

La Nvidia Tesla V100: GPU de nouvelle génération le GV100 « Volta », gravé en 12 nm. 5120 cœurs Cuda cadencés en pointe à 1455 MHz et capables de délivrer une puissance de calcul de 7,5 téraflops en double précision (15 téraflops en simple précision). Pour prendre en charge au mieux les applications de Deep Learning, 640 Tensor Cores sont intégrés par Nvidia. Ils permettent d’effectuer un très grand nombre de calculs, 120 téraflops (en 16 et 32 bits). 16 Go de mémoire HBM2 à 900 Go/s sont présents. Une station de travail Volta à 69.000 dollars: 4 Tesla V100. DGX-1 équipé de 8 Tesla V100. 60 téraflops en double précision, 120 téraflops en simple précision, 960 téraflops en Deep Learning : 149 000 dollars.

Assistant personnel: Google Home, l’enceinte connectée qui intègre l’Assistant Google, sera en mesure de fournir des informations de façon proactive. Par exemple, en observant le contenu de l’application Calendrier, elle pourra détecter un rendez-vous et avertir vocalement son propriétaire si elle constate que le trafic routier est dense et qu’il risque d’être en retard.

L’Assistant Google sera doté de la fonction Lens qui mêle reconnaissance d’image, réalité augmentée, apprentissage automatique pour analyser l’environnement et agir de façon contextuelle. Et ceci via l’appareil photo du smartphone !

Dans l’industrie 4.0, on ne parle plus de maintenance préventive, mais de maintenance « prédictive ». Pour cela, on utilise des capteurs pour collecter un max de données, mais surtout d’exploiter l’historique des pannes pour modéliser un schéma de pannes. Des technologies d’apprentissage automatique (ou machine learning) telles qu’Apache Mahout, SparkMLlib sont particulièrement pertinentes pour que les algorithmes « apprennent » à reconnaître les nouveaux événements et défaillances lorsqu’ils surviennent.