L’intelligence artificielle chez Nvidia – Deux cas d’utilisation actuels | Emerj Recherche en Intelligence Artificielle

NVIDIA est une multinationale connue pour son matériel informatique, en particulier ses unités de traitement graphique (GPU) et ses systèmes sur puce (SoC) pour appareils mobiles. La société est devenue publique le 22 janvier 1999.

Bien que l’entreprise reste concentrée sur la production de matériel, elle a mis en œuvre l’apprentissage en profondeur et l’IA dans ses GPU et ses logiciels spécifiques, tels que sa plate-forme de conduite autonome.

La société est cotée au NASDAQ (symbole : NVDA) avec un capitalisation boursière d’un peu plus de 418 milliards de dollars et emploie environ 23 000 personnes dans le monde. Dans son rapport annuella société déclare un chiffre d’affaires d’environ 27 milliards de dollars pour son exercice se terminant en 2021.

Dans cet article, examinez comment NVIDIA a mis en œuvre des applications d’IA pour son entreprise et son industrie à travers deux cas d’utilisation distincts :

• Résolution vidéo améliorée – Nvidia utilise l’apprentissage automatique pour améliorer la résolution vidéo et la qualité audio lors des appels vidéo en temps réel.
• Analyser l’impact des campagnes marketing sur les ventes – NVIDIA utilise des algorithmes ML et l’analyse des données pour analyser les points de contact marketing et optimiser les campagnes marketing pour une nouvelle gamme de GPU.

Cas d’utilisation n° 1 – Utilisation de l’apprentissage automatique pour améliorer la qualité vidéo

NVIDIA affirme que ses chercheurs rencontraient un problème commun à presque tous ceux qui travaillaient à domicile : les ruptures audio et vidéo et le blocage des appels vidéo. L’entreprise affirme que ces problèmes de visioconférence perturbaient les processus de travail critiques.

Les appels vidéo en streaming nécessitent beaucoup de bande passante, ce qui entraîne souvent des communications moins qu’idéales : vidéo et/ou audio gelés, mauvaise résolution d’image, ruptures audio, etc.

Du côté vidéo, une chose qui augmente les besoins en bande passante est un logiciel appelé codec vidéo, que la plupart des organisations utilisent pour compresser et décompresser la vidéo. Du côté audio, les bruits de fond étrangers peuvent être perturbateurs. Examinons ce que NVIDIA a fait pour résoudre les deux.

NVIDIA affirme que les logiciels de compression de transmission vidéo traditionnels, tels que les codecs vidéo, transmettent un grand nombre de pixels, ce qui nécessite une grande quantité de données et de bande passante pour envoyer et recevoir.

Au lieu d’utiliser ce logiciel traditionnel, NVIDIA réclamations il utilise un modèle de ML spécialisé dans son produit Maxine appelé réseau contradictoire génératif, ou GAN. La société affirme que cela réduit la bande passante de dix fois par rapport aux méthodes de transmission vidéo conventionnelles.

La société affirme que son logiciel fonctionne en réduisant d’abord le nombre de pixels transmis. Le modèle y parvient en extrayant les données d’image de l’utilisateur limitées aux points clés du visage, en particulier les yeux, le nez et la bouche de l’utilisateur, au lieu de l’image entière.

Le modèle ML utilise ensuite les données critiques de la zone faciale et produit une sortie sous la forme d’une reconstruction de l’image initiale et des images suivantes. NVIDIA affirme que beaucoup moins de données sont envoyées sur le réseau à l’aide de ce modèle ML, ce qui se traduit par une meilleure qualité d’image.

Dans la vidéo suivante d’environ 2,5 minutes, l’entreprise explique le fonctionnement de son modèle :

En plus d’améliorer la résolution de l’image, l’entreprise réclamations son modèle ML réduit également le bruit de l’appareil photo en cas de faible luminosité et applique la suppression, le remplacement ou le flou d’arrière-plan alimenté par l’IA. La société affirme également que cela fonctionne, que l’utilisateur porte un masque ou un chapeau.

Côté audio, NVIDIA déclare utiliser l’IA pour filtrer les bruits de fond indésirables (c’est-à-dire la suppression du bruit) et améliorer la qualité audio, en particulier la parole. Cependant, la société ne révèle pas comment elle procède, à part déclarer que l’IA utilise ce qui semble être des réseaux de neurones pour améliorer la qualité de la parole des utilisateurs.

En ce qui concerne les résultats commerciaux tangibles, nos recherches n’ont pas permis d’en découvrir.

Cas d’utilisation n° 2 – Prédire le taux de désabonnement des clients

NVIDIA souhaitait déterminer l’impact de sa stratégie marketing sur les ventes d’une nouvelle gamme de GPU. Adobe a déterminé que la mesure des NVIDIA efficacité marketing était le meilleur moyen d’atteindre les objectifs de ses clients. Avec ces données, NVIDIA pourrait potentiellement voir la contribution financière de chaque canal marketing et, si nécessaire, modifier sa campagne marketing pour obtenir les résultats commerciaux souhaités.

Il semble que la méthode Adobe de quantification des campagnes marketing de NVIDIA impliquait l’analyse de plusieurs ensembles de données pour identifier et analyser les canaux les plus influents pour acquérir des clients, augmenter les conversions et stimuler les ventes supplémentaires. Adobe déclare utiliser à cette fin un logiciel appelé Attribution AI.

Adobe a d’abord acquis les ensembles de données pertinents sur le marché et les ventes. Les données de marketing et de vente ont été introduites dans la plate-forme Adobes Attribution AI, qui a utilisé un algorithme d’IA basé sur une technique statistique appelée théorie des jeux coopératifs. Adobe réclamations qu’il utilise cet algorithme car les points de contact marketing sont souvent mal représentés et sous-évalués ou surévalués avec les modèles traditionnels basés sur des règles.

Ci-dessous, une vidéo d’environ 3 minutes explique le fonctionnement du logiciel :

La sortie de l’algorithme est censée montrer l’influence et les ventes supplémentaires pour chaque marketing pour chaque canal via un graphique.

Dans le cas de NVIDIA, les campagnes de marketing GPU canaux (média payant versus e-mail) et campagnes (offres groupées par rapport à l’actualisation de la marque) ont été les plus influents pour stimuler les ventes de produits. Il semble que le logiciel donne également à NVIDIA la possibilité d’analyser les ventes supplémentaires de chaque canal marketing individuellement et globalement.

Il semble que NVIDIA pourrait sélectionner des canaux individuels tels que les médias payants, les réseaux sociaux organiques, les panneaux d’affichage, les e-mails, les affiliés et externes et voir leur influence respective sur le marketing et les ventes supplémentaires.

En ce qui concerne les résultats commerciaux tangibles, Adobe affirme que sa solution a donné à NVIDIA la capacité de quantifier l’efficacité incrémentielle des ventes et du marketing sur tous les canaux. Plus généralement, Adobe affirme que son logiciel a permis à NVIDIA d’obtenir une image plus précise de son efficacité marketing en isolant attribution au dernier contactce qui peut fausser l’analyse.

Notamment, aucune preuve quantitative n’est donnée pour étayer les affirmations d’Adobe sur les résultats commerciaux réussis de NVIDIA.