在全球各地二十所頂尖大學所設立的 NVIDIA 人工智慧實驗室（NVAIL）裡，世上最優秀的研究團隊致力於推動人工智慧領域的發展潛力。
多倫多大學的研究團隊正在開發價格平易近人的自動駕駛車輛；蒙特婁大學的研究團隊則致力於運用基因資料來預測和防治疾病；而加州大學柏克萊分校的研究團隊則在開發機器人，執行它們從未學過的任務。
我們的 NVAIL 計畫提供自己的研究和工程資源給學生，讓這些人工智慧先驅者能使用到業界最先進的 GPU 運算能力，而引領科技潮流向前邁進。
的確在近一年前，這些 NVAIL 的研究團隊率先收到 DGX-1 AI 超級電腦。
全球各地的人工智慧研究活動
除了多倫多大學、蒙特婁大學及加州大學柏克萊分校，參與 NVAIL 計畫的20所研究機構還有麻省理工學院、史丹佛大學、東京大學、中國清華大學和瑞士的 Dalle Molle 人工智慧研究所。
這種研究團隊分布各地的情況絕非巧合。NVAIL 的合作研究機構皆位於各地的深度學習研究重鎮，其研究範圍從推動深度學習的發展，到提升乳癌篩檢（紐約大學）及自動讀取唇語（牛津大學）。
以下介紹了這些單位最具發展前景的一些計畫。
來自 Uber，也在多倫多大學執教的 Raquel Urtasun 將目標鎖定在降低自動駕駛車的成本。圖片提供：Uber。
眾人的自動駕駛車
多倫多大學電腦科學教授，身兼 Uber 先進科技事業群主管的 Raquel Urtasun 正在開發價格平易近人的自動駕駛車。她覺得人人都應該買的起自動駕駛車。
「不管你的收入高低多寡，都能享受到自動駕駛車的好處。」她說。
Urtasun 表示光達、3D 感應器和人工標注地圖等用在某些自動駕駛車裡的技術，成本超過十萬美元，她的團隊則是使用廉價感應器和衛星資料，開發用於感知、定位和繪製地圖的演算法。
Urtasun 說除了獲得運算能力和技術支援，多倫多大學與 NVIDIA 間的合作關係同樣寶貴。「我們得說未來強大的運算能力，讓我們的研究人員獲益不少。」
蒙特婁大學的研究團隊推動將深度學習用於遺傳基因學上。
預測醫療領域的未來發展
人工智慧總有一天可用於協助醫師循著患者的基因資料，以預測其罹病風險和選擇最佳治療方式。蒙特婁大學蒙特婁學習演算法學院的博士後研究員 Adriana Romero 說基因資料過於複雜，研究團隊必須開發出更有效的深度學習技術。
現代的基因型分型方法鎖定人類基因裡的500萬種變異情況，其中有部分基因有導致特定疾病的風險。研究團隊運用深度學習嘗試判斷各種變異情況用於預測疾病的效果、各種變異情況彼此間的關係，再衡量這些因素的相對重要性。
Romero 表示這並非易事，不只患者的基因資料，還有更多要列入考慮的變異因素，所以難以訓練出一套能做出可靠預測結果的深度學習系統。
她的研究團隊（其中有 Romero 的顧問，也是人工智慧領域先驅 Yoshua Bengio 坐陣）嘗試以突變內容來預測基因世系，以求找出更好的辦法。他們取得一個運用較少參數進行預測的深度學習架構（權重指派給各變異數）（請見相關報告《Diet Networks: Thin Parameters for Fat Genomics》）。
「我們的下一步是預測罹病風險，以及致力於為患者量身打造治療方式。」Romero 說。
各式各樣的機器人
當前多數機器人能做好遞送包裹、打掃地板或輔助手術之類單純的一件事，只是面對一件新的工作時，便會不知所措。
「現在工廠或其它設施裡的機器人，就是不斷重複執行同一件事。在混亂無序的地方派不上用場，機器人會無法掌握每個東西的位置。」加州大學柏克萊分校人工智慧實驗室博士生 Chelsea Finn 說，而這裡是率先獲得 NVIDIA DGX-1 的研究單位。
Finn 希望機器人能在沒有工程師伸出援手的情況下，明白它們從未經歷過的事情。她與 Pieter Abbeel 及 Sergey Levine 這兩名顧問配合，開發出能適應新環境的機器人。
Finn 為此使用 GPU 加速深度學習技術來訓練機器人瞭解自身動作的結果，再預測需要執行哪些動作以完成下一件工作（請見相關報告《Deep Visual Foresight for Planning Robot Motion》）。
「我們得在極短時間內處理資料，機器人才能迅速學習。要是沒有 GPU 的處理速度，我便無法進行大部分的研究工作。」她說。
- 機器人圖片與影片提供：Chelsea Finn 與加州大學柏克萊分校的 BAIR 實驗室。