11：12 – 黃仁勳先生感謝 Elon 的光臨，講述仍有許多等待進行的工作，以及 NVIDIA 如何承諾要做到那些。Elon 步下舞台，黃仁勳先生此時稱其為「工程師的工程師」。會議結束。
以下為本日重點回顧：
- 全球速度最快的 GPU – TITAN X；
- 深度學習平台 DIGITS DevBox；
- 速度超越 Maxwell 十倍的 Pascal；
- 用於無人自駕車深度學習平台的 NVIDIA DRIVE PX。
現在，大秀揭開序幕。
11：10 – 黃仁勳先生詢問如何保護車輛不受駭客入侵這些安全性攻擊的措施，像是駭客進入電腦網路。
Elon 提出車輛仍得擁有方向盤和剎車，如此可提高保全能力。就算能駭入車載娛樂系統，還是有更高的安全性能避免進入車子的引擎或自駕系統。
Tesla 為電動車領導業者，我們將領導無人自駕車的發展，Elon 說。我們會讓很多車變成無人自駕車，解救許多生命免於無辜死亡。
講到人工智慧，我是不擔心無人自駕車或自動空調系統，那是深度智慧的事，Elon 說。
11：06 – 「我們會在很短的時間內，把無人自駕車視為理所當然的事。」Elon 說。
黃仁勳先生提出關於政府政策的問題，說他想在開車去上班的途中一邊還能回 email，很快又補了一句說他想在不違法的情況下這麼做。那麼政府方面需要配合些什麼?
Elon 說在實現無人自駕車後，政府得花個幾年才會批准這件事。他們要求無人自駕車在安全性方面不只要跟真人駕車一樣安全，而且還要更安全。
「講到公眾安全時，在提出改變之前需要謹慎以待。我不覺得主管機關現在就會同意全自駕系統，明年或許就會。」
「我不覺得主管機關現在就會同意全自駕系統，明年或許就會。」Tesla Motors 執行長 Elon Musk。
Elon 又說我們嘗試做的第一件事，就是建立一個能不斷更新軟體的硬體平台，今年下半年會發生很多事情，我週四會公布，現在還不能先曝光。
他叉開黃仁勳先生的笑話，問他要不要公布相關消息。「週四會對有興趣的人公布下一版的內容，我只能說到這裡。」
11：01 – NVDIA 執行長黃仁勳與 Tesla Motors 執行長 Elon Musk 先生繼續進行談話…
黃仁勳先生：您對於發展無人自駕車有什麼規劃?
Elon：首先得不斷上傳新的軟體，車子才會一直有新功能，現有的硬體會讓車子變得更聰明。就算使用我們現在手邊有的，也會在無人自駕車方面出現長足進展。我們可以讓車子自行在高速公路上行駛和切換車道。自動駕駛與我們要求的可靠性和安全性程度有關，但按照現有的硬體，還達不到用時速30哩的速度在孩子玩耍的情況下安全行駛，得有更大的感應器和更強大的運算能力才能達到。NVIDIA 與 Tegra 合作的內容非常有趣，對於未來的無人自動駕駛技術有著深遠的重要性。
在黃仁勳先生的要求下，Elon 先生開始討論技術方面的難題。在時速30-40哩的開放駕駛環境裡就是一項挑戰，而在時速5-10哩的情況下又變得很簡單，因為在超音波的範圍裡可以隨時停車。接著在時速10-50哩的環境裡，會突然出現很多東西，情況又變得複雜。在高速公路上以時速50哩以上的速度行駛，由於可能性減少了，行車又變得很簡單，所以很難找出中間值。「不過我們已經知道該做些什麼，幾年內就會研究成功。」
10：56 – 黃仁勳先生說我們可以一直討論車子。不過黃仁勳先生介紹 Elon Musk 先生出場。他說他買了三輛 Tesla 的車子，一部是跑車和兩部 Model S Sedan。
跟黃仁勳先生同樣穿著一身黑，只是少了黑色皮夾克的 Elon 先生上台。
黃仁勳先生：我們沒有時間排練，那麼就直接切入重點。您說人工智慧比核武還危險，就像是惡魔一般。您是如何用深度學習在發展方面的可能性去鞏固及合理化那件事?
Elon：我們不用擔心無人自駕車技術，它其實比人們想的還簡單。過去有所謂的電梯操作員，在我們開發出電路後，電梯就知道各位要去的樓層。在遙遠的將來，或許會禁止人類駕駛車輛，因為人類太危險了。
「在遙遠的將來，或許會禁止人類駕駛車輛，因為人類太危險了。」Tesla Motors 執行長 Elon Musk
黃仁勳先生：要是我們有正確的智慧，就不用打造出笨重的車輛，它們不用躲避相同的碰撞情況，如此我們就能放寬那些法令嗎?
Elon：如果能打包票不會發生車禍，就能避免發生很多事情，只是我們目前還做不到。客車和卡車每年生產一億輛，目前在路上有20億輛，要汰換掉這些車得花上20年。同樣地，得花上20年把所有車輛改為電動車。
10：50 – 黃仁勳先生展示 DARPA 無人自駕車計劃「Dave」，使用深度學習與 22.5 萬張圖片來訓練系統該有什麼行為動作。
他提出一個精彩的結論：「投入影像，輸出駕駛指令，這就是深度神經網路的運作方式。」
DRIVE PX 採用兩具 NVIDIA Tegra X1 處理器，取得12具攝影機拍攝的影像投入內容。
Dave 擁有310萬個人腦般的連結，而 DRIVE PX 上的 AlexNet 則有 6.3 億個連結；Dave 的處理速度為每秒12個影格，DRIVE PX 上 AlexNet 的處理速度則為每秒 1.84 億個影格。Dave 的連結每秒會觸發3800萬次，DRIVE PX 則是每秒觸發神經容量1160億次。
合格的購買者可透過2015年5月上市、售價為一萬美元的 DRIVE PX 開發套件，透過深度學習來增強目前 ADAS 系統的功能，將有著無窮潛力。
10：44 – 黃仁勳先生現在介紹 NVIDA 的 DRIVE PX 無人自駕車用電腦，將深度學習技術用在 ADAS 上。
由於有太多引導無人自駕車行進的可能性，很難把所有「if-then」的情境都寫入程式碼。
各位要怎麼教小嬰兒打乒乓球?使用傳統的分析方式時，得教小嬰兒什麼時候球會離開手、什麼時候球拍應該打在球上、球拍上的海棉對球的撞擊力道等這些牛頓物理原理，需要模擬軌跡這些內容。
黃仁勳先生播放一支影片，展示一名父親教一歲大的孩子如何打桌球。小嬰兒坐在球桌上，用超強的穩定性擊打著球，不時會分心一下。
「教一部車自行駕駛，跟教一個小嬰兒打桌球其實差距不遠。」NVIDIA 執行長黃仁勳先生。
10：38 – 黃仁勳先生現在改為說明無人自駕車的主題。
先進駕駛輔助系統（ADAS）用於像是主動車距控制巡航系統（ACC）等行車功能，會在發生緊急事故事自行剎車。
他問：「但是撞到東西停下車子，跟無人自駕車是兩回事。我們要如何從這裡發展到無人自駕車的程度?」
我們的展望就是加上深度學習技術，提升目前的 ADAS 系統。現在能做到物體出現在車前時，車子會停下來。我們想要加強這個部分，長期學習各種行為，讓車子變得更聰明。
無人自駕車的大爆發時代即將來臨。出現大批擁有平行運算技術的超級電腦、利用 GoPro 這一類攝影機進行訓練，將讓我們能用更聰明的行為去訓練車子。這不只需要「if-then」的訓練方式，我們無法把每個可能性寫入程式，做不到這一點，卻能透過深度學習技術來做到。
10：34 – 各位請見我們最新的部落格貼文，就能進一步瞭解速度提升十倍的秘密所在。在 Parallel for All 技術部落格裡也會有更深入的介紹。
10：31 – 我們又要加快速度，現在要介紹展示產品規劃藍圖。
黃仁勳先生允諾這將解答我們的前進速度會有多快的疑問。
他說繼一年前推出這一代的 Maxwell 架構後，即將發表下一代的 Pascal GPU 架構。在去年的 GTC 上有稍微透露 Pascal 架構的內容，而完整內容就在這裡一舉公開。
Pascal 有三大特色，一是精度較 Maxwell 架構提升三倍的混合精度技術；二是同時提供更高頻寬和容量的 3D 記憶體；三是以超高速連接多個 GPU 的 NVLink 技術，較 Maxwell 提供 2.7 倍的容量。
因此 Pascal 的速度會比 Maxwell 快上十倍，黃仁勳先生卻表示這只是一個粗估的數字。
10：24 – 黃仁勳先生展示 NVIDIA 推出進行深度學習的 DIGITS 軟體，它能處理資料、設定深度神經網路、監控進度與視覺化各層內容（請見 Parallel Forall 部落格裡的《DIGITs：Deep Learning Training System》一文，有更詳盡的內容）。
他說 NVIDIA 又開發出名為 DIGITS DevBox 的裝置來裝入這項軟體，插入一般電源後就能獲得最佳的 GPU 運算效能。它搭載 TITAN X GPU，啟動 Linux 與軟體以進行深度學習。
他說早期成果極為優秀。Flickr 與 Facebook 的高階主管對它極力推薦。我們並不打算大規模銷售 DIGITS DevBox，它是針對研究人員而開發，不是為了大眾市場。「現在可以加快研究人員的開發速度，就能回去專心工作，不用擔心以後得當個水管工或電匠。」黃仁勳先生說。DIGITS DevBox 的售價為 $15,000 美元起，將於2015年5月上市。
「現在可以加快研究人員的開發速度，就能回去專心工作，不用擔心以後得當個水管工或電匠。」NVIDIA 執行長黃仁勳先生對 DIGITS DevBox 表示如此意見。
「這是所有研究人員都能負擔的價錢。」
10：19 – 黃仁勳先生現在介紹由史丹福大學進行的「Automated Image Captioning with ConvNets and Recurrent Nets」研究工作。
他介紹主持這項計劃的史丹福大學研究員 Andrej Karpathy，他讓網路「看到」影像，並且用簡單的句子去描述。這項技術背後的科學極為複雜，但最終結果卻又易於理解。
他在螢幕上播放多張圖片，展示神經網路如何按照五十萬張圖片進行辨識。
他播放一張鳥兒停在樹枝上的圖片，神經網路也是辨識出這個內容。「鳥兒棲息在樹枝上。」文字裡可能少了什麼。
- 「亞米西族的馬匹與馬車」的圖片被辨識為「男人騎著馬，拉著馬車在街上跑」。
- 哥本哈根運河的圖片被辨識為「船停在運河裡，背景裡有一棟大房子」。
- 海面上飛魚的圖片被辨識為「一隻小白鳥飛在水上」，這可是一項難題。
- 手拿牙刷的幼童被辨識為「手拿球棒的小男孩」。
- 系統將阿諾．史瓦辛格與美國前總統老布希搭乘雪橇滑下雪坡的圖片，錯認為公園長椅上坐著一個男人與孩童。
黃仁勳先生說我們才剛開始發展這項技術。
10：11 – Mike 展示如何投入數千，甚至是數百萬個影像來訓練電腦網路。網路變得更聰明，直到讓它學會辨識影像。
Mike 在描述一些深度技術後結束他的說明。黃仁勳先生說：「這讓各位感受到底什麼是深度神經網路，裡面有許多重複的迭代數學。
嘗試採用非經計算擷取模式來預測未來的資料科學家，就跳入深度學習的領域。這麼做的公司數量已呈現爆炸性的增長，有一大串公司在進行這方面的研究，像是 Facebook、IBM、百度和 Google 這些大公司，還有一堆新創公司，使得應用程式會變得更聰明。
他說深度學習也橫掃科學界。像是瑞士的 IDSIA 用它來檢測乳癌細胞裡的有絲分裂、奧地利林茲大學用它來預測新藥裡的毒性，還有多倫多大學的研究員用它來瞭解基因突變的情況以預防疫病發生。「這些都是突破性的研究，而且還只是開端。」黃仁勳先生說。
「這些都是突破性的研究，而且還只是開端。」NVIDIA 執行長黃仁勳先生。
10：02 – 黃仁勳先生現在展示深度神經網路的運作方式，描述一大堆過濾器採用猶如人腦運作的方式。每層裡的各過濾器確認出影像裡的不同向度，最終由電腦進行辨識。
他播放的投影片內容好像有點小差錯，結果是往前多跳了一張投影片。他請技術小組來處理，接著又恢復正常。「GTC 基調主題演講活動最棒的事情之一，就是我們沒有太多排練的機會。」他笑著說。
黃仁勳先生現在介紹一名 NVIDIA 的博士研究員 Mike Houston，他將描述微調後版本的 AlexNet 運作方式。幫可愛的小兔子拍張照片，接著由96個不同的過濾器來讀取，找出顯著特徵後再放到權重網路。有一些很棒的圖片會讓各位覺得像是正在飛越電腦網路。
Mike 說各位可以為無尾熊或家裡的貓拍張照片，然後放上網路，看看如何不會將牠們辨識成松鼠或填充玩具，而是看看將牠們辨識成什麼東西。
9：54 – 在近期舉辦的一場名為「ImageNet」的影像辨識競賽裡，各家業者於深度神經網路裡使用 NVIDIA GPU 達到的誤差率，百度是 5.98%、微軟是 4.94%，而 Google 則是 4.82%，均低於人腦的誤差率。
造成上述情況有三個原因，稱它是發生在2012年的深度學習大爆炸。一，部分頂尖計算機專家開發出用於深度神經網路裡的演算法；二，在網際網路興起後以數百萬成分產生出的海量資料；三，出現採用 GPU 技術的超級電腦，能善加運用處理能力。
9：49 – 現在黃仁勳先生宣布第二件事，也就是「一個速度非常快的盒子」。
但是他先介紹深度學習的歷史背景。
深度學習雖源起於五、六十年前，1995年貝爾實驗室的 Yann Lecun 才開始認真推廣。他進行首件研究工作，使用過去幾十年間人工編寫的程式碼來辨識邊緣。1998年開發出突破性的手寫和數字辨識技術，在銀行及其它機構取代了人工作業。
Jeff Hinton 與 Alex Krizhevsky 等人開發出 AlexNet，近年來讓深度學習的基礎從電腦視覺轉變成深度神經網路，開始大幅提升精準度。在國際競賽場上，AlexNet 的精準性從從2011年的 74% 上升到2012年的 84%，現在則是推向 90% 以上。
9：40 – 黃仁勳先生說 TITAN X 並非只是一具繪圖卡，它還用於深度學習。
TITAN X 在不到三天的時間就能訓練完成 AlexNet，使用16核心的 Xeon CPU 得花43天，而使用 NVIDIA 一年半前推出的首顆 TITAN GPU 則要六天。
黃仁勳先生說：「將原本要一個半月時間的工作加快進行，縮短到只要一週，就會出現您願意做這件事與完全不想做之間的差異。減少到三天更是徹底改變了生活。」
黃仁勳先生宣布它的售價：$999 美元。「只要一個下午，它就會證明自己的價值。」
「只要一個下午，它就會證明自己的價值。」NVIDIA 執行長黃仁勳先生如此介紹新的 GeForce TITAN X
9：37 – 天啊，近看的話這真是一支畫面超漂亮的動畫，不過遠觀的話能見到更多細節。小男孩斷線的風箏翱翔飛越山谷，飛到一個洞穴的邊緣。
男孩在洞穴邊緣找到了風箏，並且走進洞穴。他在一個開口處放手讓風箏飛走，而風箏也加入其它許多風箏在天空裡飛舞。標語出現：「「愛它，就讓它自由。」此時響起感動的掌聲。
「沒有先進的電腦繪圖技術，就不可能製作出這個故事。各位看到它時，肯定會大吃一驚。」黃仁勳先生說。
9：34 – 他提到加快運算速度的重要性。
「多數我們提供服務的應用程式都跟速度有關，少了速度，各位就不能進行工作。我們得在可編程式性與速度間取得微妙的平衡。」
他說把 CUDA 放在每顆 GPU 裡，各位就能輕鬆開發和應用軟體。我今天想對各位展示 NVIDIA 如何落實這項承諾。
他用一支融合電影《銀翼殺手》（Blade Runner）與黑色電影，風格極為優雅又鮮明的影片介紹 NVIDIA 最新推出的 TITAN X GPU。兩週前才在遊戲開發者大會上首度提及的 TITAN X，當時僅透露些許細節。
現在他公布它的規格。採用 Maxwell 架構的 TITAN X GPU 擁有80億個電晶體、3,072個 CUDA 核心、7 teraflops 的單精度產出能力，再加上12GB 的影格緩衝區。
他播放一支由 Epic Games 公司製作的即時動畫《Red Kite》，說明 TITAN X GPU 的能力。這支動畫在 TITAN X 運行，它拍攝了100平方英哩的 3D 圖形，描述有著1300萬棵樹木的寧靜山谷，任何一個影格是兩千到三千萬個多邊形，展示以實際物理原理為基礎的算繪能力，石頭與陰影看起來極為真實。
「這是我見過最美麗的算繪結果。」
9：27 – 現在黃仁勳先生介紹 GPU 運算方面的突破性方面，這一點要感謝 GTC 的與會來賓。
首屆 GTC 於2009年舉辦，前一年 NVIDIA 用於讓 GPU 能消化資料的 CUDA 語言有十五萬次的下載數字。當時有27個 CUDA app、60所教授 CUDA 的大專院校，以及四千篇關於 CUDA 的學術報告、六千顆 Tesla GPU 加速器。
相較之下，去年下載 CUDA 的數字為300萬、319個 CUDA app、800所教授 CUDA 的大專院校、六萬篇關於 GPU 與 CUDA 的報告，以及使用45萬顆 Tesla GPU 加速器。
他展示一張令人留下深刻印象的圖表。「這幾年中間的進步非常大，感謝各位所付出的一切。」
9：23 – 黃仁勳先生重述去年在視覺運算方面的發展表現，以遊戲方面的突破最為搶眼，包括將遊戲串流到電視機上。把它想成提供遊戲服務的 Netflix。
他也提到在汽車業方面的表現，有愈來愈多用於汽車的軟硬體。我們在不久的將來會看到的體驗類型將具有啟發力。觸控、點頭和手勢將取代握把、按鈕和旋鈕，駕車將成為一個歡樂的體驗。
他也提到企業方面的突破性發展，無論使用者身在何處，GRID 加速虛擬桌面基礎架構（VDI）均能讓使用大量圖形的應用程式串流到連網裝置的螢幕上。NVIDIA 的技術被用於製作新的《星際大戰》電影。「我超興奮的，我會開發任何技術，讓他們能加快拍攝《星際大戰》電影的速度。」語畢，哄堂大笑。
「我超興奮的，我會開發任何技術，讓他們能加快拍攝《星際大戰》電影的速度。」 – NVIDIA 執行長黃仁勳先生
他介紹深度學習方面的突破發展 – 電腦首次在影像辨識方面擊敗人腦。
這是視覺運算發展方面燦爛輝煌的一年。
9：17 – 歡呼聲四起，黃仁勳先生穿著招牌一身黑色勁裝上台 – 黑色皮夾克、黑色褲子和黑色襯衫。
他說他將介紹四項內容：新的 GPU 與深度學習；一個速度非常快的盒子與深度學習；展示產品規劃藍圖與深度學習；以及無人自駕車與深度學習。這四者間有什麼關係?
他說，深度學習可以被視為與發明網際網路同樣令人興奮的事情。這項技術和研究工作的潛力，以及它對各行各業和科學所帶來的意涵是極其驚人的，或許會造就無遠弗屆的可能性。
他說他整場的談話重點，還有未來十年的研究工作將只放在深度學習上。
9：12 – 室內燈光暗下，開始播放影片。NVIDIA 投入大量時間和資源，由才華洋溢的內部創意工作室為重頭戲製作主題影片。
這支影片以「Do you remember the Future」的主題來製作，介紹奈米粒子到天文學、癌症測和材料科學等領域內孜孜不倦的數千名研究人員。
在略帶復古輕快曲風的音樂陪襯下，Peter Coyote 悅耳的聲音介紹著一部部輪番浮現的影片。影片描述過去是如何看待未來（現在的大人記得年幼時是如何看待），並且與目前應用科技的方式相互比較。
當然有1960年代令人發笑的卡通主角 Jetsons 駕著飛天車和畫質粗糙的影片，還有1980年代《回到未來》電影裡會飛的德羅寧（DeLorean）跑車，現在 Audi 和 Tesla 則是開發出無人駕駛車的技術。1966年的電影《驚異大奇航》裡一隊人進入人體進行探險，而巴塞隆納大學所開發出搭載攝影機的藥丸，在行經消化道時傳送影片；《星際爭霸戰》裡出現的三度儀醫療掃描裝置，而今日則在診斷癌症時使用機器學習技術來偵測惡性腫瘤。
旁白在最後說出：「各位還記得未來嗎?環顧四周，它就在您身旁。」
這足夠讓一名老《星際爭霸戰》迷現身了。
9：11 – 出現樂觀的信號。響起所謂的「上帝之聲」，請大家就座。她說即將展開基調主題演講活動。音樂開始加快，是另一個好跡象。
8：55 – 聽眾們還在進場，逐漸坐滿這個飛機庫大小的場地。它是不像早上尖峰時間的電梯那般擁擠啦，不過這裡也是座無虛席。黃仁勳先生通常會在正式開始的一兩分鐘內抵達。應該不用等很久。
8：50 – 我們回到聖荷西會議中心的第六屆 GPU 科技年會現場。
這是一場盛會，有來自五十國的四千名與會嘉賓。本週還會進行五百場會議，在一大堆人面前介紹 GPU 如何推動研究工作向前發展，另有三場由知名人士進行的基調主題演講活動。
但每年黃仁勳先生的基調主題演講都是 GTC 的重頭戲。他是一個很棒的演出者，有著進行企圖心十足展演活動所需的精準標準和品味。今天還有另一位來賓，也就是 Tesla Motors 與 SpaceX 的創辦人 Elon Musk。
會場裡一片黑鴉鴉，搭配幾個亮著綠色燈光的 GPU 科技大會標誌。舞台上是一大片橫跨會議室的黑色背板，尺寸是 120×20 呎，約是三分之一網球場的大小。像是人腦神經元的圖案在上面動來動去，而神經元的突觸像是慢動作的光線穿過它們。
