یادگیری عمیق موتور محرک صنعت هوش مصنوعی است که به هوش مصنوعی امکان می‌دهد خودش یاد بگیرد، و توسط پردازنده‌های گرافیکی (GPU) که برای اجرای الگوریتم‌های یادگیری ماشین در مقیاس بزرگ طراحی شده‌اند، قدرت می‌گیرد. با این حال، اختراع یادگیری عمیق بر پایه سخت‌افزاری بود که صراحتاً برای این نوع محاسبات در نظر گرفته نشده بود. جنسن هوانگ، مدیرعامل انویدیا، در پادکست جو روگن فاش کرد که محققانی که برای اولین بار یادگیری عمیق را توسعه دادند، همه این کار را با یک جفت کارت گرافیک 3 گیگابایتی GTX 580 در حالت SLI در سال 2012 انجام دادند.

محققان دانشگاه تورنتو یادگیری عمیق را برای بهبود تشخیص تصویر در بینایی کامپیوتری اختراع کردند. در سال 2011، الکس کریزفسکی، ایلیا سوتسکور و جفری هینتون در حال تحقیق در مورد راه‌های بهتر برای ساخت ابزارهای تشخیص تصویر بودند. در آن زمان، چیزی به نام شبکه عصبی وجود نداشت؛ در عوض، توسعه‌دهندگان از الگوریتم‌های طراحی شده دستی برای تشخیص لبه‌ها، گوشه‌ها و بافت‌ها برای تشخیص تصویر استفاده می‌کردند.

این سه محقق AlexNet را ساختند، معماری‌ای متشکل از هشت لایه با مجموع حدود 60 میلیون پارامتر. آنچه این معماری را بسیار خاص می‌کرد، توانایی آن در یادگیری مستقل بود، با استفاده از ترکیبی از لایه‌های شبکه عصبی کانولوشنال و عمیق. این معماری آنقدر خوب بود که وقتی برای اولین بار عرضه شد، بیش از 70 درصد از الگوریتم پیشرو تشخیص تصویر (در آن زمان) بهتر عمل کرد و بلافاصله توجه صنعت را به خود جلب کرد.

جنسن هوانگ فاش کرد که توسعه‌دهندگان AlexNet الگوریتم تشخیص تصویر خود را بر روی یک جفت GTX 580 در SLI ساختند. علاوه بر این، شبکه برای اجرا بر روی هر دو پردازنده گرافیکی بهینه‌سازی شده بود و دو پردازنده گرافیکی تنها در صورت نیاز داده‌ها را مبادله می‌کردند که زمان آموزش را به طور قابل توجهی کاهش می‌داد. این امر GTX 580 را به اولین کارت گرافیک جهان تبدیل می‌کند که یک شبکه هوش مصنوعی یادگیری عمیق/یادگیری ماشین را اجرا کرده است.

به طرز کنایه‌آمیزی، این نقطه عطف در زمانی رخ داد که انویدیا سرمایه‌گذاری بسیار کمی در هوش مصنوعی داشت. بیشتر تحقیقات و توسعه گرافیکی آن به سمت گرافیک سه‌بعدی و بازی، و همچنین CUDA معطوف بود. GTX 580 به طور خاص برای بازی طراحی شده بود و هیچ پشتیبانی پیشرفته‌ای برای تسریع شبکه‌های یادگیری عمیق نداشت. مشخص شد که موازی‌سازی ذاتی پردازنده‌های گرافیکی دقیقاً همان چیزی بود که شبکه‌های عصبی برای اجرای سریع به آن نیاز داشتند.

جنسن هوانگ در ادامه فاش کرد که AlexNet، همراه با استفاده از آن بر روی GTX 580s، چگونگی ورود انویدیا به توسعه سخت‌افزار هوش مصنوعی بود. هوانگ اظهار داشت که پس از اینکه شرکت متوجه شد یادگیری عمیق می‌تواند برای حل مشکلات جهان استفاده شود، تمام پول، توسعه و تحقیقات خود را در سال 2012 در فناوری یادگیری عمیق سرمایه‌گذاری کرد. این همان چیزی است که به تولد DGX اصلی انویدیا در سال 2016 منجر شد که به ایلان ماسک ارسال شد، معماری ولتا با هسته‌های تنسور نسل اول، و DLSS. اگر یک جفت GTX 580 که AlexNet را اجرا می‌کردند نبود، انویدیا شاید امروز غول هوش مصنوعی نبود.