NVIDIA:ยักษ์เล็กธุรกิจเกมส์ สู่ยักษ์ใหญ่แห่งโลก AI

หรือที่คนไทยเรียกกันว่า “การ์ดจอ” ซึ่งเป็นอุปกรณ์สำหรับประมวลผล ภาพ 3 มิติก่อนที่จะถูกนำไปเสนอบนจอภาพ

GPU มีความสำคัญอย่างยิ่งยวด สำหรับ คอเกมส์ทุกคน เพราะการที่จะได้ภาพที่สวย ที่มีความละเอียด มีสีสันอย่างมีมิติ และสามารถอัพเดทภาพเคลื่อนไหว ได้อย่างรวดเร็ว หลายครั้งต่อวินาที จำเป็นที่จะต้องมี GPU ที่ทรงพลัง ซึ่ง GPU ในฝันของคอเกมส์ทุกคนในยุคนี้ ย่อมต้องหนีไม่พ้น GeForce GTX 1080 Ti โดย NVIDIA

อย่างไรก็ดี ตลาดหลักของ NVIDIA GeForce คือคอมพิวเตอร์ตั้งโต๊ะ (Desktop) ที่สามารถอัพเกรดเป็นเครื่องเล่นเกมส์ที่ทรงพลังได้ ในขณะที่ผู้เล่นส่วนใหญ่ กำลังหันไปนิยมการเล่นเกมส์บนสมาร์ทโฟนมากขึ้นและเดสก์ทอป น้อยลง อนาคตของ GPU จึงเสมือนขาดความมั่นคงอยู่ช่วงเวลาหนึ่ง

แต่ไม่กี่ปีที่ผ่านมา ได้มีการหักเหของโชคชะตา อย่างที่น้อยคนจะสามารถคาดเดาได้อย่างถูกต้อง นั่นก็คือ GPU และ NVIDIA ได้กลับกลายมามีบทบาทที่สำคัญ ในโลกแห่ง AI ด้วยการเป็นเครื่องมือสำหรับคิดคำนวณ AI ที่มีประสิทธิภาพ โดยสามารถคำนวณได้รวดเร็วกว่าการที่ไม่ใช้ GPU ถึง 100 เท่า

สำหรับ AI การที่คำนวณได้เร็วกว่า เป็นข้อได้เปรียบที่ไม่สามารถประมาณค่าได้ เพราะการคำนวณที่ต้องใช้เวลาเป็นวัน อาจเหลือเพียงไม่ถึงหนึ่งชั่วโมง หรือการที่ต้องใช้เวลาเป็นนาที อาจเหลือเพียงไม่ถึงหนึ่งวินาทีและในตัวอย่างของการเทรดหุ้นด้วย AI บางครั้งผู้แพ้กับผู้ชนะ มีความแตกต่างในช่วงเสี้ยววินาทีเท่านั้น

สาเหตุที่ GPU กลับมามีความเหมาะสมสำหรับ AI ได้เริ่มต้นจากทศวรรษก่อนหน้า จากการที่ GPU ถูกออกแบบมาให้ประมวลผลภาพ 3 มิติ ซึ่งข้อมูลของการประมวลผลเกือบทั้งหมด อยู่ในรูปแบบของ พีชคณิตเชิงเส้น หรือ ปริภูมิเชิงเส้น (Linear Algebra) อันประกอบไปด้วย การ บวก ลบ คูณ หาร และ การแปลง เวกเตอร์ และ เมตริกซ์ ในรูปแบบต่างๆ ซึ่ง GPU สามารถทำการคำนวณเหล่านี้ได้อย่างรวดเร็ว และยังสามารถทำการคำนวณได้อย่างคู่ขนาน ในหลักพันของการคำนวณไปพร้อมกันๆ

AI ในปัจจุบัน ที่มีการใช้งานอย่างแพร่หลาย ก็คือวิธีของ การเรียนรู้ของเครื่อง (Machine Learning) ที่เรียกกันว่า การเรียนรู้เชิงลึก (Deep Learning) ซึ่งเป็นการประยุกต์ใช้ โครงข่ายประสาทเทียม (Neural Networks) และ Neural Networks มักเป็นการแก้โจทย์ด้วย Linear Algebra ที่อาศัยการคำนวณอย่างคู่ขนานในหลักร้อย หรือ หลักพัน

จึงไม่ใช่เรื่องแปลก ที่ผู้ซื้อ GPU รายหลัก ในปัจจุบันมิใช่มีเพียงแค่คอเกมส์ แต่กลับมีลูกค้ากลุ่มใหม่ คือ มหาวิทยาลัย ศูนย์วิจัย หรือธุรกิจที่ใช้ AI ซึ่งลูกค้าใหม่เหล่านี้ ไม่ได้ซื้อ GPU มาเพื่อเล่นเกมส์ แต่กลับซื้อมาเพื่อคำนวณ Neural Networks จึงกลายเป็นโอกาสใหม่ที่สำคัญ ของทั้ง NVIDIA และ GPU

อย่างไรก็ตาม การที่จะประยุกต์ใช้ GPU เพื่อการคำนวณ AI ยังไม่ใช่เรื่องง่าย เพราะไม่เพียงแต่จะต้องใช้ภาษา C แต่ยังคงต้องมีความรู้ด้านฮาร์ดแวร์ในเชิงลึก เพราะการเขียนโปรแกรมสำหรับ GPU ต้องทราบในข้อจำกัดของฮาร์ดแวร์อีกด้วย ว่าไม่ได้มีประสิทธิภาพในการคำนวณทุกประเภท และยังมีค่าเสียเวลา ในการโยกย้ายข้อมูลไปกลับระหว่างคอมพิวเตอร์และ GPU

การพัฒนาระบบ AI ที่มีประสิทธิภาพในปัจจุบันจึงเป็นรูปแบบของการใช้ภาษาที่เขียนง่าย แต่อาจประมวลผลช้า เช่น Python เพื่อพัฒนาเกือบทั้งหมดของระบบ แต่องค์ประกอบส่วนใดที่ต้องการการประมวลผลที่รวดเร็ว จึงจะดัดแปลงส่วนนั้นเป็นภาษา C ซึ่งเขียนยากแต่ประมวลผลเร็ว และส่วนใดที่ต้องการการประมวลผลที่รวดเร็วอย่างยิ่งยวด จึงจะดัดแปลงส่วนนั้นเป็นภาษา C สำหรับประมวลผลบน GPU ซึ่งประมวลผลได้เร็วที่สุด และเขียนยากที่สุด

อย่างไรก็ดี หลักการที่ได้กล่าวมาแล้ว ไม่จำเป็นต้องอาศัยทีมพัฒนา AI ที่ใหญ่โต เพราะโดยทั่วไปแล้ว นักศึกษาปริญญาเอกในต่างประเทศ เพียงคนเดียว ก็สามารถพัฒนาได้ทั้งระบบ แต่ความยากของธุรกิจคือ ผู้ที่มีความเชี่ยวชาญเหล่านี้เป็นที่ขาดแคลน และ เป็นที่ต้องการของตลาด

แต่ถึงจะได้ผู้เชี่ยวชาญคนผู้นี้มา และยังเป็นผู้ที่มีพรสวรรค์ในการกำหนดทุกสิ่งอย่างให้เป็นโจทย์ของ AI ที่มีความแม่นยำ ก็ยังคงต้องอาศัยเครื่องมือในการคำนวณ เพื่อต่อสู้กับเวลา ซึ่งก่อนหน้านี้ การอาศัย Cloud Computing ที่มีคอมพิวเตอร์สำหรับร่วมคำนวณเป็นจำนวนมหาศาลก็เป็นทางเลือกหนึ่ง แต่ในยุคปัจจุบันการอาศัย GPU ก็เป็นอีกทางเลือกหนึ่ง ที่มีความได้เปรียบทั้งในด้านของประสิทธิภาพและเวลา

AI กำลังจะเป็นอีกยุคหนึ่งที่น่าติดตาม และคงจะเป็นยุคที่ Geek ได้กลับมามีอิทธิพลกับโลกธุรกิจยิ่งกว่ายุคของสตาร์ทอัพเสียอีก เพราะในยุคนี้ประสิทธิภาพเกือบทั้งหมด เป็นผลคูณหรือผลยกกำลังมาจากสติปัญญาของคนผู้หนึ่งเท่านั้น