La importancia de la GPU en alta computación: Big Data Analytics y AI

Ikoula, una compañía que ofrece servicios de cloud computing, siente la necesidad de hablar sobre lo que podría mejorarse en términos de análisis de datos. La GPU y la CPU son dos cosas que ayudarán a que su computadora sea más eficiente. Veamos cómo.

El acceso a la computación de alto rendimiento y a la supercomputación ha dejado de ser un privilegio exclusivo para las compañías más poderosas. Ahora están al alcance de particulares y pymes. ¿Cómo es esto posible? Las GPUs (unidades de procesamiento de gráficos) y los nuevos servicios de computación en la nube le han dado al sector el impulso que necesita.

Las tarjetas gráficas son un componente que se conecta a la placa base de un ordenador y que cuenta con un procesador de datos (GPU). Se crearon originalmente para el disfrute de los videojugadores y para llevar a cabo tareas relacionadas con el diseño gráfico, la maquetación y la animación por ordenador. Sin embargo, como ha quedado demostrado en otras ocasiones, los inventos humanos evolucionan y dan giros inesperados.

Gracias al desarrollo de la informática y los logros en el campo del aprendizaje profundo (Deep Learning), las GPU tienen otras interesantes aplicaciones. Destaca su participación en los proyectos que implican el análisis de macrodatos (Big Data), la inteligencia artificial (AI), las cadenas de bloques (Blockchain) y el internet de las cosas (IoT).

Para comprender mejor hacia donde apunta el futuro de la informática, tomemos como base el crecimiento del mercado global de las tecnologías de aprendizaje profundo o Deep Learning. De acuerdo a un reporte publicado por el sitio Grand View Research, para 2016 dicho sector estaba valorado en más de 270 Millones de dólares. En ese mismo año, las GPUs dominaron la industria del hardware. El cuarenta por ciento del gasto en Deep Learning se destinó al segmento del reconocimiento de imágenes. Por su parte, la inversión en operaciones Big Data representó el cinco por ciento del mercado. En ese mismo período, fue notable la participación de varias compañías privadas y organismos gubernamentales norteamericanos en proyectos de AI, que supuso casi la mitad de la inversión mundial en tecnologías de aprendizaje profundo.

La inteligencia artificial requiere programar a un equipo para que piense e incluso aprenda por sí mismo. Lograr esto es una proeza de la ingeniería, y requiere de sofisticados cálculos matemáticos y estadísticos.

El Deep Learning trata de imitar el comportamiento de las redes neuronales del cerebro, conocido por muchos como la máquina más compleja del universo. En los últimos años, se han desarrollado ordenadores, robots y hasta androides con capacidad de realizar tareas que antes formaban parte de la ciencia ficción y se consideraban exclusivamente humanas, como reconocer rostros y conversar.

Hasta las más simples redes neuronales requieren llevar a cabo intrincadas operaciones matemáticas. Los equipos convencionales no podrían manejar tanta información o tardarían mucho tiempo en completar sus labores sin ayuda extra. Por eso, las GPUs son tan importantes.

Por su parte, añadir una GPU a un ordenador es también una buena idea para trabajar con muchas y enormes bases de datos relacionadas entre sí, que además crecen y se actualizan constantemente.

El uso de unidades de procesamiento gráfico ha permitido que muchas personas que no podían darse el lujo de adquirir una supercomputadora de miles de dólares ahora puedan procesar grandes volúmenes de información en equipos más asequibles.

¿Qué hace que los ordenadores con GPU sean una mejor opción para la mayoría de las aplicaciones que los equipos que solo cuentan con una unidad central de procesamiento (CPU)? La respuesta radica en la forma como cada procesador realiza sus tareas. Las GPUs tienen la capacidad de hacer varias tareas de forma simultánea. Algunos pueden efectuar miles a la vez.

En contraste, las CPUs realizan sus cálculos de forma secuencial, es decir, uno a la vez. Es verdad que, dependiendo del modelo, algunos microprocesadores pueden llevar a cabo dos, cuatro, ocho, dieciséis o más operaciones a la vez. Pero esto nos devuelve al problema de antaño: cada núcleo adicional aumenta el precio de forma exponencial.

La forma como las tarjetas gráficas potencian el desempeño de una máquina, hace que algunos se pregunten por qué los fabricantes no optan por reemplazar definitivamente sus CPUs por GPUs. La realidad es que ya existen microprocesadores especialmente diseñados para labores pesadas (como los usados para la minería de criptodivisas), pero son sumamente caros.

A corto plazo, la CPU sigue siendo una pieza esencial para la mayoría de los ordenadores. Administra todos sus procesos, incluido los implicados en el funcionamiento de la GPU. En la práctica, ambos elementos se complementan. Uno necesita del otro para realizar varios cálculos a la vez. Por otro lado, las operaciones más complejas o la interpretación de los lenguajes de programación no serían posibles sin la ayuda de la unidad central de procesamiento.

Los nuevos servicios ofrecidos por las empresas de computación en la nube han bajado aún más los costos de las máquinas con GPU. Los usuarios tienen ahora la posibilidad de alquilar un servidor GPU y trabajar en él desde la nube. Eso es lo que Ikoula te ofrece.

Esta empresa francesa inició sus operaciones hace más de veinte años. Actualmente, cuenta con más de cinco mil servidores que funcionan como hosting de más de treinta y cinco mil sitios y como servidores dedicados. La compañía posee dos datacenter con una extensión total de 2550 metros cuadrados: uno en la ciudad de Reims y otro en la comuna de Eppes. Su infraestructura le permite proveer cualquier servicio en menos de veinticuatro horas después de la contratación.

Uno de los más robustos servidores dedicados de Ikoula cuenta con un procesador Intel Xeon E3 1230v5 de 3,4 GHz, una memoria RAM de 16 GB con tecnología DDR4, un disco duro de 1 TB con tecnología SATA 3 y una tarjeta gráfica Nvidia GF GTX 1070 (o hasta cuatro). Hablemos más ampliamente de este último componente que, de hecho, es el que convierte al ordenador, de por sí poderoso, en un excepcional servidor GPU.

Hoy en día, la marca Nvidia es uno de los líderes en lo que a fabricación de tarjetas gráficas se refiere. Los mejores servidores del mundo poseen piezas elaboradas por esta prestigiosa marca, e Ikoula no es la excepción.

El motor de la tarjeta Nvidia GF GTX 1070 cuenta con la impresionante cantidad de 1920 núcleos, ideales para el procesamiento paralelo de enormes volúmenes de información. También es digna de mención su frecuencia de reloj de 1506 MHz y su memoria estándar de 8 GB con tecnología GDDR5. Es evidente que este servidor tiene las características necesarias para ser usado en los procesos de análisis de macrodatos y en el ramo de la inteligencia artificial.

Resulta emocionante comprobar cómo los nuevos ordenadores y servicios acercan a los usuarios particulares y empresas pequeñas y medianas a lo mejor de la informática. Este, desde luego, es un paso en la dirección correcta para cumplir con el anhelo de mucha gente del sector: la democratización de la tecnología.