ອຸປະສັກທາງດ້ານຮາດແວຣ໌: ເປັນຫຍັງ Deep Learning ຈຶ່ງມີລາຄາແພງ?

ເຄີຍສົງໄສບໍ່ວ່າ ເປັນຫຍັງແອັບພລິເຄຊັນປັນຍາປະດິດ (AI) ໃນປັດຈຸບັນຈຶ່ງສະຫຼາດຂຶ້ນຢ່າງກ້າວກະໂດດ? ບໍ່ວ່າຈະເປັນການຄາດເດົາລະດັບນໍ້າຂອງໃນລະດູຝົນ, ການແປພາສາລາວເປັນພາສາອັງກິດໄດ້ຢ່າງເປັນທຳມະຊາດ, ຫຼື ການແນະນຳສິນຄ້າໃນແອັບຊື້ເຄື່ອງ. ເຮົາອາດຈະເຫັນແຕ່ຄວາມສະດວກສະບາຍເຫຼົ່ານີ້ ແຕ່ເບື້ອງຫຼັງຄວາມສະຫຼາດນັ້ນປຽບເໝືອນກັບການສ້າງຂົວຂ້າມແມ່ນໍ້າຂອງຂະໜາດໃຫຍ່ ທີ່ຕ້ອງອາໄສທັງເງິນທຶນ ແລະ ອຸປະກອນມະຫາສານ ເຊິ່ງພວກເຮົາເອີ້ນສິ່ງນັ້ນວ່າ: ຮາດແວຣ໌ (Hardware).

ມື້ນີ້ ເຮົາຈະມາໄຂຂໍ້ສົງໄສກັນວ່າ ເປັນຫຍັງ Deep Learning ທີ່ເປັນຫົວໃຈຫຼັກຂອງ AI ຈຶ່ງຕ້ອງການຄອມພິວເຕີທີ່ແຮງທີ່ສຸດ ແລະ ເປັນຫຍັງຄ່າໃຊ້ຈ່າຍຂອງມັນຈຶ່ງແພງມະຫາສານ.

Deep Learning ແມ່ນຫຍັງ? ກ່າວແບບເຂົ້າໃຈງ່າຍໆ

ກ່ອນອື່ນໝົດ, ຂໍໃຫ້ລືມຄຳສັບທາງການແພດ ຫຼື ຄະນິດສາດທີ່ຊັບຊ້ອນໄປກ່ອນ. Deep Learning (ການຮຽນຮູ້ເລິກເຊິ່ງ) ແມ່ນວິທີການໜຶ່ງທີ່ພວກເຮົາສອນໃຫ້ຄອມພິວເຕີຮຽນຮູ້ຈາກຂໍ້ມູນຈຳນວນຫຼາຍໆ.

ລອງຈິນຕະນາການເຖິງການສອນໃຫ້ຄົນໜຶ່ງຮູ້ຈັກ “ລົດຕຸກຕຸກ”. ແທນທີ່ຈະໄປນັ່ງອະທິບາຍວ່າລົດຕຸກຕຸກມີ 3 ລໍ້, ມີຫຼັງຄາຜ້າໃບ, ແລະ ມີສຽງຈັກດັງເປັນເອກະລັກ. ເຮົາປ່ຽນມາໃຊ້ວິທີເປີດຮູບລົດຕຸກຕຸກຈຳນວນ 100,000 ຮູບໃຫ້ຄອມພິວເຕີເບິ່ງ. ເມື່ອມັນເບິ່ງຄົບ, ມັນຈະສາມາດແຍກແຍະໄດ້ເອງວ່າອັນໃດຄືລົດຕຸກຕຸກ. ແຕ່ນີ້ແຫຼະຄືບັນຫາ! ການໃຫ້ຄອມພິວເຕີວິເຄາະຮູບພາບເປັນແສນໆຮູບໃນເວລາອັນສັ້ນ ມັນຕ້ອງໃຊ້ພະລັງງານສະໝອງທີ່ສູງຫຼາຍ.

ຜູ້ຈັດການ ຄົນດຽວ ທຽບກັບ ກຳມະກອນ 1,000 ຄົນ (CPU vs GPU)

ເພື່ອໃຫ້ເຂົ້າໃຈວ່າເປັນຫຍັງ AI ຈຶ່ງຕ້ອງການຊິບ (Chips) ແບບພິເສດ, ເຮົາຕ້ອງມາທຳຄວາມຮູ້ຈັກກັບຮາດແວຣ໌ສອງປະເພດນີ້:

• CPU (Central Processing Unit): ນີ້ຄືສະໝອງຫຼັກຂອງຄອມພິວເຕີທົ່ວໄປ. CPU ປຽບເໝືອນຜູ້ຈັດການທີ່ເກັ່ງຫຼາຍໃນທຸກໆເລື່ອງ, ແຕ່ເຮັດວຽກໄດ້ເທື່ອລະຢ່າງ. ລອງນຶກພາບເຖິງຕຳຫຼວດຈະລາຈອນ 1 ຄົນ ທີ່ກຳລັງຈັດການລົດຕິດຢູ່ໄຟແດງສີຫອມ. ລາວເຮັດວຽກໄດ້ດີ, ແຕ່ຖ້າມີລົດມາຫຼາຍພັນຄັນພ້ອມກັນ ລາວກໍຈະເຮັດວຽກບໍ່ທັນ.
• GPU (Graphics Processing Unit): ໃນເບື້ອງຕົ້ນຖືກສ້າງມາເພື່ອປະມວນຜົນພາບກຣາຟິກໃນການຫຼິ້ນເກມ. ແຕ່GPU ປຽບເໝືອນການຈ້າງຄົນງານໃນສວນກາເຟຢູ່ປາກຊ່ອງ 1,000 ຄົນ ໃຫ້ແຍກເມັດກາເຟພ້ອມກັນ. ແຕ່ລະຄົນອາດຈະບໍ່ໄດ້ເກັ່ງເທົ່າຜູ້ຈັດການ (CPU), ແຕ່ຍ້ອນພວກເຂົາເຮັດວຽກ “ພ້ອມກັນ” ເປັນຈຳນວນຫຼາຍ, ວຽກທີ່ໃຫຍ່ໆຈຶ່ງສຳເລັດໄດ້ໄວພາຍໃນພິບຕາ. ນີ້ຄືສິ່ງທີ່ Deep Learning ຕ້ອງການ!

ແລ້ວ TPU ທີ່ຢູ່ເໜືອກວ່າ GPU ແມ່ນຫຍັງ?

ເມື່ອ AI ໄດ້ຮັບຄວາມນິຍົມຂຶ້ນ, ບໍລິສັດໃຫຍ່ໆເຊັ່ນ Google ກໍໄດ້ສ້າງຊິບຂອງຕົນເອງຂຶ້ນມາເອີ້ນວ່າ TPU (Tensor Processing Unit). ຖ້າ GPU ແມ່ນຄົນງານ 1,000 ຄົນ, TPU ກໍປຽບເໝືອນ “ໂຮງງານອຸດສາຫະກຳ” ທີ່ສ້າງຂຶ້ນມາເພື່ອຄັດແຍກເມັດກາເຟໂດຍສະເພາະ. ມັນບໍ່ສາມາດເອົາໄປໃຊ້ເຮັດວຽກອື່ນໄດ້ເລີຍ (ເຊັ່ນ: ເອົາໄປຫຼິ້ນເກມບໍ່ໄດ້) ແຕ່ສຳລັບວຽກ AI ແລ້ວ, ມັນເຮັດໄດ້ໄວ ແລະ ມີປະສິດທິພາບສູງທີ່ສຸດ.

ເປັນຫຍັງເຕັກໂນໂລຊີພື້ນຖານເຫຼົ່ານີ້ຈຶ່ງມີລາຄາແພງຫຼາຍ?

1. ຕົ້ນທຶນການຜະລິດຊິບທີ່ສັບຊ້ອນ: ຊິບ GPU ລຸ້ນໃໝ່ໆສຳລັບ AI 1 ຕົວ, ອາດມີລາຄາສູງເຖິງຫຼາຍຮ້ອຍລ້ານກີບ (ຫຼັກໝື່ນໂດລາສະຫະລັດ), ແລະ ສຳລັບບໍລິສັດທີ່ສ້າງ AI ລະດັບໂລກ ພວກເຂົາຕ້ອງໃຊ້ຊິບເຫຼົ່ານີ້ເປັນພັນໆ ຫຼື ໝື່ນໆຕົວຕິດກັນ.
2. ຄ່າໄຟຟ້າ ແລະ ການທຳຄວາມເຢັນ: ລອງນຶກພາບການເປີດແອ (Air Conditioner) ໃນເດືອນເມສາທີ່ຮ້ອນອົບເອົ້າຂອງປະເທດລາວຕະຫຼອດ 24 ຊົ່ວໂມງ. ຄອມພິວເຕີສຳລັບລະບົບ AI ເຮັດວຽກໜັກຫຼາຍ ຈົນມັນຜະລິດຄວາມຮ້ອນອອກມາມະຫາສານ. ດັ່ງນັ້ນ ຄ່າໄຟຟ້າສຳລັບການປ້ອນໃຫ້ຄອມພິວເຕີ ແລະ ຄ່າໄຟຟ້າສຳລັບການເຮັດຄວາມເຢັນ (Cooling systems) ຈຶ່ງເປັນລາຍຈ່າຍທີ່ຫຼາຍພໍໆກັບການຊື້ຮາດແວຣ໌.

ຜົນກະທົບ ແລະ ທາງອອກສຳລັບທຸລະກິດໃນລາວ

ຖ້າຮາດແວຣ໌ມັນແພງຂະໜາດນີ້, ໝາຍຄວາມວ່າທຸລະກິດຂະໜາດນ້ອຍ ແລະ ກາງ (SME) ໃນປະເທດລາວທຸກໆຮ້ານຕ້ອງຊື້ເຄື່ອງເຊີບເວີ (Server) ລາຄາແພງໆເພື່ອມາໃຊ້ AI ບໍ?

ຄຳຕອບຄື: ບໍ່ຈຳເປັນເລີຍ!

ໃນປັດຈຸບັນ, ທຸລະກິດສາມາດລົງທຶນໂດຍຜ່ານລະບົບ Cloud Computing. ໝາຍຄວາມວ່າ ເຮົາສາມາດ “ເຊົ່າ” ພະລັງງານຂອງ GPU ຈາກບໍລິສັດໃຫຍ່ໆ (ເຊັ່ນ: AWS, Google Cloud, ຫລື Microsoft Azure) ເປັນລາຍຊົ່ວໂມງ ຫຼື ໃຊ້ບໍລິການລະບົບ AI ສຳເລັດຮູບ (Pre-trained models) ທີ່ພວກເຂົາຝຶກສອນມາແລ້ວ. ມັນຄືກັບການທີ່ເຮົາບໍ່ຈຳເປັນຕ້ອງຊື້ຍົນເພື່ອຈະເດີນທາງ, ແຕ່ເຮົາພຽງແຕ່ຊື້ປີ້ຍົນໃນວັນທີ່ເຮົາຕ້ອງການເດີນທາງເທົ່ານັ້ນ.

ສິ່ງສຳຄັນທີ່ຄວນຈື່ (Key Takeaways)

• Deep Learning ຕ້ອງການພະລັງງານການປະມວນຜົນສູງ ເພື່ອວິເຄາະຂໍ້ມູນມະຫາສານ.
• CPU ເຮັດວຽກເກັ່ງແຕ່ເຮັດໄດ້ເທື່ອລະຢ່າງ, ສ່ວນ GPU ແລະ TPU ຖືກອອກແບບມາໃຫ້ເຮັດວຽກນ້ອຍໆພ້ອມກັນໄດ້ເປັນຈຳນວນມະຫາສານ.
• ລາຄາທີ່ແພງແມ່ນມາຈາກ ຕົ້ນທຶນການສ້າງຊິບ, ຄ່າໄຟຟ້າ, ແລະ ລະບົບທຳຄວາມເຢັນ.
• ທຸລະກິດໃນລາວສາມາດເຂົ້າເຖິງ AI ໄດ້ໃນລາຄາປະຢັດ ຜ່ານການ “ເຊົ່າ” ລະບົບຄລາວ (Cloud) ແທນການຊື້ຮາດແວຣ໌ມາຕັ້ງເອງ.

ສະຫຼຸບແລ້ວ, ເຖິງແມ່ນວ່າອຸປະສັກທາງດ້ານຮາດແວຣ໌ຈະເປັນເຄື່ອງກີດຂວາງທີ່ເຮັດໃຫ້ການພັດທະນາ AI ຈາກສູນເປັນເລື່ອງຍາກ ແລະ ມີລາຄາແພງ, ແຕ່ດ້ວຍໂຄງສ້າງພື້ນຖານແບບຄລາວ (Cloud) ທີ່ທັນສະໄໝ ແມ່ນໄດ້ເປີດປະຕູໃຫ້ທຸກຄົນຕັ້ງແຕ່ນັກສຶກສາ, ຊາວສວນ, ຈົນຮອດທຸລະກິດຂະໜາດໃຫຍ່ໃນລາວ ສາມາດນຳໃຊ້ພະລັງຂອງ Deep Learning ມາພັດທະນາການເຮັດວຽກຂອງຕົນເອງໄດ້ຢ່າງມີປະສິດທິຜົນ ໂດຍບໍ່ຕ້ອງແບກຮັບຄ່າໃຊ້ຈ່າຍຂອງຮາດແວຣ໌ເຫຼົ່ານີ້ດ້ວຍຕົນເອງ.