Recuerdo un viejo comercial de TV que decía: “envidia: es mejor despertarla que sentirla”. Estoy totalmente de acuerdo con ese lema! Pero al ver los productos de “NVIDIA” (una compañía que, en mis años de estudiante, solamente asociaba con tarjetas de video para acelerar los juegos de PC), realmente sentí “envidia” de la buena (si eso existe)! Qué negocio tan bonito, y sobre todo, tan lucrativo! La utilidad de esta compañía es de casi 5 billones de dólares al año y tiene, aproximadamente, 10 mil empleados a nivel mundial.
Después de conocer esas cifras anteriormente mencionadas, mi interés por la compañía fue creciendo cada vez más, pues pensé que era un tanto increíble que “a punta de tarjetas gráficas” una compañía pudiera amasar tal cantidad en ganancias. Poco a poco fui entendiendo (lo confieso, no ha sido fácil de digerir) el concepto de “computación visual” bajo el cual se desarrollan las líneas de negocios de NVIDIA.
Para no entrar en detalles demasiado técnicos (que no domino), me voy a arriesgar a encasillar la oferta de la siguiente manera:
- Productos para juegos (Gaming),
- Soluciones para hacer visualización a nivel profesional (animación, renders y demás),
- El hardware a nivel de servidores para producir visualización y juegos (HPC y Data Centers),
- Dispositivos inteligentes (chips que están integrados a las terminales de escritorio, móviles, automóviles para acelerarlos y poder ayudarlos a “aprender” y entrar en la onda de la “computación predictiva”).
Esos últimos dos conceptos suenan bastante apartados de la realidad de la mayoría de seres del común, que no pertenecen a la industria de los juegos o de la animación, edición y/o post-producción de video. Por lo mismo, muchos pueden pensar que son temas supremamente avanzados que nadie puede entender, ni le interesa aprender (a mi me pasó); pero, la verdad es que, de cierta manera, muchos de esos “usuarios comunes y corrientes”, estamos en contacto con dichos conceptos sin siquiera saberlo! Son el resultado de la integración de la actividad de grandes compañías con algunos productos de NVIDIA. Sin ir más lejos, aquí hay tres ejemplos claros:
- Los usuarios de Facebook cada vez que cargan una imagen, reciben del sistema la sugerencia de etiquetar a ciertas personas de acuerdo con los rostros que aparecen en la fotografía. Ese proceso, que suena tan simple, es el resultado de un concepto de “aprendizaje profundo” (en inglés “Deep Learning”) en integración con “Big Data” .
- Los amantes de Netflix al inicio de la sesión y al terminar de ver una película, generalmente reciben una serie de sugerencias basadas en el análisis de las tendencias por perfil de usuario y sus relaciones, que también involucran en la ecuación “Deep Learning” + “Big Data”.
- Los fanáticos de los deportes suelen tener la oportunidad de ver en TV a los analistas profesionales usando realidad aumentada, para mostrar detalles específicos sobre las jugadas de un equipo en medio de un partido en directo (en vivo).
Todos los anteriores ejemplos muestran la importancia de la Unidad de Procesamiento Gráfico (cuyas siglas en ingles son “GPU”), encargada de mejorar hasta los efectos especiales de las películas! Todo gracias a la cantidad de núcleos de procesamiento y, por consiguiente, de procesos que pueden soportar este tipo de productos de empresas como NVIDIA y su competencia. De cierta forma esto es parte de lo que he podido entender de este negocio; pero, a medida que vayan pasando los días en el #NVIDIAGTC, seguramente podré hablar con más propiedad sobre temas de computación predictiva, como la manera de usar las “GPU” para hacer búsquedas de productos por medio de imágenes o usar carros que no requieren un conductor.
