写真提供:マイナビニュース

写真拡大

●人工知能の開発に必要なリソースとは
各種クラウドサービスから自動運転車、囲碁や将棋といったアナログゲームに至るまで、人工知能にまつわる話題は毎日のようにニュース媒体を賑わせている。こうした人工知能の恩恵は、いわゆるIoT、組み込み機器や家電などにまでもたらされようとしている。その背景にあるのがNVIDIAの「Jetson TX1」の存在だ。

○莫大なリソースを要求する人工知能開発

人工知能の開発にはいくつかの方法があるが、現在、先端手法に位置づけられるのが「ディープラーニング」だ。ディープラーニングでは、数テラバイトに達する莫大なデータ(ビッグデータ)を、「ニューラルネットワーク」と呼ばれる演算ネットワークを多層構造化したモデルを通じて解析し、正解を類推するという手法で学習していく。

十分な学習を積んだ人工知能は、人間と同等、あるいはそれ以上の確率で正解を導き出すことができ、人間には見つけられなかった新しい「正解」を生み出すことすらある。将棋や囲碁でプロ棋士をコンピュータが破ったといったニュースは、ディープラーニングによる成果である。

非常に有望なディプラーニングだが、問題もある。ディープラーニングでは最初にビッグデータを読み込ませてデータを解析する「学習」と、実世界でのデータと突き合わせてみる「推論」の2つのフェーズがあり、「学習」にかかるリソースが非常に大きいのだ。

具体的には、現在、デスクトップPC用で最高性能を誇るインテルのCore i7シリーズのCPUでも、学習には数カ月を要する例が一般的で、スーパーコンピュータやワークステーションでも、学習にかかる時間を大幅に縮小するには至っていない。

膨大な演算量を必要とするディープラーニングだが、こうした状況を改善する手段が「GPUコンピューティング」だ。本来3Dグラフィックの描画に使われるGPUだが、内部では描画のために複雑な演算を繰り返している。この構図がディープラーニングで行われる多階層の行列演算と極めて似通っており、すぐさま応用が可能だったのだ。

●ロボット、家電を賢くするGPU
○劇的な改善をもたらしたGPUコンピューティング

実際、ディープラーニングをGPUで行った場合、CPUを使うのに比べて数倍の高速化が可能となり、数カ月かかっていた学習フェーズの演算が数週間程度へと、劇的に短縮されるようになった。学習が速くなればディープラーニングそのもののアルゴリズムの改良も素早く行えるようになり、さらに効率的なアルゴリズムの開発が、ディープラーニングそのものの進化をさらに押し上げることにつながっている。

また、GPUは拡張ボードという形で1台のコンピュータに数台増設することが可能だ。このため、当初は拡張ボード1台で検証を始め、開発の進度に合わせて演算能力を拡張するのも容易に行える。コスト的な側面からもGPUコンピューティングは革命的な効果をもたらしたわけだ。

こうしたGPUコンピューティングの先端を行くのが、GPUメーカーである米NVIDIA社だ。同社はパソコン用のハイエンドゲーミングGPUでも有名だが、GPUコンピューティングの可能性を提唱し、開発環境「CUDA」を提供するなど、GPUコンピューティングでも重要な役割を果たしている。現実にディープラーニングのトップ企業はほとんどがNVIDIAのGPUコンピューティングボードを導入しており、人工知能の進化にNVIDIAは欠かせない存在となっているのだ。

○IoTにもディープラーニングの恩恵を

GPUコンピューティングは高性能だが、高速なGPUは相応に消費電力も高く、IoTなど、小さなサイズの機器にもたらすのは非常に難しいとされていた。しかし、NVIDIAは最新の「Maxwell」世代のアーキテクチャで、GPUの大幅な省電力化に成功した。これにより、サーバー/ワークステーション向けの「Tesla」やデスクトップPC用の「Titan」といった大電流が利用できる環境向け製品だけでなく、自動運転車など自動車プラットフォーム用の「NVIDIA DRIVE PX」や、ロボット・IoTなど組み込み機器向けの開発・研究に向けた「Jetson TX1」が登場した。

Jetson TX1は、サイズはクレジットカード大とコンパクトだが、GPU全体の演算能力は1TFLOPS(1秒間に1兆回の浮動小数点演算が行える)に達する。さすがに現在のスーパーコンピュータ並みというほどではないが、このサイズとしては非常に高い数値だ。この性能なら、フルHD解像度で撮影された動画をリアルタイムに処理し、物体の認識を行うといった高度な処理が可能になる。さらに、これだけの高い性能を、10W前後という低消費電力で提供できる。これはバッテリーで動作する機器にも十分提供可能な数値だ。

●Jetsonは何を変えるか
○自律するIoTがもたらす世界

Jetsonの登場でIoTに人工知能がもたらせることはわかったが、本当にそこまで必要なのだろうか、という声もあるだろう。確かに、インテリジェントな処理で自動で動作する機器はすでに多数存在している。それらが人工知能に置き換わることでさらにメリットがないのであれば、確かに無駄にも見える。

しかし、人工知能が実現する最大のメリットは、真の意味で「自律して動作する」ことにある。たとえば自動運転の掃除機ロボを例に考えてみよう。これまでは赤外線や音波など、各種センサー類で周囲の環境を把握し、障害物を避けつつ、ゴミを掃除してきた。これが人工知能搭載になると、センサー類に加えて、カメラで取り込んだ映像をリアルタイムに解析し、落ちているものがゴミなのか、100円玉や指輪なのかを識別できる。ゴミならばそのまま吸い込み、100円玉や宝石はゴミとは別の容器に受ける、といった「賢い」掃除機が可能になるわけだ。

あるいはドローンの例を考えてみよう。現在、ドローンはGPS情報などを使ってルートを決め、オートパイロットで飛ぶことができるが、鳥が障害になったり、ほかのドローンが近づいてきても避けることができない。しかし、人工知能を搭載したドローンならば、自動的に障害物を判断して避け、元のルートに戻って飛行を続けることができるわけだ。

もしこれが、いちいちモバイル回線などでサーバーのデータと突き合わせて認識していたりしては衝突は免れないが、Jetsonのような高度な処理能力を搭載していれば、機器単体で危険を回避できる(未知の障害物であれば、あとでサーバ上で学習を更新すればいい)。センサー類だけに頼った自動運転は、急激なアクシデントに対応できないが、人工知能であれば学習を通じて性能をどんどん高めていくことができる。

Jetsonが持つもうひとつの強みは、JetsonがほかのNVIDIA製品と同じGPUアーキテクチャで製造されていることだ。NVIDIAではGPUコンピューティング向けに「CUDA」という開発環境を用意しており、ディープラーニングや画像認識といった機能向けの情報も多数揃っている。このため、Jetsonを使えば効率良く、素早く開発が進められる。学習を繰り返すサーバーから、推論を行う機器に至るまで、CUDAプラットフォームで統一できるため、開発も管理も容易になるわけだ。

今後、人工知能はどんどん身近なものになり、あらゆる場面で人間の生活をサポートするものになるだろう。そのとき、賢い家電や自律制御のロボットは、JetsonがもたらすGPUコンピューティングパワーが実現することになるだろう。

(海老原昭)