AI軍拡競争により、将来のAIハードウェアアーキテクチャの開発に3つの主要な方向性が生まれました。

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式サイトにアクセスして許可を申請してください。

さまざまな分野で問題解決に AI がますます使用されるようになるにつれ、「AI 軍拡競争」が始まっています。これは、ディープラーニング モデルをより高速かつ低消費電力で実行できる専用ハードウェアを作成し、翻訳アプリケーション、デジタル アシスタント、顔認識システム、コンテンツ推奨システムなどの機能を実現し、ヘルスケアや自動運転などの分野でも大きな進歩を遂げようとするものです。この競争では、新しいチップ アーキテクチャなど、多くの新しいブレークスルーがありました。これらのブレークスルーにより、これまでは不可能だったまったく新しい方法でタスクが実行されます。

この現象に対して、ソフトウェアエンジニアでありテクノロジーブログ「TechTalks」の創設者でもあるベン・ディクソン氏は、これらの新たなブレークスルーについての洞察を得ることで、今後数年間のAIハードウェアアーキテクチャの発展を垣間見ることができるかもしれないと述べた。

以下はベン・ディクソン氏の見解であり、Leifeng.com が元の意味を変えずにまとめ、補足したものです。

ニューロモルフィックチップ

[[277798]]

ニューラル ネットワークはディープラーニングの鍵であり、何千もの人工ニューロンで構成されています。単純な計算でも、画像認識や音声認識などの複雑なタスクでも、（人工）ニューラルネットワークは不可欠です。しかし、現在、従来のコンピューターのアップグレードは、ニューラル ネットワークの最適化ではなく、1 つ以上のより強力な中央処理装置 (CPU) に基づいています。

ニューロモルフィック コンピューターは、ニューロモルフィック チップと呼ばれる独自のチップ アーキテクチャを使用してニューラル ネットワークをシミュレートする点で、従来のコンピューターとは異なります。このチップは、物理的な形で多数の人工ニューロンで構成されており、ニューラル ネットワークのトレーニングと実行が非常に高速かつ効率的です。

実際、ニューロモルフィック コンピューティングの概念は 1980 年代にはすでに登場していましたが、当時のニューラル ネットワークの効率が低すぎたため、この概念はあまり注目されませんでした。近年、ディープラーニングやニューラルネットワークへの関心が高まり、ニューロモルフィックチップの研究も新たな注目を集めています。

今年8月、トップ学術誌「ネイチャー」は清華大学の石露平教授のチームによる研​​究論文を掲載し、その論文は同号の表紙にも登場した。

同誌に掲載された「ハイブリッド天機チップアーキテクチャによる人工汎用知能に向けて」と題された論文では、清華大学の石魯平教授のチームが「天機」と呼ばれる新しい人工知能チップを開発したと紹介されている。このチップは、この記事で言及されているニューロモルフィックチップであり、脳のようなコンピューティングとコンピューターサイエンスに基づく人工知能を組み合わせたものである。

世界初の異種融合AIチップを検証するため、研究チームは無人インテリジェント自転車システムを設計した。システムには、レーザー速度測定、ジャイロスコープ、カメラなどのセンサー、ブレーキモーター、ステアリングモーター、駆動モーターなどのアクチュエーター、および制御プラットフォーム、コンピューティングプラットフォーム、天津ボードレベルシステムなどの処理プラットフォームが含まれていると報告されています。

カリフォルニア大学サンタバーバラ校の博士研究員であり、この論文の第一著者であるレイ・デン氏は次のように述べた。

自動運転飛行機と比較すると、スマート自転車は小さく見えますが、実際には必要な機能をすべて備えた小さな脳のような技術プラットフォームです。無人自転車システムの音声認識、自律意思決定、視覚追跡機能には脳をシミュレートしたモデルを使用し、ターゲット検出、動作制御、障害物回避機能には機械学習アルゴリズムモデルを使用します。

ニューロモルフィック チップが汎用人工知能を作成するための正しい道であるという直接的な証拠はありませんが、その開発はより効率的な AI ハードウェアの作成に役立つことは間違いありません。さらに、ニューロモルフィック コンピューティングはすでに大手テクノロジー企業の注目を集めています。今年 7 月、Intel は 64 個の Intel Loihi ニューロモルフィック チップを搭載したコンピューター Pohoiki Beach を発売しました。このチップは合計 800 万個の人工ニューロンをシミュレートでき、Loihi は従来のプロセッサーよりも 1,000 倍高速かつ 10,000 倍効率的に情報を処理します。

ただし、このニューロモルフィック チップは、従来の CPU アーキテクチャを置き換えるのには適していません。その可能性は、制約充足問題、グラフ検索、スパース コーディングなどの特殊なアプリケーションを高速化することにあります。インテルはまた、今年後半にPohoiki Beachを1億ニューロンに拡張することを約束している。

光コンピューティング

[[277799]]

周知のとおり、ニューラルネットワークやディープラーニングの計算には大量の計算リソースと電力が必要であり、人工知能の二酸化炭素排出量は環境問題となっています。 6月に研究者らは、AIのトレーニングにかかる​​二酸化炭素排出量は二酸化炭素換算で284トンに相当し、これは平均的な自動車の生涯排出量の5倍に当たると推定した。同時に、ニューラル ネットワークのエネルギー消費により、電力が制限された環境でのニューラル ネットワークの適用も制限されます。

ムーアの法則が減速し続けるにつれて、従来の電子チップの開発では人工知能業界のニーズを満たすことがますます困難になってきています。すでにいくつかの企業や研究所が解決策として光コンピューティングに注目しています。光コンピューティングでは、電子の代わりに光子、デジタル信号の代わりに光信号を使用して計算を実行します。光コンピューティング デバイスは銅ケーブルのように熱を発生しないため、エネルギー消費量が大幅に削減されます。また、光コンピューティングは、ニューラル ネットワークの重要な演算の 1 つである高速行列乗算に特に適しています。

ここ数か月で、光学AIチップのプロトタイプがいくつか登場しました。ボストンに拠点を置くLightelligenceは、現在の電子ハードウェアと互換性があり、一部の重いニューラルネットワーク計算を最適化することでAIモデルのパフォーマンスを1～2桁向上させることができる光AIアクセラレータを開発した。ライトエリジェンスのエンジニアらは、光コンピューティングの進歩によりAIチップの製造コストも削減されると述べている。

最近、香港科技大学の研究者らが全光ニューラルネットワークを開発しました。この新しいアプローチの機能と実現可能性を確認するために、研究者らは概念実証モデル（16 の入力と 2 つの出力を持つ完全に接続された 2 層ニューラル ネットワーク）を構築し、その後、全光ネットワークを使用してイジング モデルの秩序相と無秩序相を分類しました。結果は、全光ニューラル ネットワークが、十分にトレーニングされたコンピューター ベースのニューラル ネットワークと同等の精度であることを示しました。

研究チームメンバーの劉俊偉氏は次のように述べた。

当社の全光方式により、ニューラル ネットワークは、非常に少ないエネルギー消費で光速の光並列計算を実行できるようになります。大規模な全光ニューラル ネットワークは、画像認識から科学研究に至るまで、さまざまなアプリケーションに使用できます。

ラージチップ

[[277800]]

Leifeng.com 注: 上の写真はCerebrasの大型チップです

場合によっては、スケールアップが問題を解決する正しい方法となることがあります。今年8月、シリコンバレーの新興企業であるセレブラス・システムズは、1兆2千億個のトランジスタを搭載した大規模な人工知能チップを発売した。これは史上最大の半導体チップでもある。さらに、42,225平方ミリメートルの面積に40万個のコアを備えており、これは815平方ミリメートルのNvidia最大のグラフィックプロセッサの56.7倍の大きさである。

大型チップはデータ処理を高速化し、人工知能モデルをより速い速度でトレーニングすることができます。Google、Facebook、OpenAI、Tencent、Baidu、その他多くの企業は、今日のAIの根本的な限界はモデルのトレーニングに時間がかかりすぎることだと考えています。したがって、AI のトレーニング時間を短縮することで、業界全体の進歩に対する大きなボトルネックが解消されます。この超大型チップの独自のアーキテクチャにより、従来の GPU や CPU に比べてエネルギー消費も削減されます。

リンリー・グループの主席アナリスト、リンリー・グウェナップ氏は声明で次のように述べた。

Cerebras のウェハスケール技術は大きな飛躍を遂げ、誰も想像できなかった単一のシリコン上での処理性能を実現しました。この偉業を成し遂げるために、同社はエンジニアリング業界を何十年も悩ませてきた数々の厄介なエンジニアリング上の課題にも取り組みました。

Cerebras は最近、米国エネルギー省とも契約を締結しており、同省はこのチップを使用して科学、工学、健康分野のディープラーニング研究を加速させる予定だ。

しかし、超大規模チップを作ったからといって、すべてがうまくいくというわけではありません。チップのサイズは利用可能なスペースによって制限されるため、さらに、製造プロセス中に不純物が発生してチップの故障を引き起こす可能性があるため、チップメーカーは通常、このような大規模なチップを製造しません。

現在、あらゆる分野でディープラーニングの応用シナリオが模索されているため、単一のチップ アーキテクチャが市場を支配する可能性は低いでしょう。しかし確かなのは、将来の AI チップは過去数十年間の従来の CPU とは大きく異なるものになる可能性が高いということです。