［独占インタビュー］AI・ディープラーニングを加速するGPUコンピューティング

AI・ディープラーニングを加速する GPUコンピューティング 井﨑 武士 エヌビディア合同会社 エンタープライズ事業部 事業部長 1993年に創業したNVIDIA Corporation（以下、NVIDIA）は、米国カリフォルニア州サンタクララにある半導体メーカーだ。 同社の8割はエンジニアだ。半導体メーカーとは言いつつも、エンジニアの半数以上はソフトウェアエンジニアであり、「IT企 業」と呼ぶほうがよいのかもしれない。今でこそ世界で約12,000名の従業員を抱える同社だが、この四半世紀で急成長を遂げて いる。2018年2月に発表された同社の通期決算、売上高は前年比41%増となる97.1億ドルだった。日本円にして1兆円を超える。 AIやディープラーニング市場における同社の存在感は大きいが、実は売上構成では「Gaming（ゲーミング）」が同55.1億ド ル、つまりゲーム関連による構成比率が56%ほどとなっており、世界的に成長が続くゲーミング市場からの収益が最も大きく、 その収益をその他の新領域へ投資をしているという形だ。AI・ディープラーニングもそのひとつだ。今回、アペルザカタログで は、同社日本拠点においてエンタープライズ事業部を統括する井﨑武士氏に、NVIDIAから見たAI・ディープラーニングの市場の 最前線、そして国内製造業における可能性について話を聞いた。 GPUコンピューティングの最前線 果が、2017年5月の中国の棋士、柯潔氏との対局で、3局全勝 を収めています。 ―― NVIDIAと言えば、AIやディープラーニングの演算に用い また、世界的な画像認識のコンテストである「ImageNet」 られるGPU（Graphics Processing Unit）ですね。今、AI でも、ディープラーニングによる大きな変化がありました。 やディープラーニングの市場はどのような状況なのでしょうか。 同コンテストでは、参加者はAIを用いて静止画からオブジェ クトを抽出して競い合っています。その抽出結果におけるエ 昨年ニュースでも話題になった「AlphaGo」はご存知で ラーレート（誤答率）は、2012年頃までは10％前後でした。 しょうか。Google DeepMindが開発した「AI囲碁プログラ それが2017年に入り、最高で2.25％という水準まで上がった ム」です。過去にはチェスのAIプログラムなども存在しました のです。人間のエラーレートが5％前後と言われていますので、 が、AlphaGoがそれらと大きく異なるのは、囲碁はチェスな 人間の認識率を遥かに上回ったと言えるでしょう。これも ど他のボードゲームと比較しても圧倒的に局面のパターンが多 AlphaGoの例と同様、ディープラーニング、ニューラルネッ く、想定される全局面のパターンを事前にプログラミングして トワークが活用されるようになったことに起因します。 対戦させるということが難しいという点です。 ―― 近年、AIやディープラーニングの技術は加速度的に進化 Google DeepMindでは、ここにディープラーニングを活用 している印象を受けますが、これにはどのような要因がある し、局面のデータをハードコードするのではなく、用意された のでしょうか。 大量の棋譜データを画像として学習し、その後プログラム同士 を戦わせることで、自ら学習を行わせました。その象徴的な結 大きくは３つの要因があると当時スタンフォード大学の人 1

工知能研究所長であったフェイ・フェイ・リーが述べています。 扱う場合、1個のGPUでは時間がかかりますし、複数個にする アルゴリズムの進化、ビッグデータ、そしてGPUの3つです。 場合も様々なパラメータをGPU間でやりとりしなければなら ず、GPU間の通信速度によって全体のパフォーマンスが落ち AIには冬の時代もありました。認識精度が実用レベルに上が る可能性があります。ここにNVLink™ を用いることで、GPU らなかったのが主な要因です。しかし、2010年頃から、アル 間の通信を300GB/秒の速度で行うことができ、全体のパ ゴリズムの技術課題が解消し始め、AIのトレーニングに必要と フォーマンスを落とすことなく、複数GPUによる並列処理が なる大量のデータが入手可能となり、また、GPUの高速演算 可能になるのです。 性能により、開発期間が大きく短縮化されたことで、こうした 状況が変わってきました。 こうしたGPUやその周辺技術の進化により、複雑・多層の ニューラル・ネットワークの演算が短時間で可能になり、冒頭 性能という点では、ムーアの法則という言葉を聞いたことが で紹介したAlphaGoやImageNetのようなことが実現している あるかもしれません。半導体の性能曲線が指数関数的に上昇す のです。 ることを予測したものです。実は、CPUの性能向上について は、既にムーアの法則が成立しなくなっているのです。これは 「量子効果」がその理由です。ムーアの法則では（微細化技術 製造業におけるAI・ディープラーニング の進化により）「半導体の集積率は18ヶ月で2倍になる」と言 われていますが、この微細化技術が進みすぎると、半導体が熱 ――製造業についてはいかがでしょうか。 くなりすぎてしまい動作周波数を上げることができなくなりま 製造業におけるAI・ディープラーニングは市場としてはま す。半導体の中は絶縁層がありますが、量子の世界まで行くと、 だまだ発展途上であり、決して成熟してはいません。国内で 「トンネル効果」により絶縁層からリーク電流が流れ、熱が発 もスタートアップを含む様々な企業が、クライアントの要件 生するためです。 を聞きながら構築に試行錯誤していくなかで、ようやく最近 2006年以降、市場に流通するCPUの「◯◯GHz（ギガヘル になり「こんなことができる」というものが具体化してきた ツ）」などの数値はそこまで大きく変わっていません。では、 というのが現状だと考えています。 どのようにして処理能力を向上させているかというと、現在は 用途が広がりつつある分野としては、主には検査、メンテ デュアルコア（2コア）やクアッドコア（4コア）など、複数コア ナンス、制御などの分野が挙げられるでしょう。例えば、海 （CPUを複数搭載）にすることで処理能力を向上させている 外ではGE（ゼネラル・エレクトリック）社におけるプラント のです。 の外観検査へのAI活用や、フォックスコン（鴻海）社では基 一方で、GPUは当初よりこの複数コアの設計コンセプトに 板の実装不良、半導体製造における検査などにAI・ディープ 立っており、最近のGPUではおよそ4,000から5,000コアに分 ラーニングの活用が始まっています。 けて処理を行っています。更に、当社のNVIDIA® NVLink™ 国内では、ファナックやコマツの事例が有名かもしれませ は、そのGPUを複数配置しての分散学習・並列処理における ん。特に2015年12月の「国際ロボット展」でのファナック 「GPU間の通信速度」の課題も解決しました。 のデモンストレーションは記憶に新しいのではないでしょう 例えば、ひとつのモデル計算においても大量の画像データを か。これは、同社のアームロボットが金属製のワークをピッ 2

キングするデモンストレーションでした。センサーで取得し たワークの三次元画像データから、「ワークの取り出しやす さ」を自動判別し、ピッキングします。ポイントはティーチ ングを施していない状態から、8時間の機械学習のみで、ピッ キング成功率を90％まで高めたという点です。ロボット が自律的に学習し、与えられた仕事を行うという先行的な事 例となりました。 また、昨年の「GTC Japan」（2017年12月13日に開催され たNVIDIA主催のGPUテクノロジーイベント）での基調講演で は、コマツからスマートコンストラクションにおけるAI活用 が発表されました。具体的にはドローンカメラにより現場の 3D画像データを収集、地形データや、人や機械の位置を可視 ローンをはじめ、カメラやセンサーを使った情報認識や解析、 化し、工機・建機の管理、現場の安全性や生産性向上を図る 推論、計算処理など、自律型ロボットの性能を格段に向上させ ものです。ここには当社のNVIDIA® Jetson™ が、エッジ側で られる可能性があります。また、このJetson™ Xavier™ を中 のAIコンピューティングのプラットフォームとして利用され 核とするのが、当社のロボティクス・プラットフォームである ます。 NVIDIA® Isaac™ であり、同プラットフォーム上では、シ ミュレーション環境も提供し、開発者がJetson™ Xavier™ を ―― 製造業におけるAIやディープラーニングの市場は、今後 用いたロボットのトレーニングやテストを行うこともできます。 どのように変化していくと考えられているのでしょうか。 これまでもAI・ディープラーニングによって様々な領域・業 これまではオンラインで学習も推論も行うユースケースが 界におけるソフトウェア・オートメーションが進んできました。 多く、世界最先端のデータセンター向けGPUであるNVIDIA® これからは、当社の製品を含め、より高性能なエッジコン Tesla® V100 など、当社のGPUがオンプレミスやクラウド環 ピューティングが可能になることによって、より多くの生産現 境を含め、多くの研究者やエンジニアに利用され、その可能 場や工程において、カメラやセンサーとAIとが接続されること 性を広げてきました。一方、製造業の現場で活用されるAI・ で、マシンは自らの脳を獲得し、様々なインテリジェント・マ ディープラーニングの推論環境としては、オフラインでの動 シンが生まれるのではないかと考えています。 作や設置環境の理由から、急速にエッジシフトが進んでいく でしょう。 ――読者の方へのメッセージがございましたらいただけますで しょうか。 一方で、画像センサやカメラの性能も上がってきています。 例えば、画像データの解像度が上がれば伝送されるデータ量 ディープラーニングの技術により、まさに第4次産業革命が も当然膨れ上がりますし、そうした状況下では、エッジ側に 起こりつつあります。ボーダレス化が進む中、海外との競争を もより高い処理性能が求められます。 避けて通ることはできません。正しい知識や理解をもって、自 社の課題に、迅速かつ最適なソリューションを選択することが、 2018年6月に発表した当社のJetson™ Xavier™（ジェット 今まで以上に大事になってきます。今回の特集企画においては、 ソン・エグゼビア）も、こうした高性能なエッジコンピュー NVIDIAのパートナー企業を始めとした、様々なソリューショ ティングをターゲットとした製品のひとつです。同製品は世 ン・プロバイダも紹介されますので、まずは、自社の課題やAI 界初の組込型AIコンピュータボードで、90億個以上のトラン 導入のねらいから相談してみてください。 ジスタを搭載しており、30TOPS（30テラフロップス＝1秒 当たり30兆回）の演算処理を行うことができます。 ――ありがとうございました。 これにより、従来型のSoCなどでは対応が難しかった、 エッジ側での多数のアルゴリズムを同時且つ高速な処理が可 能になります。インテリジェント・マシン、つまりAGVやド 3 ×