AIは計算能力が不足しています。IBMはその答えがこの新しいチップであると言っています。

IBMリサーチは、新しい人工知能ユニットを発表しました。これは、ほぼすべての企業アプリケーションのためにディープラーニングモデルを実行するように設計されています。

IBM人工知能ユニットチップのクローズアップ。

その盛り上がりは、人工知能（AI）がすでに至る所に存在していることを示唆していますが、実際にはそれを支える技術はまだ発展途上です。多くのAIアプリケーションは、AI用に設計されていないチップで動作しており、代わりにビデオゲーム用に作られた汎用CPUやGPUに依存しています。その不一致は、IBM、インテル、グーグルなどのテクノロジー大手やスタートアップ、VCからの新しいチップの設計への投資の急増を引き起こしました。

技術が進歩するにつれて、企業の投資も確実に続くでしょう。ガートナーによると、AIチップの収益は2021年に340億ドルを超え、2026年までに860億ドルに成長すると予想されています。さらに、調査会社は、2020年のデータセンターサーバーの3%未満がワークロードアクセラレーターを含んでいたのに対し、2026年までには15%以上になると予想しています。

IBMリサーチは、AI専用のプロトタイプチップである人工知能ユニット（AIU）を発表しました。

「私たちは計算能力が不足しています。AIモデルは指数関数的に成長していますが、これらの巨大なモデルをトレーニングし、クラウドやスマートフォン、センサーのようなエッジデバイスで実行するためのハードウェアはそれほど早く進化していません」とIBMは述べました。

AIUは、IBMリサーチAIハードウェアセンターから設計された、企業向けAIディープラーニングモデルを実行するために特別に作られた最初の完全なシステムオンチップ（SoC）です。

IBMは、従来のコンピューティングの「作業馬」、すなわちCPUは深層学習が登場する前に設計されたと主張しています。CPUは汎用アプリケーションには適していますが、大規模な並列AI操作を必要とする深層学習モデルのトレーニングや実行にはあまり適していません。

「AIが長い間ITソリューションの根本的な推進力になることに疑いの余地はありません」と、IBMリサーチのAIコンピュートディレクターであるジェフ・バーンズはZDNETに語りました。「それは、複雑な企業ITインフラストラクチャやソリューション全体に、非常に広範で拡散的な方法で浸透していくでしょう。」

IBMにとって、完全なソリューションを構築することが最も理にかなっているとバーンズは述べました。「それによって、さまざまなコンピュートプラットフォームにこれらの機能を統合し、非常に幅広い企業のAI要件をサポートできるようにします。」

AIUはアプリケーション固有集積回路（ASIC）ですが、あらゆるタイプの深層学習タスクを実行するようにプログラムできます。このチップは5nm技術で構築された32のプロセッシングコアを備え、230億のトランジスタを含んでいます。レイアウトはCPUのものよりもシンプルで、データを1つの計算エンジンから次のエンジンに直接送信するように設計されており、エネルギー効率が向上しています。グラフィックカードと同じくらい使いやすく設計されており、PCIeスロットを持つ任意のコンピュータやサーバーに接続できます。

エネルギーと資源を節約するために、AIUは近似計算を活用しています。これは、IBMが効率を優先するために計算精度を取引する技術です。従来、計算は64ビットおよび32ビットの浮動小数点演算に依存しており、金融、科学計算、詳細な精度が重要な他のアプリケーションに役立つ精度レベルを提供してきました。しかし、その精度レベルは、AIアプリケーションの大多数には本当に必要ではありません。

「自動運転車の軌道を描くことを考えると、車が必要とする車線内の正確な位置はありません」とバーンズは説明します。「車線内にはさまざまな場所があります。」

ニューラルネットワークは基本的に不正確であり、確率に基づいて出力を生成します。例えば、コンピュータビジョンプログラムは、あなたが猫の写真を見ていると98％の確信を持って伝えるかもしれません。それでも、ニューラルネットワークは当初、高精度の算術で訓練されており、かなりのエネルギーと時間を消費しました。

AIUの近似計算技術により、32ビット浮動小数点演算から、4分の1の情報を保持するビットフォーマットに移行することが可能です。

チップが真にユニバーサルであることを保証するために、IBMはハードウェアの革新だけでなく、基盤モデルに大きな重点を置いています。IBMリサーチは、400人から500人のチームがこれに取り組んでおり、特定のタスクのために構築されたAIモデルとは対照的に、基盤モデルは広範な未ラベルデータセットで訓練され、巨大なデータベースに似たリソースを作成します。そして、特定のタスクのためのモデルが必要なときには、比較的小さな量のラベル付きデータを使用して基盤モデルを再訓練することができます。

このアプローチを使用して、IBMは異なる垂直市場や異なるAIユースケースに取り組むことを意図しています。同社が基盤モデルを構築しているドメインは数少なく、これらのユースケースは化学や時系列データなどの分野をカバーしています。時系列データは、定期的な時間間隔で収集されるデータを指し、設備の機能を観察する必要がある産業企業にとって重要です。いくつかの主要な分野の基盤モデルを構築した後、IBMはより具体的で垂直指向の提供を開発できます。チームはまた、AIUのソフトウェアがIBMが所有するRed Hatのソフトウェアスタックと完全に互換性があることを確認しました。