編集部からのお知らせ
RPA導入、もう1つのポイント
「ニューノーマルとIT」新着記事一覧

リコー、AIモデルの学習を26倍高速化する回路アーキテクチャを開発

NO BUDGET

2018-12-28 12:33

 リコーは12月26日、人工知能(AI)モデルの学習速度を26倍高速化し、電力効率を90倍向上させる回路アーキテクチャを開発したと発表した。

 この回路アーキテクチャは、AIの機械学習手法の1つである「Gradient Boosting Decision Tree(GBDT:勾配ブースティング決定木)モデル」を効率化するもの。GBDTは、データベースなどで構造化された大量データの学習に高い性能を発揮する。

 応用先として、オンライン広告のリアルタイムビッディング(Real-Time Bidding)、Eコマースでのリコメンデーションなどのウェブ分野、コンピュータによる株式の高頻度取引(High Frequency Trading)などの金融分野、サイバー攻撃の検出などのセキュリティ分野、ロボティクスなどが考えらている。また、モノのインターネット(IoT)機器をはじめとするエッジ端末においても、その高い電力効率を生かして、高度なモデルの学習が可能となる。

モデル学習時間の比較(出典:リコー)
モデル学習時間の比較(出典:リコー)
1データ当たりの学習消費電力の比較(出典:リコー)
1データ当たりの学習消費電力の比較(出典:リコー)

 この回路アーキテクチャを、Field-Programmable Gate Array(FPGA:設計者がプログラムによって設定を変更できる集積回路)上に実装して性能を比較したところ、CPU/GPUを用いた一般的なソフトウェアライブラリ(XGBoost (extreme gradient boosting)、LightGBM、CatBoost)と比べて、26〜259倍の高速化を実現した。また、モデル学習の電力効率は、GPU/CPUと比較して90〜1105倍となり、学習したモデルの予測精度においても、これらのソフトウェアライブラリにより学習したモデルと同等であることが確認された。

ZDNet Japan 記事を毎朝メールでまとめ読み(登録無料)

特集

CIO

モバイル

セキュリティ

スペシャル

NEWSLETTERS

エンタープライズ・コンピューティングの最前線を配信

ZDNet Japanは、CIOとITマネージャーを対象に、ビジネス課題の解決とITを活用した新たな価値創造を支援します。
ITビジネス全般については、CNET Japanをご覧ください。

このサイトでは、利用状況の把握や広告配信などのために、Cookieなどを使用してアクセスデータを取得・利用しています。 これ以降ページを遷移した場合、Cookieなどの設定や使用に同意したことになります。
Cookieなどの設定や使用の詳細、オプトアウトについては詳細をご覧ください。
[ 閉じる ]