今やAI導入は夢物語ではなく、ビジネスの現実的な選択肢である

　深層学習とGPU(画像処理用演算プロセッサ)。一見すると両者の関係は見えてこない。だが、データサイエンティストや、研究者の現場ではGPUが欠かせない存在となっている。10 月にリリースされた SQL Server 2017 では、ついに深層学習をサポート。データの標準化・集約から AI まで一気通貫にデータを活用できるようになり、データサイエンティストにとって魅力的なプラットフォームへと変貌を遂げた。さらにデータサイエンティストがストレスなく、すぐに作業できるよう、データ分析に特化したソリューション、それが “SQL Server AI Appliance” だ。SQL Server AI Appliance は、SQL Server SSD Appliance ^(※) での経験と、GPU メーカーエヌビディアのGPU “Tesla” シリーズ搭載による相乗効果によって、SQL Server 2017 の深層学習の利用を強力に後押しする。AI といえば、そもそもどのような構成でシステムを組めばいいのか、データサイエンティストや分析担当にとっても、ハードウェアの専門家ではないだろう。そしてクラウドに持ち出せないデータがあるときはどうしたらいいのか。そんなハードルを根こそぎ取り払ってくれる。AI 導入は遠い世界の出来事でも、超大手企業に限定されたものではなく、だれでも導入できるごくあたりまえのビジネスの打ち手になったのだ。

　そこで、日本マイクロソフトクラウド&エンタープライズビジネス本部データプラットフォーム製品マーケティング部シニアプロダクトマネージャー横井羽衣子氏と、エヌビディアマーケティング本部エンタープライズマーケティングマネージャーの佐々木邦暢氏にAI とデータに対するGPUの重要性と、これらが出会うことで実現されるAI(人工知能)の世界、そしてそれを支える AI Appliance の意義について聞いた。

(※) SQL Server 2017 からは、SQL Server Data Appliance としてリリースされる

実は深い、深層学習とGPUの関係
SQL Server 2017からサポートされる AI とベストマッチ

佐々木邦暢氏
エヌビディア
エンタープライズマーケティング本部 シニアマネージャー

佐々木氏まずは以下の年表をご覧ください。高度なグラフィックを描画するには複雑かつ大量の計算を行う必要があります。我々は描画のためにグラフィックアクセラレータを作っていました。シンプルな演算を並列処理していますが、この能力を「他の分野にも使える」と気付いた研究者や開発者の方々が現れたのが10数年前です。その要望に応えるためNVIDIAはGPU用汎用並列コンピューティングプラットフォーム「CUDA」を発表しました。我々は「GPUコンピューティング」と呼んでいます。

※クリックすると拡大画像が見られます

　ここからGPUの機械学習活用が始まり、2008年には「Tesla S1070」を搭載した世界初のGPUスーパーコンピューター「TSUBAME 1.2」を東京工業大学が開発しました。その後、Tesla K20xを搭載したオークリッジ国立研究所の「Titan」が世界一になるなど、スーパーコンピューティング領域での進化が続きます。そして、GPUの深層学習への活用が有名になった事例が2012年のILSVRC(画像認識のコンペティション)で優勝したトロント大学の「AlexNet」です。高い精度を実現したのが深層学習の手法である畳み込みニューラルネットワークでした。

　話は前後しますが、2012年以前も深層学習とGPUの関係は深く、2011年にはMicrosoft ResearchのFrank Seide氏らが音声認識に関する論文を発表していました。ここでも深層学習とGPUが使われており、「Tesla GPUを複数搭載し、GPUによる高速化は非常に効果が大きい」と述べられています。このようにGPUが多層のニューラルネットワークによる機械学習手法を支えてきました。

　本記事の全文は、PDFダウンロードでお読み頂けます！ぜひ以下からご覧ください！