GPU

計算問題が、1万問あります。ひとりの数学の教授に頼むか。小学生千人に、配るか。

1問ずつが簡単なら、勝つのは小学生です。この「千人の小学生」を、手のひらほどの板に詰めた部品が、いま、AIを動かしています。

もともとは、ゲームの部品でした。画面には、点が何百万個。その色を、1秒に何十回も、全部、計算し直します。

ひとつひとつは、単純な計算。ただし、とにかく数が多い。だから、単純な計算係を、大量に並べました。

一方、コンピューターの頭脳であるCPUは、複雑な仕事を順番にこなす、少数精鋭。教授が、数人です。

GPUは、単純な計算を、数千の計算係で、いっせいに片づけます。

2007年、あるメーカーが、このGPUを、絵のほかの計算にも使える仕組みを公開します。

飛びついたのが、AIの研究者でした。AIの学習の中身は、ほとんどが、巨大な表どうしの掛け算。単純で、膨大。小学生千人に、ぴったりの宿題です。

2012年、画像認識の大会で圧勝したAIは、家庭用のGPU、2枚で学習されていました。

それから十数年。AI向けのGPUは、1枚で700ワット級。電子レンジなみの電気を使います。

これを72個、ひとつの棚に詰める。2012年のあの2枚と比べると、メモリの量は、計算すると、およそ2000倍です。

日本でも、スーパーコンピューター「富岳」の後継機に、GPUが載ることが発表されています。国の旗艦機としては、初めてです。

弱点は、そのまま大きさです。電気を食う。熱を出す。そして、足りない。

設計できる会社も、最先端で作れる工場も、世界にごく少数。AIの進み具合が、ひと握りの会社の出荷に、左右されています。

計算係を増やせば、速くなる。ただし、給食費と、教室の冷房代も、増えます。

絵を速く描きたい、というゲーム好きの願いが、気づけば、AIの時代の土台になっていました。

技術は、作った人の予定どおりには、育ちません。たいてい、遊びのほうから化けます。