AIさん　半導体の処理速度が低すぎて急速にゴミ化　人間に例えれば高機能自閉症みたいな状態

人工知能（AI）が継続的に進化するには、加速度的に増える膨大な計算量が大きな壁になる──。そんな研究結果をマサチューセッツ工科大学（MIT）の研究チームが公表した。アルゴリズムの効率化やハードウェアの進化、クラウドのコスト低減、さらには環境負荷を減らす取り組みまで、課題は山積している。

欧州のある大規模スーパーマーケットチェーンが、2019年の初めに人工知能（AI）を導入した。この企業はAIを使って顧客が毎日さまざまな店舗で購入する製品を予測し、コストのかかる製品廃棄の削減と在庫の維持とを両立させていた。

売上を予測するためにこの企業は、すでに購入データとシンプルな統計的手法を使用していた。さらに、局地的な天気や交通状況、競合他社の動向といった追加情報に加えて、近年のAIの目覚しい進歩を加速させてきたディープラーニングを新たに導入したことで、エラーの数を75パーセントも削減したのである。

これはまさに、わたしたちがAIに期待するインパクトのあるコスト削減効果だった。しかし、そこには大きな落とし穴があった。新しいアルゴリズムに必要な計算の量があまりに多く、結局この企業はこのアルゴリズムを使わないことにしたのだ。

「言ってみれば、『クラウドコンピューティングのコストが下がるか、アルゴリズムがもっと効率的にならない限りは、大規模に導入する価値はありませんね』といった感じでした」と、マサチューセッツ工科大学（MIT）の研究者で、そうしたケーススタディーを集めているニール・トンプソンは語る。なお、トンプソンはこの企業の名を明らかにしていない。

この事例は、AIとそのユーザーに迫っている問題を浮き彫りにしているのだと、トンプソンは指摘する。近年のAIの進歩は圧倒的に速く、ゲームで人間を超えるプログラムや親切なパーソナルアシスタント、混雑した道路を自律走行するクルマなどを生み出してきた。しかし、こうした進歩を続けられるかどうかは、問題に対してより多くの計算リソースを常に投入し続けられるかどうかにかかっている。

トンプソンをはじめとする研究チームは新しい研究論文で、こうした進歩を続けるためにこれまでと同じペースで計算能力を高めていくことはできないか、まもなくできなくなるだろうと論じている。これにより、コンピューターヴィジョンや翻訳、言語理解のような分野におけるさらなる進歩には、歯止めがかかる可能性がある。

■飛躍的に増加する計算量

AIに必要な計算量は、ここ10年で飛躍的に増加している。ディープラーニングのブームが始まった12年には、トロント大学のチームが2つのGPUを使って5日以上かけて画期的な画像認識アルゴリズムを生み出した。19年には、グーグルとカーネギーメロン大学の研究者らが、初期のGPUより格段に優れた性能の特殊なチップ約1,000個を用いて、6日間かけてより優れた画像認識アルゴリズムを開発した。

また、グーグルのチームによって19年に開発された翻訳アルゴリズムは、1週間でおよそ12,000枚の特殊チップを必要とした。ある試算によると、この膨大な計算能力をクラウド経由で利用すると、最大300万ドル（約3億2,000万円）かかるという。

「ディープニューラルネットワークは計算コストが非常に高いのです」と、MITの助教授でディープラーニングの効率化を専門とする韓松（ハン・ソン）は語る。韓はトンプソンの論文の共著者ではない。「これは重大な問題です」

韓のグループは、新たな構造のニューラルネットワークと特殊な構造のチップを使って、一般的なAIアルゴリズムのさらに効率的なヴァージョンを作成している。しかし、「ディープラーニングに必要な計算量を減らすには、まだまだ長い道のりです」と、韓は言う。

■同じ手法での進歩は、ほぼ不可能？

ほかの研究者たちも計算需要の高まりを指摘してきた。フェイスブックのAI研究部門の責任者を務めるジェローム・ペゼンティは19年の『WIRED』US版のインタヴューに対し、AI研究者は計算リソース不足の影響を感じ始めていると語っている。

続きはソースで

https://wired.jp/2020/07/28/prepare-artificial-intelligence-produce-less-wizardry/

量子機械学習場存在は知ってるけど何を目指してるのかよく分からん
単に量子コンピュータの予算獲得の方便にしか思えない

当然そこから新しい物は生まれない