脱GPUへアナログ回路、
機械学習の省エネ化に挑む

ペンシルベニア大学の研究室にあるテーブルの上で、物理学者のサム・ディラヴー博士は、色鮮やかなケーブルを網のように張り巡らせて、多数のブレッドボード（部品やリード線をボードの穴に差し込むだけで、 はんだ付けをしなくても電子回路を組み立てられる基板）を接続した。装置の見た目は手作り（DIY）家電プロジェクトの作品さながらで、これといってエレガントではない。しかし、32個の可変抵抗器を組み込んだこの地味な装置は、機械学習モデルのようにデータの並べ替えを学習することができる。

現在の機能は初歩的なものだ。しかし、このプロトタイプは、機械学習で広く使われるエネルギー消費の激しいGPU（画像処理装置）チップに代わる省エネチップになることが期待されている。

「各抵抗器はシンプルなもので、それ単体では無意味といえるようなものです」とディラヴー博士は言う。「しかしそれらをネットワークに組み込めば、さまざまなタスクをこなすように訓練できるのです」。

この回路が実行するのは、花弁の長さや幅などの特性によって花を分類するタスクである。花に関するこうした測定値を入力すると、回路はそれらを3種類のアヤメに分類することができた。この種の作業は「線形」分類問題として知られる。なぜならアヤメの情報をグラフに起こすと、直線を使ってデータを正しいカテゴリーにきれいに分類できるからだ。タスク実行にあたって研究者たちは花の測定値を電圧として表し、それを回路に入力した。そして回路は3種類の花のうちいずれかに対応する出力電圧を生成した。

これはGPUのアプローチとは根本的に異なるデータの符号化方法である。GPUは情報を2進数の1と0で表現する。ディラヴー博士の回路では、情報は最大または最小の電圧、あるいはその間の電圧で表される。この回路は120本のアヤメを95%の正確度で分類した。

研究チームは今回、この回路にさらに複雑な問題を解かせることに成功した。現在査読中の論文（プレプリント）の中で、同チームは、この回路がXOR（排他的論理和）として知られる論理演算を実行できることを示した。この回路は2進数の数字2つを受け取り、入力値が同じかどうかを判断したのだ。これは 「非線形 」分類タスクであり、「非線形性こそ、あらゆる機械学習の真髄です 」とディラヴー博士は言う。

彼らが実演したことは、人々が毎日使っているデバイスにとっては朝飯前のタスクだ。しかしそこは問題ではない。 ディラヴー博士らのチームは、より優れたコンピューターの設計を探求する取り組みとしてこの回路を作ったのだ。コンピューター業界は、これまで以上にパワフルな機器を提供しようと骨折っている中で、存続の危機に直面している。2012年から2018年の間に、最先端の人工知能（AI）モデルに求められる計算能力は30万倍の増加をみた。現在、1つの大規模言語モデル（LLM）の学習に使われるエネルギー量は、米国の住宅100軒分以上が1年間に消費するエネルギー量に並ぶ。ディラヴー博士は、自分の設計が、より高速なAIを構築するための、エネルギー効率の高い代替アプローチとなることを期待している。

二人三脚の学習

この回路がさまざまなタスクを正しく実行するためには、訓練が必要である。従来のコンピューターチップ上で動作する現代の機械学習モデルと同じだ。たとえばチャットGPT（ChatGPT）は …

人気の記事ランキング

1. Why handing over total control to AI agents would be a huge mistake 「AIがやりました」 便利すぎるエージェント丸投げが危うい理由
2. OpenAI has released its first research into how using ChatGPT affects people’s emotional wellbeing チャットGPTとの対話で孤独は深まる？ オープンAIとMITが研究
3. An ancient man’s remains were hacked apart and kept in a garage 切り刻まれた古代人、破壊的発掘から保存重視へと変わる考古学
4. How to have a child in the digital age 「あなたはもうママですね」 ネット・デジタルが約束する 「完璧な出産」の幻想