書評丨AIの「脳」

文章/鄭磊

今後30年間、國家間の科學技術競爭の重要な焦點分野は大データ人工知能であると同時に、これもデジタル経済の重要な駆動産業である。計算力はAIの発展の核心要素の一つで、AIチップは人工知能計算ハードの「脳」です。最初のグラフィックプロセッサを深さ學習用の加速チップとして利用してから、今までAIカスタムの専用チップとして、わずか數年の間に、AIチップは急速に新興産業に発展しました。

AIの研究成果と特許は爆発的な成長を遂げており、AIの分野は今や広大な「森」となっている。図文相茂の『AIチップ：先端技術と革新未來』はAIの発展歴史から、現在最も人気のある深さ學習加速チップと神経形態に基づいて計算された種類の脳チップの関連アルゴリズム、構造、回路などに関連し、AIチップの様々な計算モデルを革新的な思考で設計することを重點的に紹介しました。

AIの急速な発展はずっと計算力に限られていますが、CMOSベースのシリコンチップの製造プロセスは3ナノメートルまで精緻になりました。AI計算力の向上はボトルネックに遭遇するだけでなく、AI計算の特徴のため、いくつかの計算機能が少ないため、普通のCPUで実現されている計算力の中に、かなり大きな部分がAIでは使えない。これはAIチップの出現の客観的な要求です。例えば、深さ學習に必要なのは主にマトリックス乗算（テンソル乗算）であり、GPUを使うと、計算速度が高いCPUより明らかに効率が高い。

今日の深さ學習に使用するのは主にグラフィックプロセッサ（GPU）チップで、毎秒100兆回の浮動小數點演算以上の演算速度に達することができます。スーパーコンピュータCray-3の演算速度の6000倍以上です。しかし、これは人間の脳に比べてまだまだです。人の脳には約1000億のニューロンがあり、100兆個を超えるシナプスがニューロンの信號伝達に介入している。頭は稲妻のようなスピードでモードを認識し、事実を覚え、同時に他の仕事を処理することができます。電力は20ワット以下です。

「ポストムーア時代」が到來するにつれて，シリコンチップの計算速度は頂點に近づいており，同時にもう一つの問題が現れている。つまり，このような計算構造は構造化データにより適しているが，大きなデータを扱うような非構造化データに対してチップ計算密度を高める方法は無効である。著者らが提示したデータによれば、加工プロセスは10ナノメートル以上の後、チップの計算速度はまだ急速に向上しているが、大きなデータを処理する相対効率はむしろ低くなっている。現在の技術レベルでは、複數のGPUを並列に使用すると、1000ワットを超える電力が得られます。2016年AlphaGo対囲碁九段の達人、李世石の時、このAIプログラムを実行するサーバーの電力消費量は1メガワットに達して、人の脳の消費電力の5萬倍近くになります。人々は他のチップ材料を探して、大データ人工知能に適した計算アーキテクチャ、モデル、アルゴリズムを採用しなければならない。この面で、華人科學者は大きな貢獻をしました。1971年、蔡少棠教授は回路理論に基づいて、新しい基礎回路素子であるメモリ抵抗器の存在を発見し、証明しました。2008年、HP社のスタンレー？ウィリアムは初めて実験室で二酸化チタン薄膜に基づくプロトタイプの製品を支えました。この新しいデバイスは計算時の電力消費を著しく低減することができ，アクセラレータやクラスの脳チップを深く學習する潛在的なハードウェア解である。

AIチップの開発の主流は深さ學習アルゴリズムに基づいているが、現在の主な技術路線は深さ學習を処理するための専用AIチップと多核CPUプロセッサを同じチップに集積することである。半導體チップの分野では，現在，FPGAとASICの開発が重要な方向である。最先端の研究は「進化可能」チップを設計することで、チップの「自己學習」によってチップ自體の性能を向上させることに基本的に近い。

AIチップの最終目標は「自己學習」、つまりチップは自分で「どうやって勉強するか」を學ぶことです。もう一つの重要な目標は、スマートマシン間（AIチップ間に相當）の相互學習と協調を図り、スマートマシン自身により多くの知識を得ることです。このような「自己學習」の性能は、時間とともに指數的に向上し、最終的にはスマートマシンの知能レベルが人類を超える可能性が高いです。このようなチップは設計の過程で、脳の生物特性にできるだけ近づけるので、クラスの脳チップまたは神経形態チップと呼ばれています。このチップは新しいチップアーキテクチャに基づいており、重要な構成部分はパルスニューロン、低精度のシナプス、拡張可能な通信ネットワークなどを含む。

中國はすでにチップを自主的にコントロールしなければならない技術と見なしていますが、歐米との差が非常に小さいデータ人工知能は次の占領しなければならない科學技術の高地になりました。現在、シリコンベースの半導體チップの分野での基礎特許は歐米に多く占められており、この路線に沿って車を追い越すのは難しい。AIチップは私たちに貴重な新しい機會をもたらしてくれました。種類の脳チップと新神経ネットワークアルゴリズム、量子啓発アルゴリズム、自然シミュレーション計算、內部計算と新型メモリ、及び量子計算と量子機器學習などの分野に基づいた研究開発、実験室サンプル或いは少量の試用段階があります。

?