nature.com にアクセスいただきありがとうございます。ご利用のブラウザは CSS のサポートが制限されています。最適なエクスペリエンスを得るには、最新のブラウザを使用する (または Internet Explorer の互換モードをオフにする) ことをお勧めします。その間、継続的なサポートを確保するため、このサイトはスタイルと JavaScript なしで表示されています。
Nature Electronics 第7巻、255ページ（2024年）この記事を引用
人工知能技術の規模と応用が拡大するにつれて、基盤となる技術のより広範なアクセス性に関連する課題に対処することがますます重要になります。
2018 年 4 月の社説で、私たちはハードウェアのイノベーションが人工知能 (AI) の高まる需要を満たすことができるのかと問いかけました1。当時、囲碁で人間のプレイヤーと競うために作られた強力な機械学習プログラムである AlphaGo は、AI 機能の最先端を示しました。それから 6 年が経ち、大規模言語モデルと生成 AI が広く使用されるようになった今、その質問の答えは「イエス」であると思われます。少なくとも今のところは。
この成功の中心となっているのは、グラフィックス プロセッシング ユニット (GPU) の継続的な開発です。機械学習モデルは大量のデータを調べ (またはトレーニングし)、パターンを見つけようとします。これにより、たとえば、画像を分類したり、単語のシーケンスを生成したりできるようになります。その多くは、GPU を使用してデータ センターで実行され、GPU の数は最大で数万に上ることもあります。GPU のアーキテクチャは、高度な並列構造と、メモリと処理ユニットの密接な結合を備えており、機械学習データの処理に特に効率的なアプローチを提供できます。
機械学習モデルの大型化 (パラメータが数兆に及ぶ場合もある) と、その広範な使用により、AI チップの需要が急増し、チップは半導体業界における収益増加の主な源泉の 1 つとなっています。AI 向けハードウェアの先駆者である Nvidia とその A100 および H100 GPU 製品が、この分野をリードしています。これらの製品は、Google、Microsoft、Meta、OpenAI など、多くのグローバル テクノロジー企業の AI 製品に採用されています。また先月、Nvidia は Blackwell GPU プラットフォームの登場を発表しました。このプラットフォームは、数兆パラメータの大規模言語モデルを従来のプラットフォームよりも低いエネルギーで実行できるように設計されています2。
Nvidia のハードウェアへの依存により、一部の企業は独自の AI チップを設計するようになりました。Google は、テンソル プロセッシング ユニット シリーズのチップでこれをしばらく行っており、Microsoft と Meta もトレーニングと推論に重点を置いた独自のハードウェアを開発しています。しかし、Nvidia の成功は、エンジニアや開発者に AI ツールやアプリケーションを構築するために提供するソフトウェア プラットフォームにも基づいています。CUDA として知られるこのプラットフォームは、ユーザー ベースを Nvidia ハードウェアに結び付けており、この点は見逃されていません3。
その結果、最近、複数の企業が集まって UXL Foundation を結成しました。これは、AI プログラミングへの標準化されたアプローチを作成し、ハードウェアの選択肢を増やすために、オープンソースのツールとソフトウェアを開発することを計画しているコンソーシアムです。CUDA のユーザー ベースの規模、プラットフォームの成熟度と包括的な性質を考えると、UXL Foundation はかなりの課題に直面しています。しかし、彼らのオープン性とアクセシビリティの原則は、この分野にとって間違いなく重要です。
Nvidia の市場支配は、半導体業界の他の分野にも当てはまる。先端ノードの集積回路の製造は現在、台湾セミコンダクター・マニュファクチャリング・カンパニー (TSMC) が独占しており、最先端のチップの製造に必要なリソグラフィーツールの唯一のサプライヤーは ASML だ。一握りの企業が技術の重要な側面を独占することは、特に地政学的緊張のために政府が企業の製品販売先を制限している場合は、潜在的に問題となる4。正当なセキュリティ上の懸念がこうした制限の要因となることもあるが、AI の成功に不可欠な強力な半導体産業は、拡大のための資金と支援、研究開発の推進のために世界市場へのアクセスに依存している。そして、地球規模の気象モデリングやリアルタイムの脳規模のモデリングなど、今世紀私たちが直面する最大のコンピューティング問題のいくつかを AI が解決するためには、半導体技術へのより幅広くバランスのとれたアクセスが重要となる5。
ハードウェアのイノベーションが今後数年間にわたって AI の需要を満たし続け、過去数年間に見られたのと同じ速度で機能の進歩を実現できるかどうかは、未解決の問題です。しかし、半導体業界はハードウェアとパフォーマンスを継続的に改善し、変化する計算ニーズに適応できることは歴史が証明しています。したがって、私たちが今問うべき問題は、最も強力な AI テクノロジを可能な限り公平な方法で開発および適用できるようにするにはどうすればよいか、ということかもしれません。
NVIDIA Blackwell プラットフォームが登場し、コンピューティングの新時代を切り開きます。NVIDIA ニュース (2024 年 3 月 18 日); https://go.nature.com/3vTIJBx
マサチューセッツ州チャーニー ソフトウェアを標的にしてNvidiaのAI支配を打ち破る計画の背後にあるもの。ロイター（2024年3月26日）; https://go.nature.com/3xwHE32
Baazil, D., Koc, C., Hawkins, M. & Nienaber, M. 米国は同盟国に対し、チップ技術に関して中国をさらに圧迫するよう要請。ブルームバーグ (2024 年 3 月 6 日); https://go.nature.com/443j2uT
コンクリン、AA＆クマール、S.Nat.Electron.6、464–466（2023）。
記事 Google Scholar
AIの成功はアクセスにかかっている。Nat Electron 7, 255 (2024). https://doi.org/10.1038/s41928-024-01164-6
出典: https://doi.org/10.1038/s41928-024-01164-6
次のリンクを共有する人は誰でもこのコンテンツを読むことができます:
申し訳ありませんが、この記事には現在共有可能なリンクがありません。
Springer Nature SharedItコンテンツ共有イニシアチブ提供
ネイチャーエレクトロニクス（Nat Electron）ISSN 2520-1131（オンライン）
© 2024 シュプリンガー・ネイチャー・リミテッド
Nature Briefing ニュースレターに登録しましょう。科学の重要なニュースが毎日無料であなたの受信箱に届きます。
元記事: https://translate.google.com/translate?sl=auto&tl=ja&hl=ja&u=https://www.nature.com/articles/s41928-024-01164-6