従来のCPUに代わって主役となるGPUは、タスクの逐次処理ではなく並列処理に最適化されている。そのためにGPUチップはディープラーニングモデルを訓練するのに適している。この訓練では、モデルが画像認識や、自然言語解析、オンライン買い物客への商品の推奨などを行えるようになるまで、膨大なデータ処理が何度も繰り返し実行されるからだ。

　「今日のコンピューティングでは、こうしたモデルを訓練する必要がある。故に、ハードウェアルネサンスが到来するだろう」とグアルティエリ氏は述べる。

　GPU技術は数十年前から存在しているが、企業が注目するようになったのはつい最近だ。GPUは従来、名前が示しているように、コンピュータのグラフィックス処理に使用されてきた。だが、ディープラーニングや人工知能（AI）が脚光を浴びるとともに、モデルを訓練するために高速な並列計算の必要性が高まっている。

　「数年前には、われわれはこうした特殊なハードウェアには目を向けていなかった。だがディープラーニングでは、多くの並列処理を実行することになる。GPUベースのツールなら、多数のコアが利用できる」。調査会社STORM Insightsの創業者エードリアン・ボールズ氏はそう語る。

　ボールズ氏は、2017年にはGPUチップ市場が活況を呈するだろうと見ている。分析用にGPUチップの販売をいち早く開始した企業の1つであるNVIDIAは、2016年にIBM、Microsoftと提携した。コグニティブアプリケーションが実行されるサーバでのNVIDIA GPUの採用を促進する狙いだ。プロセッサ最大手のIntelも、GPU技術への取り組みを深めようとしているようだ。

GPUの普及で開発者に求められる変化

　ボールズ氏は、GPUの普及が進めば、場合によっては、開発者は新しい仕事のやり方を学ばなければならないかもしれないと指摘する。GPUのデータ処理方法はCPUとは非常に異なるため、GPUのメリットをフルに活用するには、アプリケーションを従来とは異なる手法で作成しなければならない。このため、開発者が今後、GPUが使用される先進的な分野でもスキルを発揮していくには、トレーニングを積まなければならない。

　同様に、多くの企業が、GPU技術を中心に据えたデータアーキテクチャの構築に着手するだろうと、ボストンカレッジのITマネジメント教授トム・ダベンポート氏は予想する。同氏はインターナショナルアナリティクスインスティテュートの共同創設者でもある。

　ダベンポート氏はWebキャストで、「多くの企業が、ディープラーニングモデルをベースにした画像認識技術の実装方法を調査している」と話している。Google、Uber、Tesla Motors

といった企業は自動運転車の開発を進めているが、自動運転車の技術もディープラーニングのアルゴリズムに大きく依存している。こうしたタイプのタスクの役割が拡大していることを受け、GPUの需要が増加するだろうと、同氏は考えている。

　「GPUに特にフォーカスしたさまざまなコンピューティングアーキテクチャが登場してくるだろう。これは、画像処理やその他のアプリケーションで使われるこうしたディープラーニングモデルの成功の一部と捉えることができる」（ダベンポート氏）

　GPU技術は、“市民データサイエンティスト”（※）という新タイプのユーザーの登場や増加という動きに拍車を掛ける可能性もあると、ソフトウェアベンダーのMathWorksで技術マーケティングマネジャーを務めるポール・パイロット氏は語る。

※citizen data scientist。調査会社Gartnerの用語。職業としてデータ分析を専門に行う通常のデータサイエンティストに対し、仕事の一環としてデータ分析を行うビジネス部門などの一部の担当者を指す。

　パイロット氏は、Amazon Web Services（AWS）が2016年に、「Amazon Elastic Compute Cloud（EC2）」サービスでGPUチップを利用できるようにしたことを指摘する。EC2は全てクラウドでホストされているので、ユーザーはハードウェアの専門家である必要はない。このため、EC2へのGPUオプションの追加は、GPUの導入のハードルを下げ、利用の裾野を広げることになる。「ディープラーニングや、行動指針をもたらす処方的分析（Prescriptive Analytics）、ビッグデータのワークフローが利用しやすくなる」（パイロット氏）