オープンソース化するAI技術
Googleが機械学習の可能性を広げる「GPipe」をオープンソースに その影響は
GoogleでAIの研究開発を担うGoogle AIは、大規模な高精度ディープニューラルネットワーク構築用ライブラリ「GPipe」をオープンソースとして公開した。その意味するものとは。
Googleが今回オープンソースライセンスの下で公開した「GPipe」は、大規模なディープニューラルネットワークのトレーニングの効率と精度を高めるとともに、コンピューティングの効率性を高めることもできる、スケーラブルな機械学習ライブラリだ。
Googleは2019年3月4日、「GitHub」でGPipeをオープンソースライセンスで公開した。機械学習用のソフトウェアライブラリ「TensorFlow」をベースとした、シーケンスモデリングのためのディープラーニングフレームワーク「Lingvo」の下で公開している。
GoogleやAmazon Web Services（AWS）、Facebookなどの大手ITベンダーは自社が持つ多くの技術の保護と収益化を進める一方で、AI（人工知能）開発ツールについてはオープンソース化を推し進めている。その目的は、AI分野における自社の影響力を高めることや、AIを利用しやすくすることなどが挙げられる。
「GPipeはAIの民主化を前進させる大きな一歩だ」と調査会社Forrester Researchの主席アナリストを務めるマイク・グアルティエーリ氏は話す。
関連する技術として、Googleは機械学習用のデータを匿名化するツール「TensorFlow Privacy」についても2019年3月6日にオープンソース化を発表した。GPipeでは高精度のディープラーニングモデルを構築できるため、「これがオープンソースとして利用可能になれば、誰でも分散型機械学習の力を使って高い精度のモデルを構築できるようになる」と、グアルティエーリ氏は語る。
GPipeが秘める可能性
GPipeは、GoogleのAI分野の研究開発を担うGoogle AIが開発した。モデルを複数のGPU（Graphics Processing Unit）アクセラレーターやTPU（Tensor Processing Unit）アクセラレーターに分割し、それらの並列処理を可能にする。
Google AIが2018年末に発表した研究論文によると、GPipeはトレーニングサンプルをミニバッチに分割し、それをさらに小さなマイクロバッチに分割する。これにより複数のアクセラレーターがそれぞれ別のマイクロバッチを同時に実行できる。
GPipeによってディープニューラルネットワークのトレーニングは高速、高精度、低メモリ消費になる。これは研究者にとって朗報だが、専門家ではないシチズンデータサイエンティスト（データサイエンティストではないがデータ分析をする人）にも役立つとグアルティエーリ氏は話す。
「GPipeはモデル作成の自動化にも使えるため、自動機械学習にも役立つ。これによってデータサイエンティストの作業効率が上がり、シチズンデータサイエンティストもビジネスに利用できるモデルを作成できるようになる」と同氏は語る。
オープンソース化の動き
GoogleのAI研究者たちは数年前からデータセットやコード、ソフトウェアなど多数のプロジェクトをオープンソース化している。中でもAIと機械学習のソフトウェアライブラリであるTensorFlowのオープンソース化が果たした役割は大きい。
TensorFlowは当初、GoogleのディープラーニングチームGoogle Brainが社内用に開発したものだったが、2015年末にオープンソース化し、今では機械学習関連の開発者にとって必要不可欠なものとなった。その後、「JavaScript」版も公開し、開発者の間で人気を博している。
「TensorFlow Privacy」
TensorFlow Privacyは機械学習用のユーザーデータを匿名化するツールだ。
こちらもGoogleはオープンソース化し、GitHubで公開した。TensorFlow Privacyは差分プライバシー技術を採用しており、AIモデルはプライベート情報を利用することはできるが、記憶することはできない。
差分プライバシーのコンセプトは新しいものではなく、さまざまなAI関連製品やサービスで既に使用されている。Googleによると、TensorFlow Privacyはデータ提供者のプライバシーとセキュリティをこれまでより容易に保護できるという。
Googleは多彩なクラウドベースのAIツールやサービスを提供している。テキスト音声変換サービス「Cloud Text-to-Speech」や音声テキスト変換サービス「Cloud Speech-to-Text」では、2019年2月に大規模なアップデートを発表したばかりだ。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[株式会社MatrixFlow] 「物流リソース最適化」ガイド：人員・配車・傭車を出庫依頼の確定前に決めきる -
製品資料
[株式会社キーエンス] なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは -
製品資料
[株式会社セールスフォース・ジャパン] 「CRMは設計と無関係」は本当か？ PLMとの融合で実現する高速開発 -
事例
[日本ヒューレット・パッカード合同会社] AIエージェントの時代にどう備える？ 「新たな働き手」を支える3要素とは -
製品資料
[日本ヒューレット・パッカード合同会社] “横並びの自動化”から脱却、AI活用で生産性と競争力を高める秘訣
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
ChatGPTは“検索しまくり”でGeminiは“淡泊”？ データが明かすAIの裏側
-
2
法務と開発者で「言葉が通じない」問題 トヨタやソニーが語るOSS管理の真実
-
3
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
4
「IBM iはDXのボトルネック」は誤解 意外と知らない今風モダナイズの効果
-
5
「朝8時にバッチが終わらない」データ爆発の危機をJPX総研はどう乗り越えたか
-
6
「中堅・中小企業のネットワーク・セキュリティ運用実態」に関するアンケート
-
7
損保ジャパンはなぜ「COBOL」を捨てなかったのか？ 脱メインフレームの真相
-
8
AI導入後に発覚する「社内文書を読めない」問題 情シスは何を直せばいい？
-
9
情報漏えいはなぜ繰り返されるのか 今すぐ見直すべき「境界」
-
10
情シスの約8割が転職や退職を意識 調査で分かった“辞めたくなる最大の理由”
ホワイトペーパーランキング PR
-
1
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
2
家庭用Wi-Fiルーターの業務利用は危険？ 避けるべき理由と具体的な対策
-
3
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
-
4
財務部門がAIを最大限に活用する方法 無駄のない戦略的リーダーシップへの道
-
5
LLMが兵器化？ 元FBI高官が鳴らす警鐘とセキュリティツール統合のポイント
-
6
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
7
なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは
-
8
生成AIを開発に導入しても効果が見えない？ 実証実験で分かった成果と課題
-
9
経産省DX指針から読み解く、受発注業務デジタル化ロードマップ
-
10
HDDを使わない「SSDオンリー」が無謀なのはなぜ？
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー