人工知能と機械学習もGPUで進化する
徹底解説：GPUコンピューティングが急成長する理由と減速する懸念（1/2 ページ）
かつてゲームでしか役に立たない技術と評価されていたGPUが企業向けデータセンターに進出し、機械学習や人工知能といった成長著しいプロジェクトに貢献しようとしている。
遅々として進まないデータ分析プロジェクトに苦慮しているITプロフェッショナルは、3Dゲームという思いがけない分野から解決の着想を得るかもしれない。
Graphics Processing Unit（GPU）はこれまでゲーマーの要望を満たすためにその機能を強化してきた。しかし、今では企業向けデータセンターの新たなニッチ分野として注目する関係者が増えている。451 Researchのアナリストを務めるジェイソン・スタンパー氏によると、従来型ワークロードの中にはGPUの並列アーキテクチャに適しているものがあり、GPUで高速化した演算処理の恩恵を受けるという。
「GPUには最新のモデルで3500基を超える演算コアがあり、大画面を構成する膨大な数のピクセルでも一瞬の演算で描画できる。これをデータベースの行と列に当てはめれば、データを驚くほど高速に処理できる」（スタンパー氏）
CPUの動作クロックが2年ごとに倍増していた時代には、GPUがどれほど演算処理を高速化しても、その効果は特定の並列処理に限られていたため需要はほとんどなかった。だが、CPUの動作クロックの上昇ペースが鈍るにつれ、高度な演算処理を必要とするタスクを抱えたユーザーは、CPUの代替としてGPUに目を向けるようになった。GPUは動作クロックではCPUに劣るものの、搭載する演算コアの数だけのスレッドを並行して処理できる。幾つもの変数による影響を同時に処理しなければならない物理シミュレーションなどの自然科学演算や気候現象などの実世界をシミュレーションする演算モデリングといった分野では、早くからGPUコンピューティングを導入してきた。
「現代の天気予報は、背後にあるスーパーコンピュータで何千もの要因を並列して処理してモデルを構築して算出している」とGPUベンダーのNVIDIAでデータセンターGPUコンピューティングの担当ディレクターを務めるロイ・キム氏は説明する。
いち早くGPUを汎用演算処理に利用し始めたのはスーパーコンピュータ技術者や科学研究者だが、一方で企業が収集して分析する用途でもデータの量はCPUの進化をしのぐペースで増大している。
SQLのためにCPUからGPUに移行する
ハーバード大学の中東研究課程を修了したトッド・モスタック氏は、卒業論文のために何億件というツイートを収集して「アラブの春」を検証した。モスタック氏の目的は、ツイートの分析を通じて地理空間を可視化することにあったが、CPUの演算処理能力を使うシステムを使っていて問題に突き当たった。
「そうした分析処理には1晩中かかるものもあった。朝起きてから自分の間違いが判明し、演算処理を最初から全部やり直さなければならないこともあった」とモスタック氏は振り返る。これだけの負荷に対応できる大型サーバクラスタも利用できなかったモスタック氏は、市販のゲーミングGPUを使って自前のデータベースシステムを構築した。
彼がCEOとなったMapD Technologiesは、学生時代の試作品から生まれたSQL対応データベースのソフトウェアプラットフォームを構築している。GPUは3Dゲームの高精細でスムーズなグラフィックス描画処理以上に、SQLクエリの処理という、ゲームに比べると日常的な作業の高速化でも理想的だとモスタック氏は言う。
「突き詰めて言えばSQLはセット言語だ。そのセットにある全ての行に同じ作業を割り当てる。そのセットは何十億もの行で構成していることもある。しかし、GPUならば、搭載する演算コアの1つ1つに1行ずつ割り当てることで並列処理ができる」（モスタック氏）
GPUはあらゆる作業に適しているわけではない。明らかに並列的でGPUの恩恵を最大限に引き出せるプロセスがある一方で、遂次性が高くCPUで処理するのが最適なプロセスもある。また、既存のアプリケーションではプログラムソースコードをGPUのファンクションに対応できるようにリファクタリングを行うか、GPUで動作させる専用のものを新たに開発する必要がある。
こうした問題についてモスタック氏は、「その中間に位置する幅広いクラスの問題もある。それを並列処理するのは簡単ではない。だがコードをうまく構造化すれば、ここでもGPUの恩恵を引き出すことができる。これは演算をデータにどうマッピングするかという問題だ」と述べている。
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
“攻撃者優位”なサイバーセキュリティ、全ての「穴」をふさぐ方法とは？ -
製品資料
実際に悪用される脆弱性は4％前後 優先的に対処すべき脆弱性を把握するには？ -
製品資料
HubSpotの機能を拡張する法人データ活用法 -
製品資料
面倒で非生産的な「名寄せ」作業 高精度＆高効率に実施するには？ -
製品資料
名刺管理には「その先」がある 成果のでない営業活動から脱却する秘訣
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
ISMSの“コンサル丸投げ”が招く数千万円の無駄 NTTドコモビジネスの脱出劇
-
2
マンガで解説：採択率は3割台？ デジタル化・AI導入補助金申請の落とし穴
-
3
Netflixのバックエンドは「ほぼJava」 3000超のアプリを支える開発基盤の裏側
-
4
「Microsoft 365」が乗っ取られる 跡形もなくMFAを破る手口
-
5
「VMware離れ」は本当か 3000社がVCF 9にかじを切った現実的な理由
-
6
「OSの選定・導入」に関するアンケート
-
7
「結局使わなくなる」Microsoft 365 Copilotを半年で定着 キリンの3施策
-
8
IT人材の42％が転職予備軍 辞めさせない組織の4つの共通
-
9
「WSUS」終了の時限爆弾 “本命”移行先ツールとMicrosoft提唱の新管理手法
-
10
AIが本番環境を削除し復旧に13時間 「暴走」ではなかったAWS事例
ホワイトペーパーランキング PR
-
1
AIエージェントで多様な日常業務を効率化するための入門ガイド
-
2
AIが「わざわざ使うツール」になっていない？ 業務で自然に使う導線にする秘訣
-
3
財務・会計はAI活用でどう変わる？ 調査で見えた変革の道筋
-
4
JR西日本ITソリューションズが「監視業務の属人化」を解消した方法とは？
-
5
「脱Excel」か「Excel快適化」か？ 現場にやさしい業務改善の進め方
-
6
「結局、一部の人しか使わない」 AI活用が業務に定着しない根本的な理由
-
7
コスト分析で見る「デバイス復旧」の代償 損失額から導きだされた投資戦略とは
-
8
Macの安全神話は崩壊？ 最新の脅威動向から見えた攻撃のトレンドと有効な対策
-
9
ゼロトラストにおける「IDaaSの課題」と補完すべき重要機能とは？
-
10
「NAS」「SAN」「DAS」は何が違う？ いまさら聞けないストレージの基礎
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