「AIの消費電力」を考える【前編】
機械学習のCO2排出量は乗用車5台分？ 「AI」の消費電力を減らすには
機械学習モデルの訓練には大量の電力を要することを、最近の研究が証明している。機械学習をはじめとする人工知能（AI）技術の運用にかかる消費電力を減らすために、考えるべきことは何か。
1つの機械学習モデルを訓練する際の二酸化炭素（CO2）排出量は、米国の平均的な乗用車1台が製造から廃車までに排出する量の約5倍に上る――。これはマサチューセッツ大学（University of Massachusetts）のコンピュータサイエンス分野の研究者が、2019年6月に発表した研究から明らかになった事実だ。この研究により、ディープラーニング（深層学習）などの機械学習モデルを訓練するプロセスが、大量の電力を消費することが浮き彫りになった。この問題は、機械学習をはじめとする人工知能（AI）技術の礼賛に隠れて、あまり重視されていない。
機械学習モデルのCO2排出量に関する今回のデータは、企業のIT幹部が自社で活用する機械学習の限界について考えるきっかけとなるだろう。
チューニングよりも新規作成の方が効率的
マサチューセッツ大学の研究者は、自然言語処理のニューラルネットワークモデルを訓練する際の消費電力を調査した。ニューラルネットワークは機械学習の代表的な手法だ。論文によると、数百件から数百万件に及ぶモデル設定の組み合わせをテストすると、消費電力の問題はさらに深刻になる。加えて、複数の分野にまたがるように機械学習モデルを訓練するプロセスは、比較的大量の電力を消費することが分かった。機械学習モデルに必要な計算処理と消費電力は、ロジスティクスやモデリング、シミュレーションなどの処理でも増大するという。
今回の研究結果によれば、機械学習を用いた特定用途向けアプリケーションを他の用途のために調整しようとすると、電力消費量が増えるため、一から作成する方がはるかに効率的になる場合が少なくないという。一部の専門家は機械学習を活用することの有効性に疑問を呈しており、将来的には、量子コンピュータがこの種の問題の電力消費の緩和に重要な役割を果たすとみている。
“電力食い”の機械学習
AI関連の電力の大半は、AI技術の最先端を担う人々が消費している。機械学習ツールベンダーのDataikuは、「われわれはそうした人々の恩恵にあずかっている」と話す。
「機械学習モデルの構築は、グラフィックス処理プロセッサ（GPU）に依存しているため非効率になっている」とドアティー氏は指摘する。同氏はディープラーニングをはじめとする機械学習の使用を必要最低限に留める責任を負っている。「何を実行しているのかよく分からないからではなく、GPUが膨大な電力を消費するからだ」（同）
機械学習は自然言語処理やコンピュータビジョンの分野で優れた効果をもたらす。「だがそれ以外のアプリケーションを開発する場合は、そもそも機械学習を活用する必要性があるのかどうかを考えるべきだ」とドアティー氏は話す。実際に、機械学習より優れた手法として、人手で作成したルールやアルゴリズムを利用するアプローチを、さまざまな研究者が編み出している。
ドアティー氏は、「機械学習利用時の膨大なCO2排出量に関する懸念は、誇張されているきらいがある」と付け加える。機械学習モデルの利点が、その懸念を緩和するという。機械学習モデルの進歩は省電力化に貢献でき、企業の収益拡大につながる。いずれにせよ、機械学習などのAI技術のCO2排出量は「それほど大きな問題にはならない」というのが同氏の考えだ。環境への影響とコストは関連している部分もあるが、Dataikuの顧客の大部分はコストへの関心の方が高いという。
CO2排出量監視の必要性
認証システムを提供するCallsignで製品リードを務めるスチュアート・ドビー氏は、「機械学習モデルのワークロードは、IT業界に以前からある悪い慣行をさらに悪化させている」と警告する。AI技術にまつわるコストと電力の問題は「IT業界にはびこる非効率的な発想と見通しの産物だ」とドビー氏は話す。同氏によると、インフラリソースを過剰に割り当て、計算能力を余らせている企業は少なくないという。
ドビー氏は「このような『悪習慣』が電力消費量や環境に及ぼす影響は、クラウドサービスの導入や監視体制の構築によって幾分は改善できる」と述べる。クラウドベンダーは、インフラの効率的な運用を実現する最適なデータセンターアーキテクチャを採用している。加えて、データセンターのエアフロー（空気の流れ）や冷却手段を工夫し、再生可能エネルギーや重要項目の監視サービスなどを活用している。「クラウドベンダーには電力消費量とCO2排出量の公表を義務付けるべきだと考えている。こうした指標はユーザー企業がベンダーを選ぶ材料になる」（同氏）
重要度の低い機械学習モデルの訓練プロセスには「スポットインスタンス」を使うとよい。スポットインスタンスは、入札方式で利用できるクラウドサーバのインスタンスだ。それにより、他のクラウドのテナントから使用していない計算リソースを低コストで借用できる場合がある。
後編では、AI技術で消費する電力の削減方法を、別の観点から考える。
Copyright © ITmedia, Inc. All Rights Reserved.
「AIの消費電力」を考える
機械学習をはじめとする人工知能（AI）技術は、膨大な電力を消費するという研究結果がある。この問題は企業のAI戦略にどのような影響を及ぼすのか、専門家の見解をまとめた。
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
[株式会社フィックスターズ] 組み込み開発特有の課題も解消できる「AI活用」の秘訣とは？ -
事例
[株式会社ビザスク] 「新規事業」事例集：大手企業はどのように想定顧客ヒアリングを行っているのか -
市場調査・トレンド
[株式会社ビザスク] 質の高い「仮説検証インタビュー」を実施するためのポイント -
事例
[株式会社ビザスク] 富士フイルムの新領域参入に学ぶ事業創出 「畑違い」でもビジネス化できる方法 -
事例
[株式会社ビザスク] 三菱電機 上席執行役員に学ぶ、未来を切り開く「新事業創出」の実践方法
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
なぜ「Gemini 4 Argon」は出遅れたのか？ Googleが狙う“逆転のシナリオ”
-
2
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
3
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
-
4
IT製品の導入に関するアンケート「PC＆デバイス」編
-
5
鹿島建設のDXを阻む「10年前のAWS」 安全性と自由度を両立したモダナイズ
-
6
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
-
7
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”
-
8
「AI活用を前提とした業務PCへの移行」に関するアンケート
-
9
【漫画付き】ひとり情シス協会が明かす、RAG導入でしくじる企業「2つの共通点」
-
10
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」
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
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
-
3
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
-
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
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
-
8
システムの保守がモダン化を阻む？ 「変えない判断」から脱却する方法とは
-
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