「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
-
プレミアムコンテンツ
[アイティメディア株式会社] AI活用を成功に導く「オブジェクトストレージ」 NAS/SANの限界を突破するには -
プレミアムコンテンツ
[アイティメディア株式会社] 「性能ならSSD」「大容量ならHDD」はもう古い? 変わるストレージの常識 -
プレミアムコンテンツ
[アイティメディア株式会社] 「オンプレミス回帰」がまさかの失敗に クラウドをやめずに安くする最適化手法 -
事例
[発注ナビ株式会社] AI活用を成功させる企業とそうでない企業の違いとは? -
製品レビュー
[発注ナビ株式会社] システム開発「はじめの一歩」 押さえておきたい基礎知識と失敗を防ぐ方法
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
「VMware vCenter」でゼロデイ悪用、PHPも修正――今朝の情シスニュース
-
2
SAP移行で1900億円の赤字 「ベンダー任せ」が招くERP崩壊と回避策
-
3
NVIDIA「一強体制」の終わりか データセンターを襲う“電力の壁”
-
4
なぜ「Claude Code」拡張は消しても危ないのか? Cursorで不正版配信
-
5
「AI時代の統合基盤・エンタープライズAI管理」に関するアンケート
-
6
半数がブルーカラー転向を視野に? ベテランエンジニアを追い込む“54歳の壁”
-
7
「nginx」のHTTP/2脆弱性(CVSS 9.2)、パッチ適用までの緊急チェックリスト
-
8
「仮想化基盤の更改とコスト最適化」に関するアンケート
-
9
「Active Directory」復旧で“詰む”企業が続出 ランサムウェアに備える4対策
-
10
Java SEに「Java4Shell」、WebLogicも修正――今朝の情シスニュース
ホワイトペーパーランキング PR
-
1
「IT史に名を残すシステム障害」8選
-
2
SCS評価制度時代の「SASE選定」ガイド
-
3
Microsoft 365 Copilotを安全&効果的に活用するために必要な「2つの準備」
-
4
パスワード管理だけで十分? 特権アクセスを脅かす暗号鍵の放置リスクとは
-
5
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
-
6
すぐ分かる「AWS WAF」ガイド:特徴・運用課題・メリットを解説
-
7
マンガで解説:情シスの負担を減らす「MDRサービスのインシデント対応」の中身
-
8
「Copilot Cowork」でこう変わる AIエージェント時代の新たな働き方とは
-
9
AI活用で激化する外部・内部リスク、取引先へ波及する脅威から守る対策とは?
-
10
「AIエージェント」は業務でどう役立つのか? 現場で進む活用例“10選”
TechTargetジャパン SNS
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