「AI」の消費電力を9割以上抑える方法とは？：「AIの消費電力」を考える【後編】

機械学習モデルの訓練には大量の電力が必要だ。企業がこの問題に取り組むための解決手法を、人工知能（AI）技術の専門家の意見と共に紹介する。

[George Lawton，TechTarget]

　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」では、機械学習をはじめとする人工知能（AI）技術の電力消費に関する問題と、その削減方法について専門家の意見を取り上げた。後編では、AI技術の消費電力を抑える別の方法を紹介する。

　機械学習モデルの性能を高める上で大きな課題となるのが、ニューラルネットワークなどの機械学習手法で使用する、さまざまなパラメータ（重み）の調整だ。これは機械学習モデルの訓練に限ったことではない。ビジネスモデルやシミュレーションの最適化、オペレーションズリサーチ（計画に対して最も効率的な選択を導き出す手法）、物流、Programming by Example（PbE：実例を基にしたプログラミング）など、さまざまビジネス問題にもパラメータの調整が欠かせない。

　PbEは、機械学習モデルに例を与えて訓練する手法だ。データの構造化に関連する入出力ペアの例などのサンプルデータを、モデルに与えることを考える。このような問題はパラメータの組み合わせ数の激増につながる。データサイエンティストがさまざまな組み合わせのパラメータをテストする場合、パラメータを1つ加えるごとに解の数が増えることになる。

　ディープラーニング（深層学習）のパラメータ調整用ソフトウェアを開発するSigOptの共同創業者兼CEOであるスコット・クラーク氏によると、パラメータは深層学習モデルのパフォーマンスに大きく影響し、それがビジネスにも影響するという。パラメータ調整ではさまざまな種類の設定を評価しなければならず、それよって計算量が増加する。

　パラメータ調整の手法は一つではない。単純な総当たりの手法では、あらゆる可能性をランダムに試行するため、計算量が多くなり、適切な解を見つけるまで時間がかかる。

併せて読みたいお薦め記事

システムの消費電力問題

• 25G／40GBASE-Tの普及を阻む「大きすぎる消費電力」
• Open Compute Projectが目指した「データセンター電力効率99％超」、その成否は？
• 電力効率がより重要になるサーバ選び、そのためのツールとは？

AI活用のヒント

• AI活用は何から始めればよいのか？　AI人材の適切な配置方法は？
• AWS、Microsoft、Googleの主要な「クラウドAIサービス」は？　4大用途で整理

パラメータ調整手法の改善で95％の消費電力削減