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。
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。
Copyright © ITmedia, Inc. All Rights Reserved.
ビジネスにおける生成AI活用が進む中、日々の業務で活用するPDFツールに搭載されたAIアシスタント機能への注目度が高まっている。その活用で、どのように業務を改善できるのか。機能や特徴、期待される効果を紹介する。
企業にとって生成AIは、生産性向上や収益性増加をもたらす重要な技術だが、導入には多くの課題が存在する。PoC（概念実証）段階で約30％の企業が導入を断念するといわれる生成AIプロジェクトを成功に導くための方法を紹介する。
生成AIを活用して業務や顧客体験の再構築を進める動きが活性化しているが、その多くが、PoCやラボ環境の段階にとどまっている。なぜなら、生成AIの可能性を最大限に引き出すための、インフラのパフォーマンスが不十分だからだ。
昨今のソフトウェア開発では、AIコーディングアシスタントの活用が主流になっている。しかし、最適なコーディングアシストツールは、開発者や企業によって異なるという。導入の際は、どのようなポイントに注意すればよいのか。
生成AIの活用にはデータベースが重要となるが、従来のデータベースは最新テクノロジーに対応できないなどの課題がある。本資料では、データベースをモダナイズし、生成AIを用いてビジネスイノベーションを生み出すための方法を探る。
いまさら聞けない「仮想デスクトップ」と「VDI」の違いとは
遠隔のクライアント端末から、サーバにあるデスクトップ環境を利用できる仕組みである仮想デスクトップ（仮想PC画面）は便利だが、仕組みが複雑だ。仮想デスクトップの仕組みを基礎から確認しよう。
「マーケティングオートメーション」 国内売れ筋TOP10（2025年5月）
今週は、マーケティングオートメーション（MA）ツールの売れ筋TOP10を紹介します。
「サイト内検索」＆「ライブチャット」売れ筋TOP5（2025年4月）
今週は、サイト内検索ツールとライブチャットの国内売れ筋TOP5をそれぞれ紹介します。
「ECプラットフォーム」売れ筋TOP10（2025年4月）
今週は、ECプラットフォーム製品（ECサイト構築ツール）の国内売れ筋TOP10を紹介します。
ITmediaはアイティメディア株式会社の登録商標です。
