Google、深層学習を利用してより高速で小型のAIチップを設計

GooglerとUCバークリーの研究者が、高速で小型のチップを設計するために人工知能(AI)を使用する方法を考案した。既存の設計図と性能の数値からチップのアーキテクチャを生成する「PRIME」と呼ばれる手法だ。

Google、深層学習を利用してより高速で小型のAIチップを設計
"3Dfx@350nm@Fixed-pipeline@Banshee@Voodoo_Banshee@500-0013-04_F10498.1_BAN_9933___Stack-DSC00710-DSC00772_-_ZS-retouched" by FritzchensFritz is marked with CC0 1.0.

GooglerとUCバークリーの研究者が、高速で小型のチップを設計するために人工知能(AI)を使用する方法を考案した。

17日に共有されたブログの中で、研究者たちは、既存の設計図と性能の数値からAIチップのアーキテクチャを生成する「PRIME」と呼ばれるディープラーニングのアプローチを開発したと述べている。彼らは、このアプローチによって、Googleの生産中のEdgeTPUアクセラレータや従来のツールを使って作られた他のデザインよりも、レイテンシーが低く、より少ないスペースを必要とするデザインを生み出すことができると主張している。

Googleはこの分野にかなり関心を持っている。昨年、同社はTPU設計の1つのレイアウトを最適化するために機械学習を利用したと発表している。

この最新の知見は、Googleのカスタムチップ設計の取り組みにとって画期的なものとなる可能性があり最新の論文で詳述されている。この論文は、今年の深層学習における世界トップレベルの国際学会ICLRに採択されている。

研究者によると、従来のシミュレーションベースのチップ設計は時間と計算コストがかかるため、より高速で効率的な設計を可能にするという点以外でも、PRIMEのアプローチは重要だという。また、シミュレーションソフトを使ったチップの設計は、低消費電力や低遅延など特定のものに最適化しようとすると、「実現不可能な」設計図になる可能性があるという。

研究チームによると、PRIME方式で作成したチップの設計は、シミュレーション主導の手法で作成したチップに比べてレイテンシーが最大50%少なく、また、深層学習アプローチにより、当該設計図の生成にかかる時間も最大99%短縮されたという。

via Google Blog.
via Google Blog.

研究者らは、画像分類モデルMobileNetV2およびMobileNetEdgeを含む9つのAIアプリケーションにおいて、PRIMEで生成したチップ設計とシミュレーションで生成したEdgeTPUを比較した。重要なのは、PRIMEの設計が各アプリケーションに最適化されていることだ。

その結果、PRIMEチップの設計は全体としてレイテンシーを2.7倍改善し、ダイ面積を1.5倍削減することがわかったという。この最後の部分は、チップをより安くし、消費電力を下げることができるダイサイズを減らすためにPRIMEを訓練しなかったので、技術者たちに衝撃を与えた。ある種のモデルでは、レイテンシとダイ面積はさらに大きく改善された。

アクシオン有料購読、初月無料キャンペーン

毎月70本追加される一流海外メディアとオリジナル記事にアクセス

1ヶ月無料で購読する

さらに研究者たちは、PRIMEを使って、複数のアプリケーションでうまく機能するように最適化したチップを設計した。その結果、PRIMEの設計は、シミュレーション主導の設計よりもやはりレイテンシが小さくなることがわかった。さらに驚くべきことに、学習データがないアプリケーションでPRIME設計を実行した場合でも、この結果は同じだった。さらに、アプリケーションの数が増えれば増えるほど、性能は向上した。

PRIMEとEdgeTPUが提案する単一モデル特化型のアクセラレータ設計のレイテンシーを比較(低い方が良い)。出典:Google Blog
PRIMEとEdgeTPUが提案する単一モデル特化型のアクセラレータ設計のレイテンシーを比較(低い方が良い)。出典:Google Blog

最後に、研究者たちはPRIMEを使って、前述の9つのアプリケーションで最高のパフォーマンスを発揮できるチップを設計した。PRIME設計がシミュレーション主導の設計よりもレイテンシーが高かったアプリケーションは3つしかなく、研究者はこれが、PRIMEがより大きなオンチップメモリと、その結果としてより少ない処理能力を持つ設計を好むためであることを突き止めた。

PRIMEが実際にどのように機能するかを掘り下げると、研究者は、ロバスト予測モデルと呼ばれるものを作成した。これは、AIチップの設計図のオフラインデータを与えられ、うまくいかないものも含めて、最適なチップ設計を生成する方法を学習するモデルだ。教師あり機械学習の利用に伴う典型的な落とし穴を避けるため、研究者たちは、いわゆる敵対的な事例に惑わされないようにPRIMEを考案したという。

研究者らは、このアプローチにより、ターゲットとするアプリケーションに最適化するモデルが可能になったと述べている。PRIMEは、学習データがないアプリケーションに対しても最適化することができる。これは、データがあるアプリケーション全体の設計データに対して、単一の大規模モデルを学習させることで実現される。

これによってGoogleのチップエンジニアリングのやり方が一夜にして変わることはないだろうが、研究者たちは、複数の道筋に期待できると述べている。たとえば、複雑な最適化問題を解く必要があるアプリケーション用のチップを作成したり、低性能のチップ設計図をトレーニングデータとして使用してハードウェア設計を開始するのに役立てたりすることだ。

また、PRIMEの汎用性を活かして、ハードウェアとソフトウェアの協調設計にも活用したいとしている。

Read more

米国のEV革命は失速?[英エコノミスト]

米国のEV革命は失速?[英エコノミスト]

米国人は自動車が大好きだ。バッテリーで走らない限りは。ピュー・リサーチ・センターが7月に発表した世論調査によると、電気自動車(EV)の購入を検討する米国人は5分の2以下だった。充電網が絶えず拡大し、選べるEVの車種がますます増えているにもかかわらず、このシェアは前年をわずかに下回っている。 この言葉は、相対的な無策に裏打ちされている。2023年第3四半期には、バッテリー電気自動車(BEV)は全自動車販売台数の8%を占めていた。今年これまでに米国で販売されたEV(ハイブリッド車を除く)は100万台に満たず、自動車大国でない欧州の半分強である(図表参照)。中国のドライバーはその4倍近くを購入している。

By エコノミスト(英国)
労働者の黄金時代:雇用はどう変化しているか[英エコノミスト]

労働者の黄金時代:雇用はどう変化しているか[英エコノミスト]

2010年代半ばは労働者にとって最悪の時代だったという点では、ほぼ誰もが同意している。ロンドン・スクール・オブ・エコノミクスの人類学者であるデイヴィッド・グレーバーは、「ブルシット・ジョブ(どうでもいい仕事)」という言葉を作り、無目的な仕事が蔓延していると主張した。2007年から2009年にかけての世界金融危機からの回復には時間がかかり、豊かな国々で構成されるOECDクラブでは、労働人口の約7%が完全に仕事を失っていた。賃金の伸びは弱く、所得格差はとどまるところを知らない。 状況はどう変わったか。富裕国の世界では今、労働者は黄金時代を迎えている。社会が高齢化するにつれて、労働はより希少になり、より良い報酬が得られるようになっている。政府は大きな支出を行い、経済を活性化させ、賃上げ要求を後押ししている。一方、人工知能(AI)は労働者、特に熟練度の低い労働者の生産性を向上させており、これも賃金上昇につながる可能性がある。例えば、労働力が不足しているところでは、先端技術の利用は賃金を上昇させる可能性が高い。その結果、労働市場の仕組みが一変する。 その理由を理解するために、暗

By エコノミスト(英国)
中国は地球を救うのか、それとも破壊するのか?[英エコノミスト]

中国は地球を救うのか、それとも破壊するのか?[英エコノミスト]

脳腫瘍で余命いくばくもないトゥー・チャンワンは、最後の言葉を残した。その中国の気象学者は、気候が温暖化していることに気づいていた。1961年、彼は共産党の機関紙『人民日報』で、人類の生命を維持するための条件が変化する可能性があると警告した。 しかし彼は、温暖化は太陽活動のサイクルの一部であり、いつかは逆転するだろうと考えていた。トゥーは、化石燃料の燃焼が大気中に炭素を排出し、気候変動を引き起こしているとは考えなかった。彼の論文の数ページ前の『人民日報』のその号には、ニヤリと笑う炭鉱労働者の写真が掲載されていた。中国は欧米に経済的に追いつくため、工業化を急いでいた。 今日、中国は工業大国であり、世界の製造業の4分の1以上を擁する。しかし、その進歩の代償として排出量が増加している。過去30年間、中国はどの国よりも多くの二酸化炭素を大気中に排出してきた(図表1参照)。調査会社のロディウム・グループによれば、中国は毎年世界の温室効果ガスの4分の1以上を排出している。これは、2位の米国の約2倍である(ただし、一人当たりで見ると米国の方がまだひどい)。

By エコノミスト(英国)