大原雄介のエレ・組み込みプレイバック

組み込みで「CNNによる推論という手法は定着する」といえる理由（1/3 ページ）

AIの中で「CNN（畳み込みニューラルネットワーク）」はAlphaGoのような華々しい事例もあり依然として注目されている。それはエレクトロニクス／組み込みベンダーも同様であり、CNNによる推論という手法は定着するといえるだけの理由がそろっている。

公開 2017年08月14日 09時00分

更新 2017年08月21日 19時06分

著者

大原雄介

[TechFactory]

印刷する連載新着通知を受け取る

　今月はAI絡みの話をちょっとご紹介したいと思う。AIにもいろいろあるが、今回取り上げるネタは主に「CNN（Convolutional Neural Network：畳み込みニューラルネットワーク）」だ（「DNN（Deep Neural Network）」や「深層学習」などと表現することもあるが、指しているものはほぼ同一なので以下CNNで統一する）。

　CNNが学会で急に注目されるようになったのは2012年、そのCNNを利用して、「一般人に見える形」での成果が出始めたのが2015年頃からである。もともと2012年にCNNが大きなブレークスルーを実現したのが画像認識の分野だったこともあり、CNNも画像認識分野を中心にアプリケーションへの応用が進んでゆく。といっても、CNNそのものは本来汎用というか、何でもありの世界であり、実際GoogleのAlphaGoのような分野の応用例もあるから、あとはネットワークの構造と学習データ次第という話ではあるのだが。

◎「製造業とAI」関連記事

&raquo インテルとAIとFPGAの関係、「組み込みAI」普及の施策

&raquo 稼働中の産業機器にAIを「追加」で実装、組み込みAIを実現

&raquo 15年の時を経て、化学プラントにAIがよみがえる　

&raquo 「ディープラーニング」が製造業にもたらすインパクト　

&raquo ディープラーニング一色ではない「人工知能研究」の現状と今後の展望　

⇒⇒「新着ホワイトペーパー」をチェックする

CNN関連製品が大量に登場している理由

　さてこうしたCNNブームの高まりを受けてか、猫も杓子もCNNという感じとなっているのは知られた通りである。

　CNNの場合は「学習」（現在のCNNではネットワーク構造は固定されているが、そのネットワーク内パラメータは変更可能である。このパラメータを最適化するのが「学習」）と「推論」（学習済みのネットワークを利用して、実際に外部からの入力を元に推察を行い、その結果を出力する）の2つの動作モードがある。実際にアプリケーションで利用するのは「推論」の方だが、正しく「推論」を行うためには、まず正しく「学習」を行う必要がある。

　現在CNNがいろいろと話題になり、さまざまなCNN向けのプロセッサだのソリューションなどが多く世に送り出されているのは、効果や話題性だけではなく、この学習が半端なく大変なためである。

　AlphaGoの場合、ポリシー（ある盤面の状態でどこに打つかを決定する）とバリュー（ある盤面の評価値）という2種類のCNNを利用しているのだが、ポリシーの学習には54.4億回の訓練と128万回の対戦を行っており、50枚のGPUカードを利用して3週間以上を要している。バリューの方はもう少し少ないが、それでも160億回の学習のために50枚のGPUカードを使って1週間ほど掛かっている。合計で1カ月以上、50枚のGPUカードをフルにぶん回して、やっと使い物になるネットワークができた訳だ。

　ちなみにAlphaGo、本番の運用コストは30億円以上になったという試算もある（AlphaGoの運用料金は30億円以上？）。試しにGoogle Cloud Platform Pricing Calculatorで50個のGPUをフルにぶん回したらいくらかかるかを計算したら、$218,970.40/monthと出てきた。今が大体1ドル110円なので、月額2400万円といったところか。ただこれはGPUだけに近い構成なので、CPUやメモリ、ストレージまで使うとこんなものでは済まないだろう。要するに学習のフェーズには、猛烈にコストが掛かる。

　実際のところ、学習のネックは大量のデータ、それと電気代である。データの方はともかくとして、電気代のほうはシャレにならない。昨今、次々にCNN向けとして高性能なGPUや専用プロセッサ、あるいはFPGAソリューションが続々発表されている最大の理由がここであり、より性能/消費電力比を引き上げることで、学習に必要な電気代（と時間）を短縮することで、より手軽にCNNを利用できるようにしよう、と各社が技術を競っている結果である。

次ページへ「組み込み」と「畳み込みニューラルネットワーク」の関係