ディープラーニングの発展はGPUが加速させる？：NVIDIAとPreferred Networksが技術提携を発表

NVIDIAは、産業用機器に向けたディープラーニング（深層学習）技術の開発において、Preferred Networksと技術提携をすると発表した。自社の高性能な演算処理能力を持つGPUを用いることで、ディープラーニングの可能性を最大限に広げていくとしている。

[庄司智昭，EE Times Japan]

　NVIDIAは2015年9月、産業用機器に向けたディープラーニング（深層学習）技術の開発において、Preferred Networks（以下、PFN）と技術提携をすると発表した。PFNは、産業用ロボット、自動運転や創薬の分野において、ディープラーニングを中心とした分散型機械学習の技術を持つ会社である。NVIDIAは、自社のGPUをPFNの技術に用いることで、ディープラーニングの可能性を最大限に広げていくとしている。

機械自身が学習

NVIDIA日本代表兼米国本社副社長の大崎真考氏

　「ディープラーニングは世界を変える」と、NVIDIA日本代表兼米国本社副社長の大崎真考氏は語る。ディープラーニングは、画像、音声、センサーなどから得られるビッグデータから機械自身が学習するといった技術である。音声や画像などの認識技術、産業機器、自動運転車などにおいて応用が期待されている。Googleや中国のBaiduなどが活用していることもあり、その注目度が高まっている。

　例えば、画像認識は、認識アルゴリズムが対象物によって異なっていた。ディープラーニングは、画像の特徴抽出から学習までを1つのネットワークで行うことで、属性まで認識することができるという。自動車の画像認識でいうと、スポーツカーやパトカーといったような属性の認識まで可能になるのだ。

ディープラーニングを活用した画像認識は、スポーツカーやパトカーといったように属性まで認識する （クリックで拡大） 出展：NVIDIA

何故GPUがディープラーニングに向いているの？

　ディープラーニングのようにしっかりと確立されていない技術は、研究開発のサイクルをいかに速く回すかが重要になる。特に、ディープラーニングではニューラルネットワークが多層化して多くの物体を認識させるため、機械が学習するのに多くの時間がかかる。

しっかりと確立されていない技術は、研究開発のサイクルを速く回すことが重要になる （クリックで拡大） 出展：NVIDIA

　そこで、活用されるのが高性能な演算処理能力を持つNVIDIAのGPUだ。ディープラーニングの学習システムにおいて、「GPUが1日当たりにトレーニングできる画像の数は、16コアCPUより10倍以上多い4300万枚である」（NVIDIA）という。

ディープラーニングの学習システムで、1日当たりに処理できる画像の数。16コアCPUが250万枚なのに対して、GPUは4300万枚 （クリックで拡大） 出展：NVIDIA

　NVIDIAは、GPU以外にもディープラーニング開発向けのライブラリを展開。データ入力やニューラルネットワークの構築をサポートする「DIGITS」や、ニューラルネットワーク開発用の「CUDA」などがある。このようにGPUとディープラーニング専用のライブラリを利用することで、研究開発のサイクルを速く回すことが可能になるという。

NVIDIAのディープラーニングプラットフォーム （クリックで拡大） 出展：NVIDIA

　NVIDIAは、フレームワークやアプリケーションの開発は行っていない。そこで、今回PFNとの技術提携を行ったという。PFNは、ディープラーニングのフレームワーク「Chainer」を開発しており、学習システムにおいてNVIDIAのGPUを活用している。今回の技術提携によって、NVIDIAはPFNからフィードバックをもらうことでGPUの性能を向上させ、Chainerの性能をさらに強化していくとしている。

　大崎氏は、「PFNは、ディープラーニングのフレームワーク『Chainer』を開発しており、NVIDIA米国本社でも注目していることから今回の提携に至った。今回の協業で、ディープラーニングの新たなアプリケーションが数多く生み出されるだろう」と語る。