GPU(Graphics Processing Unit)は、その名の通り、もともとは画面に画像を描画するために設計されました。ゲームの各フレームで何百万ものピクセルの色を計算するには、同じ単純な演算を一度に大量のデータに対して実行する必要があります。その並列処理能力により、GPUは科学計算から人工知能に至るまで、さまざまな分野で不可欠な存在となりました。
CPUとGPUの違い
中央演算処理装置(CPU)は、コンピュータの「ゼネラルマネージャー」のような存在です。数個から数十個程度の強力なコアを持ち、オペレーティングシステムを実行し、判断を必要とする複雑で順次的なタスクを処理します。一方、GPUは数千の単純なコアで構成されており、大量のデータに対して同じ演算を同時に実行することに長けています。例えるなら、CPUは数人の専門的な教授であり、GPUはそれぞれが同時に単純な計算を行う大勢の学生のクラスのようなものです。
GPUがAIに使われるようになった経緯
人工ニューラルネットワークの学習は、本質的には巨大な数値の表(行列)を掛け合わせる作業であり、これこそがGPUが高速に処理できる並列作業そのものです。2000年代半ば、NvidiaのCUDAプラットフォームのように、GPUを汎用計算のためにプログラムしやすくするツールが普及しました。2012年の画像認識コンテストにおいて、GPUで学習されたモデル「AlexNet」が成功を収めたことは、ディープラーニング時代の幕開けと見なされています。今日では、大規模言語モデルは、データセンター内の何千もの相互接続されたGPU上で数週間から数ヶ月にわたる学習を経て開発されています。
データセンター向けGPUと世界的な競争
AI向けに設計されたデータセンター用GPUは、広帯域メモリとチップ間の高速接続を備えており、ゲーミングカードとは大きく異なり、価格もはるかに高価です。これらのチップに対する需要は、チップメーカーを世界で最も価値のある企業の仲間入りさせました。また、米国などの国々は、国家安全保障上の理由から、最先端のAIチップの輸出を制限しています。
自分のコンピュータ用のGPUを選ぶ
- 統合型か専用型か? プロセッサに内蔵された統合型グラフィックスは、事務作業、ブラウジング、動画視聴には十分です。ゲーム、3Dデザイン、動画編集、あるいはローカル環境でのAIモデルの実行には、専用のグラフィックボードが必要です。
- VRAM: グラフィックボードのメモリは、高解像度のゲームや大規模なAIモデルにとって決定的な要素です。
- 電力と冷却: 高性能なカードは多くの電力を消費します。電源ユニットとケースが適切であることを確認してください。
- NPU: 最新のノートパソコンには、AIタスクを低電力で処理する「ニューラルプロセッシングユニット(NPU)」も搭載されており、日常的なAI機能に役立ちます。
出典および参考文献
- Nvidia, “What’s the Difference Between a CPU and a GPU?”(CPUとGPUの違いとは?)
- Krizhevsky, Sutskever and Hinton, “ImageNet Classification with Deep Convolutional Neural Networks” (2012)(ディープ畳み込みニューラルネットワークを用いたImageNet分類)
- Intel, “CPU vs. GPU: What’s the Difference?”(CPU対GPU:その違いとは?)
コメントを残す
メールアドレスは公開されません。必須項目は * でマークされています