このAI用チップは電子ではなく光を使って動作する

人工知能の需要が高まるにつれ、AI を稼働させるために必要なコンピューターパワーへの需要も高まります。

MIT発のスタートアップ企業Lightmatterは、AIの旺盛な欲求が、根本的に異なる種類のコンピューターチップ、つまり光を使って重要な計算を実行するチップの需要を生み出すだろうと確信している。

「継続するには、新しい種類のコンピューターを発明するか、AIの速度が低下するかのどちらかだ」とライトマターのCEO、ニック・ハリスは語る。

従来のコンピューターチップは、トランジスタを用いて半導体中の電子の流れを制御することで動作します。情報を1と0の列に集約することで、これらのチップは幅広い論理演算を実行し、複雑なソフトウェアを動かすことができます。一方、Lightmatterのチップは、強力なAIプログラムの実行に不可欠な特定の種類の数学的計算のみを実行するように設計されています。

ハリスは先日、ボストンの本社でWIREDにこの新型チップを披露した。それは、光ファイバーが何本も伸びている普通のコンピューターチップのように見える。しかし、このチップはわずかナノメートル単位の微細なチャネル内で光線を分割・混合することで計算を行う。基盤となるシリコンチップが光子部分の機能を調整し、一時的なメモリストレージも提供する。

Lightmatterは、同社初の光ベースAIチップ「Envise」の出荷を今年後半に開始する予定です。16個のチップを搭載したサーバーブレードは、従来のデータセンターにも設置可能で、出荷も予定されています。同社はGV（旧Google Ventures）、Spark Capital、Matrix Partnersから2,200万ドルを調達しています。

同社によると、同社のチップは、タスクに応じて、最上位のNVIDIA A100 AIチップと比較して1.5倍から10倍の速度で動作するという。例えば、BERTと呼ばれる自然言語モデルを実行する場合、EnviseはNVIDIAチップの5倍の速度で動作し、消費電力も6分の1に抑えられるとLightmatterは述べている。NVIDIAはコメントを控えた。

記事画像

超スマートなアルゴリズムがすべての仕事をこなせるわけではありませんが、これまで以上に速く学習し、医療診断から広告の提供まであらゆることを行っています。

この技術には技術的な限界があり、企業に実証されていない設計への移行を説得するのは難しいかもしれない。しかし、この技術について説明を受けたセミコのアナリスト、リッチ・ワルジニアク氏は、この技術が普及する可能性は十分にあると考えている。「彼らが見せてくれたものはかなり良いと思いました」と彼は言う。

AIの需要とその利用コストが急速に高まっているため、ワウジニアク氏は大手テクノロジー企業が少なくともこの技術をテストするだろうと予想している。「これは様々な観点から差し迫った問題です」と彼は言う。データセンターの電力需要は「ロケットのように急増しています」。

Lightmatter 社のチップは、さまざまな光の波長で情報をより効率的にエンコードできるため、またトランジスタで電子の流れを制御するよりも光を制御する方が電力消費が少ないため、特定の AI 計算においてより高速かつ効率的です。

Lightmatterチップの大きな限界は、計算がデジタルではなくアナログであることです。そのため、デジタルシリコンチップに比べて本質的に精度が劣りますが、同社は計算精度を向上させる技術を開発しました。Lightmatterは当初、精度がそれほど要求されないモデルの学習ではなく、事前学習済みのAIモデルの実行向けにチップを販売する予定ですが、ハリス氏によると、原理的には両方に対応できるとのことです。

このチップは、ディープラーニングと呼ばれるAIに最も有効です。ディープラーニングは、非常に大規模な、あるいは「深層」なニューラルネットワークを訓練することで、データの意味を理解し、有用な意思決定を行うものです。このアプローチは、画像・動画処理、自然言語理解、ロボット工学、そしてビジネスデータの意味理解といった分野でコンピューターに新たな能力をもたらしました。しかし、膨大なデータと計算能力が必要になります。

ディープニューラルネットワークの学習と実行は、多数の並列計算を実行することを意味し、これはハイエンドのグラフィックチップに非常に適しています。ディープラーニングの台頭は、データセンター向けの特殊なチップから、モバイルガジェットやウェアラブルデバイス向けの高効率設計まで、既に新たなチップ設計の隆盛を促しています。

UCLAでフォトニックコンピューティングを研究するアイドガン・オズカン教授は、AIの台頭によってLightmatterのような技術が注目されるようになると考えています。彼は、新しい形態のフォトニックコンピューティングへの移行によって、AIの新たな活用方法が開拓される可能性さえあると示唆しています。「コンピューティング速度、パワー、並列処理能力において大きな進歩が見られるかもしれません。それがAIの成功をさらに加速させるでしょう」と彼は述べています。

光を計算に利用するというアイデアは決して新しいものではなく、1950年代にまで遡ります。しかし、電子計算の方が開発と商業化にはより現実的であることが証明されました。1980年代にはベル研究所が汎用の光ベースチップの開発を試みましたが、実用的な光トランジスタの製造が困難だったため失敗に終わりました。

ライトマター社は、同社のチップは既存のデータセンターに設置でき、ほとんどの主要なAIソフトウェアで動作できると述べている。同社は今年後半、自社のフォトニック技術を用いて、他社製のチップも含め、複数のチップを接続する新技術を発表する予定だ。光は、光ファイバーケーブルを用いてコンピューター間で情報をやり取りするために広く利用されている。

ハリス氏は、AIはコストとエネルギー消費の増加、そして近い将来の技術的制約により、今後数年で行き詰まりに陥ると主張している。エンジニアが性能向上のためにチップに詰め込むトランジスタの数を増やすと、チップが制御不能なほど熱くなる可能性がある。

たとえチップメーカーが巧みなエンジニアリングと製造技術を用いて設計からより多くの計算能力を引き出し続けたとしても、AI分野はほぼ持続不可能な軌道に乗っているように思われます。OpenAIの最新データによると、画期的なAI研究に必要な計算能力は約3.4ヶ月ごとに倍増しており、2012年から2018年の間に30万倍に増加しています。

しかし、AI専門家の中には、コンピューターの能力を継続的にスケールアップするためのコストによって、AIの進歩が鈍化し始める可能性があると警告する者もいる。また、電力を大量に消費するAIアルゴリズムの普及が環境に及ぼす潜在的な影響を懸念する専門家もいる。

更新、2021年3月10日午前11時30分（東部標準時）：この記事の以前のバージョンでは、Lightmatter のサーバーブレードに 14 個の Envise チップが搭載されると誤って記載されていました。

WIREDのその他の素晴らしい記事