AIもコスパが大事(1)

次節：AIの歴史(1)

AIもコストパフォーマンスが大事

AI(人工知能)も他のものと同じように、コストパフォーマンスの考えが大事です。どのくらいAIにコストを掛けて、その結果、どのくらいの性能が出て、どのくらいの効果、そしてどのくらいの価値があるのかが大事です。
このようにAIでもコストとパフォーマンスのトレードオフが重要です。

AIの性能は状況に依存

何事でも言えることですが、AIでも求める性能は使われる状況によって異なります。

たとえば人命に関わることや社会全体に影響を与えるとき、会社方針など重大な判断をするときのAIは、コストよりも性能優先になります。きっちりとコストを掛けて万全に事前学習をします。
これで安心してそのAIが使えます。

でも上記のような場面でないとき、たとえば趣味嗜好で個人適応する場面や人間が再確認する場面などは多少性能が悪くても、あまり問題にならないでしょう。このときは低コストで問題ありません。事前学習にもコストを掛けずに済ませることもできます。
近所のコンビニに宇宙ロケットで行く必要はありません。

ということで、ここのまとめ「求められるAIの性能は状況に依存」
当たり前の話ですが。

AIとコスト

最近のAIは、機械学習（マシンラーニング）のAIであり、その中でも深層学習（ディープラーニング）のAIです。このAIでは事前学習が必要で、重要です。

この事前学習をするときに、大量の学習データが必要になり、長大な時間が掛かります。

最近のAIアプリでは生成AIが大きな話題になっています。生成AIは大規模言語モデル(LLM, Large Langage Model)をベースにした深層学習のシステムです。このモデルにより言語解析を行い、ユーザの問い合わせに対して、穴埋め問題として、正解を返します。

この生成AIでも事前学習にエヌビディア(NVIDIA)のGPU(Graphics Processing Unit)が大量に使われます。ここに多大なコストが掛かります。

(参考) GPUとCUDA

生成AIの事前学習に画像処理プロセッサ(GPU)がなぜ大量に使われるかと言うと、GPUが画像処理のときに行う並列処理に特化したプロセッサであり、このGPUによって大量の学習データを並列処理できるからです。このGPUの老舗がNVIDIAです。

そして重要なのがNVIDIAのGPU向け汎用計算パッケージのCUDAです。このCUDAにより画像処理だけでなく、汎用の並列処理ができるようになりました。

機械学習ではこのCUDAを使ってGPUによる並列処理で高速に事前学習をしています。

色々あるAI

最近流行の「機械学習-深層学習-生成AI」だけでなく、世の中には色々なAIがあります。状況に応じて、最適なAIをこの中から選ぶのがいいでしょう。なんでもかんでも深層学習である必要はありません（きっぱり）。

その前に深層学習とは何でしょうか。深層学習は機械学習のひとつで、学習をニューラルネットワーク(NN)のモデルにしていて、ニューラルネットが３層以上になっているために深層と呼ばれています。

深層学習では学習データの特徴を抽出できるので、人間が何を学習させるかの規則を与える必要はなく、汎用的に学習できます。（詳細は後日紹介します）

機械学習には深層学習以外のものもあります。例えば、何を学習させるかの「規則」を与えて、それに特化した学習をするものがあります。この規則は人間が経験的に与えるか、別のAIによって与えます。

これは学習するときに規則を与えますので、深層学習よりも効率が優れたものになります。つまり低コストでAIが実装できます。ここがポイント！

機械学習以外のAIも色々とあります。例えば人間が大量の規則（ルール、ナレッジ）を与えて、その規則を基に判断するAIがあります。このAIにより作られたものにエキスパートシステムがあります。
ちなみにこれらのAIを実装するときに使われたプログラミング言語にLispがあります。

他にも数式処理システムなど、今ではAIと呼ばれないAIもあります。画像認識ももはやAIと呼ばれていないかも。

ということでここでのまとめ「色々あるAIから選ぶ」以上です。

（予告）AIの歴史

次回は色々あるAIの続きとして、AIの歴史を振り返ってみます。そしてAIのコスパを考えてみます。