GPUによるディープラーニングに注力するNVIDIA。その最新事情が披露された「GTC Japan 2015」基調講演レポート

　去る2015年9月18日，NVIDIAは，東京・虎ノ門ヒルズにて，GPUコンピューティングをテーマにした開発者向けイベント「GPU Technology Conference Japan 2015」（以下，GTCJ 2015）を開催した。毎年恒例のイベントだが，2015年のテーマは「ディープラーニング」（深層学習）だ。ゲームとはあまり縁がないのだが，GPUの有力な応用事例として注目が集まっている話題だ。
　そこで本稿では，GTCJ 2015で披露されたディープラーニングに対するNVIDIAの取り組みを簡単にまとめてみたい。

ディープラーニングへの取り組みをアピールしたNVIDIA

　2015年3月に米国サンノゼで行われた「GPU Technology Conference 2015」（以下，GTC 2015）では，NVIDIAの社長兼CEOであるJen-Hsun Huang（ジェンスン・フアン）氏が，基調講演で同社によるディープラーニングへの取り組みを説明したことがあった（関連記事）。GPUの有力な応用事例としてディープラーニングが急浮上しているのは確かで，NVIDIAにとっては，グラフィックスとHPCに続く，第3のGPU市場というわけだ。
　GTCJ 2015もまた，基調講演から技術セッションまでディープラーニング一色という内容で，NVIDIAの本気具合が窺える。

Marc Hamilton氏（Vice President，Solutions Architecture and Engineering，NVIDIA）

　そんなGTCJ 2015の基調講演を務めたのは，米NVIDIAでHPC部門を統括する副社長，Marc Hamilton（マーク・ハミルトン）氏だ。
　Hamilton氏が語ったテーマは大きく分けて以下の4点である。いずれも目新しい話題はなかったが，それぞれのテーマでゲストが登壇して，利点や技術をアピールする形式で進められた。

• GPU仮想化ソリューション「NVIDIA GRID」による「HPCの可視化」
• ディープラーニング
• 車載コンピューティング
• HPC分野におけるGPUの将来

「NVIDIA GRID」の話題で，ゲストとして登壇した青木尊之教授（左写真，東京工業大学学術国債情報センター副センター長）は，同校のスーパーコンピューター「TSUBAME 2.5」におけるNVIDIA GRID K2を使ったVDI（Virtual Desktop Infrastructure）の活用例を紹介した

　とくに時間が割かれたテーマは，やはりディープラーニングだ。NVIDIAは，同社製GPUを用いたディープラーニング向けライブラリ「cuDNN」や，ミドルウェアの「DIGITS」を配布しており，今回の基調講演では，DIGITSを使ったリアルタイムデモが披露された。
　また，cuDNNは今後さらに開発を進めて，「Recurrent Neural Network」（以下，RNN）のサポートが計画されていることも明らかにされた。RNNとは，ニューラルネットワークモデルの1つで，時間の経過によってデータが変化していく「時系列データ」の学習に対する応用が可能とされているものだ。

Google検索でヒットした車の写真（上）を学習して車種を見分けるという，DIGITSによるリアルタイムデモが披露された。デモ機には「Tesla K40」が2基搭載されており，学習中のGPU負荷が表示されている（左下）。学習後には，学習した画像のほとんどがスポーツカーであると正しく判断していた（右下）

DRIVE PXを掲げるDanny Shapiro氏（Director，Automotive Business Unit，NVIDIA）

　続いて，車載コンピューティングの話題を解説したのは，NVIDIAでオートモーティブ部門を統括するDanny Shapiro（ダニー・シャピロ）氏である。
　NVIDIAでは，自動運転車の実現に向けた取り組みとして，ディープラーニングを活用するソリューションを提案しており，同社製SoC（System-on-a-Chip）である「Tegra X1」×2を採用した自動車用コンピュータシステムの開発キット「DRIVE PX」を，自動車メーカーや研究機関向けに提供中だ。
　Shapiro氏によると，ディープラーニングによって，周囲を走る車の種類や環境などを認識することが可能になり，状況に応じた自動運転が実現できるという。

写真は，2015年1月の2015 International CESで披露された自動運転デモの様子。車載カメラで捉えた映像から，周囲の車種を認識している。この時点では，まだ学習が十分ではないのか，認識精度はそれほど高いものではなかったが，2015年3月のGTC 2015では，より高い精度で車種を見分けていた

　さらにShapiro氏は，GPUを自動車の設計に応用する例も紹介した。講演で披露されたのは，ホンダで利用されている衝突シミュレーションの様子で，実車による衝突実験と，パッと見では見分けが付かないほど精密な衝突シミュレーションがGPUで実現できているそうだ。このデモには，正直驚かされた。「GPUによって，コンピュータ上で自動車の設計が行えるようになりつつある」とShapiro氏が主張するのも頷ける。

2枚のスライドともに，左側が実車による衝突実験で，右側がGPUを使った構造計算によるシミュレーションによる再現だ。実車と区別できないほど，正確に衝突をシミュレーションできている

　基調講演の締めくくりには，NVIDIA GPUのロードマップも簡単に紹介された。といっても，内容は3月のGTC 2015からまったく変わっておらず，2016年に「Pascal」，2017〜2018年頃に「Volta」が出る予定となっている。

披露されたGPUロードマップ。とくに目新しい情報はない

　Hamilton氏は，2016年に登場するPascalは，HPCやディープラーニング用途での性能を，さらに向上させられる設計になっていると強調する。その理由として，氏が挙げたのが，Pascalには倍精度浮動小数点演算ユニットが組み込まれるという点だ。NVIDIA GPUに倍精度浮動小数点演算ユニットが組み込まれるのはKepler世代の「GK110」シリーズ――GeForceでいうなら「GeForce GTX TITAN」シリーズ――以来であり，これは大きなトピックだろう。
　さらに，メモリ帯域幅を劇的に拡大させる3Dメモリの採用や，GPU間の高速インターリンク技術「NVLink」なども，ディープラーニングの性能を向上させる鍵になる技術であると，Hamilton氏はアピールしていた。

Pascalで導入される大きな特徴。倍精度演算対応，メモリ帯域幅の拡大のほか，NVLinkなどが挙げられている

　そしてPascalの先に見えるのが「Volta」だ。最後のゲストとして登壇した，IBMの日本法人である日本アイ・ビー・エム（以下，IBM）の朝海 孝氏は，NVIDIAとIBMが共同開発を進めているVoltaの応用事例を簡単に紹介した。
　米国が進めるスーパーコンピュータ開発プロジェクト「CORAL」がVoltaを採用するというのは，2014年12月に報じたとおり。CORALで開発されるシステムの1つであるオークリッジ国立研究所の「Summit」は，VoltaとIBM製のCPUである「Power 9」プロセッサの組み合わせによって，ピーク性能で300PFLOPSの演算性能を持つシステムを2017年に実現するとのことだ。

登壇した日本IBMの朝海 孝氏（ハイエンドシステム事業部理事，日本アイ・ビー・エム）は，CORALプロジェクトで構築される「Summit」と「Sierra」という2つのシステムを紹介した。どちらもVoltaとPower 9で構築される予定。ちなみに，Summitの予算は400億円程度とのこと

　PascalやVoltaに関する新情報が皆無だったのは残念だが，Pascalが倍精度浮動小数点演算ユニットを組み込んで2016年に登場するという情報を，再確認できたのは，収穫といえば収穫かもしれない。

NVIDIAとPreferred Networksがディープラーニングで提携

Preferred Networks代表取締役社長兼CEOの西川 徹氏（左）と，NVIDIA日本代表の大崎真孝氏（右）

　今回のGTCJ2015に合わせて，ディープラーニングのビジネス活用を目指すベンチャー企業のPreferred Networksと，NVIDIAの提携が発表されている。基調講演後に行われた報道関係者向け説明会でも，NVIDIAの日本代表兼米国本社副社長の大崎真孝氏と，Preferred Networks代表取締役社長の西川 徹氏により，両社の提携に関する説明が行われた。
　ちなみに，Preferred Networksは，Preferred Infrastructuresという企業からスピンアウトした企業で，「Chainer」というディープラーニングのフレームワークをオープンソースとして公開している。このChainerが，時系列データの学習をサポートできるフレームワークとして注目を集めているということだ。

　自社開発によるcuDNNとDIGITS，そして今回の提携によるChainerなど，わずか1年ほどで，NVIDIAは，GPUによるディープラーニングの開発環境を整えつつある。同社が，GPUの新たな応用分野として，ディープラーニングに相当に力を入れていることが明確に表れているわけだ。
　実際，GPUのデータ並列アーキテクチャとニューラルネットワークは，比較的相性がいい。ディープラーニングのプラットフォームとしてGPUが使われるのは，その意味でも自然なことだろう。

　ただ，NVIDIAが期待するように，ディープラーニングが幅広い分野に浸透した頃には，GPUに代わって，ディープラーニングに特化した専用ハードウェア，たとえば「ニューラルネットワークプロセッサ」のようなものが，登場してこないとも限らない。もし，そうなると，ディープラーニングに向けたNVIDIAの投資は，結果として無駄になる恐れもあると，筆者は見ている。答えが出るのは，何年も先になるだろうが。

　いずれにしても，PascalにVoltaといった2016年以降のGPUにおいても，ディープラーニングがトピックとして語られていくことは間違いなさそうだ。GPUの未来に注目している人は，ディープラーニングの動向にも気を配っておくと，いいのではないだろうか。

GTC Japan 2015 公式Webサイト

NVIDIA 公式Webサイト