成長を続け、ますます興味深くなっている機械学習専用チップ市場への参入を目指すスタートアップ企業、Wave Computingは、新しいコンピューティングアプライアンスの早期アクセスプログラムを発表しました。同社によると、このアプライアンスはニューラルネットワークのトレーニングを最大1,000倍（おそらくCPUと比較して）高速化できるとのことです。
Wave Computing データフローアーキテクチャ
Wave Computingは、機械学習における従来のCPUとGPUの組み合わせを廃止したいと考えています。CPUがデータフローを管理し、GPUがアクセラレータとして機能するという従来の組み合わせは、ボトルネックを引き起こす可能性があります。そのため、Waveはコンピューティングアプライアンスという形で完全なシステムを構築し、CPU/GPUソリューションよりもはるかに優れたパフォーマンスを実現しています。
Waveのコンピューティングアプライアンスは、単一の統合システムとして、畳み込みニューラルネットワークや再帰型ニューラルネットワークといったディープラーニングモデルに見られるデータやモデルの並列性をより効果的に活用できます。畳み込みニューラルネットワークは、動物や人間の視覚野の働きを模倣しようとします。一方、再帰型ニューラルネットワークは、過去の情報を「記憶」できるため、自然言語処理に役立ちます。
Wave のコンピューティング アプライアンスは、相互接続された 256,000 個の処理要素 (PE)、2 TB のバルク メモリ、ハイブリッド メモリ キューブ (HMC) メモリ、最大 32 TB のストレージにより、2.9 PetaOps/秒のパフォーマンスを実現できます。
同社によると、このタイプのアーキテクチャは高いスケーラビリティとパフォーマンスを実現し、Tensorflowなどの機械学習フレームワークを用いてディープラーニングモデルを開発する組織にとって有用となる可能性があるという。これには、小売、ソーシャルメディア、エンターテインメント、ゲーム、金融サービス、自動車市場などの業界が含まれる。
早期アクセスプログラム
Wave の早期アクセス プログラムでは、2017 年第 4 四半期に広く販売される前に、選ばれた数のデータ サイエンティストに同社のコンピューティング アプライアンスをテストし、操作する機会が提供されます。
Waveによると、ある米国自動車メーカーは、顧客が2016年に4.22ペタバイト（PB）のデータを作成し、2020年までに自動運転車1台あたり年間2PBのデータを生成すると報告した。この量のデータを使ってニューラルネットワークをトレーニングするには数週間かかる可能性があるが、Waveのアプライアンスを使えば数日に短縮できるという。
Tom's Hardware の最高のニュースと詳細なレビューをあなたの受信箱に直接お届けします。
「ビッグデータとアナリティクスが、インサイト主導型の企業にビジネスのやり方を変える力を与えてくれる今、機械学習業界にとって非常にエキサイティングな時代です」と、Wave ComputingのCEO、デレク・マイヤー氏は述べています。「当社の新しいWaveコンピューティングアプライアンスは、機械学習アプリケーションの開発と導入を加速させたい企業にとって画期的なソリューションです。データサイエンティストの皆様に当社のデータフローソリューションへの早期アクセスを提供することで、彼らはこれまで想像もできなかったスピードでニューラルネットワークのトレーニングに必要なパフォーマンスを手に入れることができるでしょう」と、マイヤー氏は付け加えました。
Wave のアプライアンスは現在 Tensorflow のみをサポートしていますが、将来的には Microsoft の Cognitive Toolkit (CNTK)、MXNetなどの他の機械学習フレームワークもサポートされる予定です。
ルシアン・アルマスは、Tom's Hardware USの寄稿ライターです。ソフトウェア関連のニュースやプライバシーとセキュリティに関する問題を取り上げています。
