Facebookは、ライブ動画ストリームを含むコンテンツをリアルタイムでフィルタリングできるようにしたいと考えています。同社はパリで開催されたテクノロジーカンファレンスで、この目標達成のため、独自の機械学習（ML）プロセッサを設計すると発表した。Facebookはこれまで、データセンター向けに独自のサーバーアーキテクチャ、マザーボード、通信チップを設計してきた。
高性能コンテンツフィルタリング
FacebookのチーフAIサイエンティスト、ヤン・ルカン氏は、殺人や自殺のライブストリーミングなど、不快な動画を発生直後に削除したいと述べた。しかし、そのような機能には「膨大な計算能力」と大量の電力消費が必要となる。
Viva Technologyカンファレンスで、LeCun氏は次のように述べた。
「そのため、よりエネルギー効率の高いチップを設計しようという動きが活発化しています。Facebookをはじめ、多くの企業がこの取り組みに取り組んでいます。Intel、Samsung、Nvidiaといったハードウェア企業からも、この傾向は見受けられます。しかし今、利用パイプラインの下位に位置する企業も、独自のニーズを抱え、独自のハードウェア開発に取り組んでいるのが見られるようになりました。」
リアルタイムでコンテンツをフィルタリングできるということは、Facebookが実際に暴力的な動画やヘイトスピーチを削除している限り、それほど悪いアイデアには思えないかもしれません。しかし、同じ技術を使えば、特定の言論の自由やその他の非攻撃的なコンテンツを瞬時に検閲することも可能になります。つまり、重要なコンテンツが検閲されていることに気づくのは、投稿者が他のチャネルを通じてその問題への意識を高め、Facebookの行動を暴露しない限り、ごく少数の人々だけでしょう。
ソフトウェア企業がMLハードウェアを採用
Googleは、自社の要件により適した独自の機械学習ハードウェアを開発している企業のもう一つの例です。Googleは、2015年に自社のAlphaGo AIをより高速なハードウェアで動作させるためにTensor Processing Unit（TPU）を開発し（そして2016年に発表）、多くの人々を驚かせました。このチップは、NVIDIAのTesla K80 GPUよりも桁違いに高い推論性能を備え、3世代分の飛躍的進歩を遂げると謳われていました。
Googleは2017年に、推論よりも学習を優先する、さらに強力なTPU 2.0をリリースしました。同社は最近、パフォーマンスのさらなる大幅な向上を約束するTPU 3.0も発表しました。
MLハードウェアに注力しているのは、大手オンラインサービスだけではありません。例えば、スマートフォンメーカーはデバイスにMLプロセッサを搭載するケースが増えており、写真の画質向上、バッテリー寿命の管理、クライアントサイドインテリジェンスによる写真の整理など、特定のMLタスクの効率を大幅に向上させることを約束しています。
この傾向は減速の兆候を見せていないため、近いうちにさらに多くの企業がデータセンターや消費者向け製品に ML アクセラレータを導入すると予想されます。
