大規模な人工知能モデルが膨大なデータに依存するようになるにつれて、従来のコンピュータアーキテクチャでメモリと処理能力が分離していることにより、**「メモリーワール（メモリの壁）」**というボトルネックが膨大な時間とエネルギーを消費するようになっています。パデュー大学とジョージア工科大学の研究者たちは、『サイエンス・フォアグラウンド』誌に新しい研究を発表し、脳にインスピレーションを受けたアルゴリズムを使って新しいコンピュータアーキテクチャを構築する方法を提案しました。この方法により、人工知能モデルの消費エネルギーを大幅に削減することが期待されています。

脳 大規模モデル AI

 ノイマンアーキテクチャの限界：メモリーワール

現在多くのコンピュータは、1945年に提唱されたノイマンアーキテクチャに基づいています。このアーキテクチャでは、メモリと処理能力が別々に配置されており、データが両者間で迅速に移動する際に性能のボトルネックが生じます。パデュー大学のコンピュータ工学教授であり、研究の主要執筆者であるカシク・ロイ氏は、「過去4年間で言語処理モデルの規模は5000倍に増加しており、この効率問題は非常に重要になってきています。したがって、コンピュータの設計を根本的に見直す必要があります」と述べました。コンピュータエンジニアは、メモリ容量が処理速度に追いつかないこの問題を**「メモリーワール」**と呼んでいます。これは、下位にある人工知能モデルを実行するために必要な大量の時間とエネルギーを消費しています。

解決策：脳にインスピレーションを受けた「メモリ内計算」

この論文の研究者は、メモリのボトルネックを解決する鍵は、メモリと処理能力を統合した新しいコンピュータアーキテクチャを試みることにあると考えています。この手法は、**「メモリ内計算（Compute-in-Memory、CIM）」**と呼ばれます。

  • アルゴリズムの中心: 研究者たちは、人工知能モデルに脳の動作方式にインスピレーションを受けたスパイキングニューラルネットワーク（Spiking Neural Networks、SNN）を使用することを提案しています。SNNは以前は速度が遅く精度が低いため批判されていたものの、近年その性能は顕著に向上しています。

  • CIMの利点: 論文の要約では、「CIMは、計算能力を直接メモリシステムに統合することで、メモリーワールの問題を解決する有望な手段を提供します。この統合により、データ転送量を減らし、処理効率を高めることができます。

 応用の可能性：データセンターから現実世界へ

研究者たちは、コンピュータ処理とメモリを一つのシステムに統合することで、人工知能のエネルギー消費を大幅に削減できると信じています。パデュー大学の共同執筆者兼研究員のタンヴィ・シャーマ氏は、「（人工知能を）データセンターから現実世界に移すには、エネルギー消費を大幅に削減する必要があります」と述べました。

この方法により、人工知能は小型で安価で、バッテリー駆動時間が長く