米西海岸では、世界有数の企業が人工知能（AI）の性能を上げようと競い合っている。グーグルは大量の高性能プロセッサーを使った実験を、フェイスブックは35億枚もの写真を用いた試みを鼻高々にひけらかしているのだ。

しかし2018年の暮れ、テネシー州東部で実施されたあるプロジェクトがひっそりと、ほかのAI研究所が及びもつかないことをなし遂げた。手綱を握っていたのは米国政府である。

この記録的なプロジェクトで用いられたのは、オークリッジ国立研究所がもつ世界最高のスーパーコンピューター「Summit（サミット）」だ。Summitが栄冠を手にしたのは2018年6月のことで、米国にとっては中国から5年ぶりに最速の座を奪還したことになる。気象研究の一環としてSummitに機械学習の実験を行わせたところ、史上最速の記録をマークした。

100年分の気象シミュレーションを解析

Summitが占める面積はテニスコート2面ぶんで、実験では27,000個以上のGPUを使用した。利用目的はAIの最前線を支える技術である深層学習アルゴリズムを訓練することにあり、Summitはその作業を1秒間に100京回（スパコン業界で言うところの「1エクサフロップ」）の計算速度で実行することができる。

「深層学習がこれほどの速度で実行されるのは、これが初めてのことです」と、ローレンス・バークレー国立研究所の国立エネルギー研究科学計算センターで研究チームを率いるプラバート（この呼び名で通っている）は語る。彼のチームは、Summitの本拠地であるオークリッジ国立研究所の研究員と共同で研究を行った。

世界最高性能のコンピューターによるAIが主に取り組んだのは、その能力にふさわしい世界最大級の問題──つまり気候変動だ。

テック企業では、人の顔や道路標識を認識できるようにアルゴリズムを訓練している。これに対して政府の科学者たちの目標は、膨大な数の気象シミュレーション（3時間の気象予測を100年分）を通して、サイクロンなどの気候パターンを把握することにある。もっとも、このプロジェクトでどのくらいの電力が消費され、二酸化炭素が排出されているかは定かではない。

Summitのラックを結ぶ光ファイバーケーブルの長さは総計185マイル（約300㎞）以上。さらに37,000個のプロセッサーを冷却するために毎分4,000ガロン（約15,000リットル）の水を循環させている。PHOTOGRAPH COURTESY OF CARLOS JONES/OAK RIDGE NATIONAL LAB

グーグルやNVIDIAも協力

Summitを用いた今回の実験で、AIと気象科学の双方の未来が大きく変わることになった。従来は核爆発やブラックホール、新物質などの物理的・化学的なプロセスをシミュレートしてきたスーパーコンピューターに、深層学習を適用できることを証明したのだ。また、コンピューターの性能を上げるほど、機械学習の恩恵が大きくなることもわかった。将来起こる技術革新がさらに楽しみになる結果だ。

「実際にやってみて初めて、これほどのことができるとわかったんです」と、グーグルのエンジニアリング・ディレクターであるラジャト・モンガは話す。彼は同僚とともにグーグルのオープンソース機械学習ソフトウェア「TensorFlow」をSummitの巨大なスケールに適合させるかたちで、同プロジェクトに協力した。

深層学習のスケールを向上させる作業のほとんどは、複数のサーヴァーが問題解決の作業を分担できるインターネット企業のデータセンター内で実施される。複数のサーヴァーがひとつの巨大なコンピューターにひも付けされているのではなく、比較的ゆるやかに接続し合っているからだ。

一方、Summitのようなスーパーコンピューターは構造が異なる。特別な高速接続を用いて、数千ものプロセッサーをまとめてひとつのシステムとして動かすのだ。最近まで機械学習をこうした機構のハードウェアで利用しようという試みは、ほとんどなされていなかった。

モンガによると、TensorFlowをSummitの規格に合わせる作業を行ったことは、グーグルが自社のAIシステムを発展させることにも役立つという。同プロジェクトにはNVIDIA（エヌヴィディア）のエンジニアも参加しており、Summitに万単位で組み込まれているNVIDIA製のGPUが同時にスムーズに動作するか確認を行った。

演算能力は2012年以降、毎年11倍に

深層学習アルゴリズムを支える演算性能の向上を模索し始めたことが大きな要因となり、近年になって深層学習は大きく進化した。Siriが音声認識に、ウェイモ（Waymo）の自律走行車が道路標識の識別に利用している深層学習技術が実用に耐えるほど大きく進化したのは2012年のことだが、これはNVIDIAのGPUを用いて深層学習を行うことに成功したのがきっかけだった。

2018年5月にある調査結果が公表された。OpenAI（イーロン・マスクらが設立したサンフランシスコの研究所）の研究者たちが計算したところ、公開されているうち最大規模の機械学習実験で用いられるコンピューターの演算能力は、2012年以降は3.43カ月ごとに倍、つまり1年ごとに11倍になっているというのだ。

グーグルの親会社であるアルファベットのAIが、複雑なボードゲームやヴィデオゲームで人間のチャンピオンを下したり、グーグルの翻訳サーヴィスが飛躍的に精度を増したりしたのも、こうした進歩のおかげといえる。

この流れを持続させるべく、グーグルをはじめとする企業はAIに特化した新しいチップの開発に取り組んでいる。グーグルによると、1,000個のAIチップ（TPU、Tensor Processing Units）からなる「ポッド（Pod）」は、100ペタフロップス（Summitの10分の1）の演算能力があるという。

人類の気象予測はさらに鮮明に

Summitプロジェクトが気象科学にもたらした結果を見れば、高性能AIがいかに気候パターンの把握に役立つかわかるだろう。研究者がこの先100年間の気候を予測しようとする場合、その結果をすべて読み取るのは困難だ。

「再生時間が100年あるYouTubeの動画を想像してみてください。そのなかに出てくるイヌやネコを数えるのは手作業では不可能ですよね」と、ローレンス・バークレー国立研究所のプラバートは語る。また、現在そうしたプロセスを自動化する際によく使われているソフトウェアは、不完全なものだという。

Summitがもたらした結果によって、機械学習がこうした状況を改善する可能性を秘めていることがわかった。嵐による洪水や物的・人的被害を予測することにもつながるはずだ。Summitの実験結果により、オークリッジ国立研究所、ローレンス・バークレー国立研究所、NVIDIAの研究者たちは、スーパーコンピューターの性能を躍進させたとしてゴードン・ベル賞を授与された。

スーパーコンピューターで深層学習を実行するというのは新しいアイデアで、気象研究者にとっては渡りに船なのだと、カリフォルニア大学アーヴァイン校教授のマイケル・プリチャードは言う。従来のプロセッサーの進化が行き詰まりを見せていたことで、スーパーコンピューターに組み込むグラフィックチップの数を増やしたところ、パフォーマンスが明らかに向上したという。「もはや一般的な方法では演算能力を継続的に高めることはできなくなってしまったのです」

こうした状況の変化によって、従来のシミュレーションは適応が求められている。そして同時に、グラフィックチップと相性がよい深層学習の力を利用するきっかけにもなった。

今回の実験の結果、人類の気象予測はさらに鮮明になるだろう。プリチャードの研究チームは2018年、機械学習を利用することで雲の動きをより現実に近いかたちでシミュレートできると発表した。これによって降雨パターンの予測も向上するだろう。