AIの計算方法を変えればハードウェア負荷を軽減できる
研究者らは、AIモデルの計算手法を根本的に見直すことで、現在必要とされる高性能ハードウェアへの依存度を大幅に低減できる可能性があることを示した。従来の浮動小数点演算に代わる新たな数学的アプローチを採用することで、計算コストと消費電力を抑えつつ、同等以上の精度を維持できるという。
背景メモ
AIモデルの計算には浮動小数点演算（FP32／FP16／BF16など）が標準的に使われている。この記事が報じるのは、その代わりに「対数表現」（Logarithmic Number System, LNS）や整数演算を使うことで、計算負荷とメモリ消費を劇的に減らせるという研究結果。NVIDIAのGPUは浮動小数点演算に最適化されており、計算方式の変更はハードウェアそのものの再設計につながりうる。主な研究はスタンフォード大学とAIチップ新興企業MatXなどが主導。背景として、LLM（大規模言語モデル）の学習・推論コストが急増し、電力・半導体供給の制約が顕在化している。従来「精度を落とせば性能が下がる」とされてきたが、対数表現を使えば低ビット幅でも精度を維持できる可能性が示唆されている。