三菱電機、AI同士が競い合って学習するGANをコンパクト化　資源1/10に

　三菱電機は1月31日、2つのAIを競わせてリアルな画像生成を実現する敵対的生成ネットワーク（GAN: Generative Adversarial Network）において、演算量とメモリ量を10分の1に削減した「コンパクトなGAN」を世界で初めて開発したと発表した。

【こちらも】東芝と理研、コンパクトDNNでAIを高速化　エッジでの推論は加速するか

　人工知能（AI）の分野で最も実用化が進んでいるのが深層学習（ディープラーニング）だ。人間の脳の神経細胞（ニューロン）を模したニューラルネットワーク構造を用いて、学習と推論を行う。ディープラーニングの課題は、AI開発時におけるAIの学習時間とAI適用時におけるAIの推論時間の短縮だ。

　東芝と理化学研究所は2018年12月17日、深層ニューラルネットワーク（DNN: Deep Neural Networks）のコンパクト化技術を開発。学習の際に、DNNの一部のパラメーターがゼロ近傍に収束する場合があるが、ゼロとなったパラメーターは推論時には必要でない。この特性を利用して、DNNの認識能力を維持したままで、学習したパラメーターを80%削減。演算性能の向上とメモリ量の削減を同時に実現した。

　この発表では、学習する画像などの数量は変わらず、学習時間も同等であるが、推論時間が単純計算で1/5に短縮される。エッジデバイスでの高度なDNNの活用を可能にする。

　他方、ディープラーニングによる画像の認識技術が発展する一方で、学習する画像などを自動で生成する技術も脚光を浴びている。ディープラーニングには、膨大なバリエーションのデータが必要だ。AIの学習時間以上に、画像データの収集に必要な時間や人員といった準備コストは膨大だ。

　今回の発表は、ディープラーニングのための学習用画像準備コストを削減可能なGANに関するものであり、DNNのコンパクト化と同様に、GANのコンパクト化技術を開発した。

　GANの演算やメモリといったコンピュータ資源を10分の1に削減。これは世界初だ。

●コンパクトGANの特長
　画像生成AIを構成する多層ニューラルネットワーク各層の重要度を評価するアルゴリズムを開発し、コンパクトGANに至る。

　コンパクトGANの画像生成に必要な演算量とメモリ量を、学術論文などで公開されているGANとを比較。演算量とメモリ量を1/10に削減。重要度が低い層を削除した効果だ。

　ノートパソコンなどでも効率的なAI学習用の画像生成が可能になる時代が到来か。（記事：小池豊・記事一覧を見る）