書評：『考える機械：ジェンセン・フアン、NVIDIA、そして世界で最も切望されるマイクロチップ』スティーブン・ウィット著

考える機械：ジェンセン・フアン、NVIDIA、そして世界で最も切望されるマイクロチップ この本は、私を含め、多くの技術に精通した読者がこれまで軽視してきた方向からこの主題にアプローチしているため、人工知能について書かれたほとんどの本とは一線を画しています。

AIを長年追いかけてきた多くの人々と同様に、私のこの分野に対する理解は、よく知られたマイルストーンによって形作られました。物語はたいてい 1956年ダートマスワークショップで 初期の記号体系を辿り、IBMのような画期的な瞬間へと進む。 ディープ・ブルーがガルリ・カスパロフを破る, DeepMindが囲碁をマスターそして最近では、OpenAIが大規模な言語モデルが複雑なマルチプレイヤー環境における戦略を調整できることを実証しました。これらの瞬間は、目に見える勝利を中心に据えているため、知的に満足感があり、記憶に残りやすいものです。

スティーブン・ウィットの著書が特に優れているのは、そうした枠組みに挑戦している点だ。AIが世界に衝撃を与えた瞬間に焦点を当てるのではなく、 考える機械 本書は、それらの成果の背後にある、目に見えにくい層に焦点を当てています。現代のAI時代は、単に優れたアイデアだけで切り開かれたのではなく、計算そのものの実行方法における根本的な変化によって実現されたと、説得力のある主張を展開しています。

NVIDIAを物語の中心に据えることで (NVDA + 0.47％) ウィット氏は、共同創業者のジェンスン・フアン氏とともに、AI革命をコンピューティングアーキテクチャ、開発者エコシステム、そして長期的な信念の物語として再構築しています。その結果、単なる企業史ではなく、人工知能のより広範な歴史における欠けていた一章が生み出されました。

ビデオゲームから新しいコンピューティングパラダイムへ

NVIDIAの始まりは、現在人工知能と結び付けられている壮大な野望とはかけ離れている。同社は 1993年に登場 グラフィックスチップメーカーとして、よりリアルなビデオゲームの世界をレンダリングすることに注力していました。当時の課題は知能ではなく、スピードでした。ゲームでは、光、動き、奥行きをシミュレートするために、膨大な計算を瞬時に実行する必要がありました。

NVIDIAが追求した解決策は 並列計算。 並列コンピューティングとは、複数の計算を順番に実行するのではなく、同時に実行することを意味します。GPUは、単一の強力なコアが命令を次々と処理するのではなく、数千個の小さなコアが同時に同様の数学演算を実行します。このアプローチは、大規模なデータセットにわたって同じ計算を繰り返すワークロードに特に効果的です。

もともとこのアーキテクチャはグラフィックス向けに構築されました。しかし、ウィット氏は、この決定が数十年後にニューラルネットワークの理想的な基盤を静かに築き上げたことを示しています。現代のAIモデルの学習には、膨大な量のデータに対して膨大な数の同一の数学演算を適用する必要があります。GPUはまさにそのような作業に既に最適化されていました。

本書のこの部分が特に魅力的なのは、ウィット氏が技術設計の選択と生き残りを明確に結び付けている点だ。NVIDIAが並列コンピューティングを選んだのは、人工知能（AI）を予見したからではない。リアルタイムグラフィックスで競争するには、それが唯一の方法だったからだ。この必然性により、同社は後にゲーム分野をはるかに超える変革をもたらすことになるコンピューティングモデルを習得せざるを得なかったのだ。

ジェンセン・フアンと製品ではなくシステムで考える

この物語の中心人物はジェンセン・フアンです。彼は型破りな経営者ではなく、個々の製品ではなくシステムとして一貫して考え続けた人物として描かれています。ウィットは、フアンを要求が厳しく、情熱的で、しばしば困難な人物として描きながらも、長年にわたりテクノロジーに対する考え方に驚くほど一貫性を持っていた人物として描いています。

競合他社がGPUをゲームサイクルに縛られた使い捨ての部品として扱っていたのに対し、HuangはGPUをより広範なコンピューティングプラットフォームの基盤として扱っていました。この区別は極めて重要になります。製品は入れ替わり、プラットフォームは複雑化していくのです。

NVIDIA社内では、この考え方が反映されていました。エンジニアには何年も先を見据えた思考が奨励され、ソフトウェアはシリコンと同様に戦略的に重要視されました。明確な需要が生まれるずっと前から、ツールや開発者サポートへの投資が行われていました。こうした選択の多くは、当時は過剰、あるいは不必要に思えました。今にして思えば、彼らは競合他社が越えるのに苦労する堀を作ってしまったのです。

ウィット氏は、NVIDIAの台頭は必然ではなかったことを明確に述べている。同社は一度ならず破綻の危機に瀕した。同社を前進させたのは、単一のブレークスルーではなく、アクセラレーションコンピューティングが最終的には当初の用途をはるかに超えて重要になるという揺るぎない信念だった。

CUDAと多くの人が見逃したAIの起源の物語

最も重要な貢献の一つは 考える機械 AI の歴史における CUDA の役割をどのように再構築するかです。

この本を読む前に、 CUDA 単なる成功した開発ツールとしてではなく、Witt はなぜそれがもっと注目されるべきなのかを説明しています。CUDA は、並列コンピューティングをグラフィックス以外の用途にも利用できるようにするために作られました。CUDA が登場する以前は、GPU を一般的な計算に使用するには、グラフィックス固有のインターフェースを介して問題を強制する必要がありました。これは脆弱で非効率的であり、専門家に限られていました。

CUDAは、開発者が使い慣れたプログラミングモデルを用いてGPUをプログラミングできるようにすることで、この状況を変えました。数千ものコンピューティングコアが汎用リソースとして利用可能になったのです。これにより、当時はほとんど理解されていなかったものの、高性能コンピューティングへの参入障壁は大幅に低下しました。

この本は、AIの歴史を学んだ私自身の経験と強く共鳴しました。私が吸収した物語は、モデルとアルゴリズムに大きく焦点を当てていました。 考える機械 明らかなのは、それらのアイデアの多くは、研究者が実際に大規模に訓練できるようになって初めて実用的になったということです。

AI研究者たちは、ニューラルネットワークが並列コンピューティングにほぼ完璧に適合していることをすぐに認識しました。学習には、大規模なデータセットに対して同じ操作を繰り返し、数百万、数十億ものパラメータを時間の経過とともに調整することが含まれます。CUDAは、このプロセスをCPUよりも高速、低コスト、そして信頼性高く実行することを可能にしました。

これは、ディープラーニングの加速、そして後にトランスフォーマーベースのモデルが登場するにつれて、特に重要になりました。トランスフォーマーは規模に応じて進化します。GPUアクセラレーションがなければ、今日のAI環境を特徴づける多くのモデルは理論上のものにとどまるか、法外なコストがかかっていたでしょう。CUDAはこれらのアーキテクチャを発明したわけではありませんが、その急速な進化を可能にしました。

ウィット氏が特に的確に捉えているのは、この結果が完全に計画されたものではなかったということです。CUDAは科学計算のために開発されました。AI研究者たちはその力を発見し、NVIDIAをAI競争の中心へと引き入れました。

アルゴリズムよりもインフラを重視

本書の最も貴重な洞察の一つは、AIの進歩はアイデアだけでなく、インフラによっても制約されるという点です。多くの著名な解説は、アルゴリズム、学習テクニック、データセットに焦点を当てています。 考える機械 十分な計算能力がなければ、これらはどれも意味がないということを読者に思い出させます。

この観点から、 現代のAIブーム 突然性は薄れ、むしろ遅延しているように見える。ニューラルネットワークは数十年前から存在していた。変化したのは、それらを意味のある規模で訓練できるハードウェアが利用可能になったことだ。

NVIDIAは単に高速チップを提供しただけではありません。ハードウェア、ソフトウェアライブラリ、そして開発ツールからなるエコシステムを構築し、それらは時間の経過とともに相互に強化されてきました。研究者がNVIDIAプラットフォーム向けに研究を最適化するにつれ、NVIDIAはAIワークロードにより適した製品へと改良を重ねました。このフィードバックループによって、単なる性能をはるかに超える永続的な優位性が生まれました。

この本は、今日ますます明らかになっている現実を静かに強調しています。それは、AI におけるリーダーシップは、研究の優秀さだけでなく、サプライ チェーン、製造能力、ソフトウェア エコシステム、プラットフォーム制御によって形作られるということです。

ビジョン、リスク、そして複合的な結果

ウィット氏はNVIDIAの優位性がもたらす影響について、臆することなく論じている。同社が世界のAIインフラの基盤となるにつれ、その影響力は拡大している。ジェンセン・フアン氏の、アクセラレーテッド・コンピューティングが技術進歩の次の段階を決定づけるという信念は、本書全体を通して貫かれている。

道徳的に説教するのではなく、 考える機械 一貫したエンジニアリングと戦略的意思決定が、時間の経過とともにどのように積み重なっていくかに焦点を当てています。NVIDIAはトレンドを追うことで勝利を収めたわけではありません。並列コンピューティングへの早期の取り組み、繰り返される市場サイクルへの対応、そしてハードウェアを不可欠なものにしたツールへの飽くなき投資によって勝利を収めたのです。

AIが本当にどのようにスケールしたかを理解したい読者のために

すでに見出しの瞬間を知っている読者のために AIの歴史本書は、それらの背後にある欠けている層を埋める。これらのブレークスルーがなぜその時点でスケールアップできたのか、そしてなぜNVIDIAがその過程で中心的な存在として台頭したのかを説明する。

本書は、人工知能を単なる巧妙なモデルの集合体ではなく、産業システムとして理解したい読者のためのものです。チップ、データセンター、そしてテクノロジーの力を静かに形作る、しばしば目に見えないエンジニアリング上の意思決定に関心を持つ人々に、強く共感されることでしょう。

考える機械 この本が成功したのは、AI のストーリーを根本から再構築し、並列コンピューティング、開発者プラットフォーム、長期ビジョンが、現代の人工知能の基盤をどのように構築したかを示したからです。