将来、人工知能は産業破壊や恒星間旅行を実現する大きな足がかりとなるでしょう。
テクノロジーにおいて「これから起こる大きなこと」が現実になることもあります（例：クラウド）。また、その一方で、単にジリジリと音を立てて消えていってしまうこともあります（例：メタバース、少なくとも今のところ）。
人工知能（AI）は前者であることが証明されており、大規模な組織や日常的なユーザーが、アウトプットに真のインパクトを与えるアプリケーションの採用を競っています。ほとんどの専門家は、AIは組織がビジネス目標を達成する方法に革命を起こす可能性があるとの見方で一致している。問題は、その変革が実際にどのようなものになるかです。
Nutanix のハイブリッドマルチクラウド担当シニアバイスプレジデント兼ジェネラルマネージャーである Induprakas Keri 氏は、The Forecast のインタビューで、「今は魅力的な時期です。AI がより多くの IT オペレーションの主流ワークロードになるにつれて、テクノロジーはかつてないほど興味深いものになっています」と述べています。
2023 年度版 Nutanix State of Enterprise AI Report によると、AI は IT 戦略とリソースに多大な影響を及ぼしています。650 人以上の IT 、 DevOps 、およびプラットフォームエンジニアリングの意思決定者からの情報に基づいて、このレポートでは、回答者の 90％ が AI のセキュリティと信頼性を最大の懸念事項として強調し、ほとんどの回答者がデータ保護とデータ復旧機能の強化を計画していることが示されています。また、回答者の 83％ が AI エッジ戦略への投資を強化する予定であることから、 AI は 1 カ所にとどまらないことも示されました。回答者の 91％ が刷新の時期であるとしているように、現在の IT インフラは AI 向けに構築されていないことが大きな懸念事項となっています。
「 AI ベースのサービスとアプリケーションは、間違いなくハイブリッド・マルチクラウド・アーキテクチャの向けに作られています」と、Nutanix のハイブリッド・マルチクラウド担当シニア・バイス・プレジデント兼ゼネラル・マネージャーの Induprakas Keri 氏は語っています。
「 AI ワークフローのステップは、クラウドでの学習、コアデータセンターでのエンリッチメント、リファインメント、トレーニング、エッジでの推論など、さまざまなインフラ環境で行われます。この AI ワークフロー全体にまたがることができる、まとまりのあるスケールアウト・インフラストラクチャをうまく提供することが、成功の鍵になるでしょう」
Keri 氏が予測する 9 つの AI の未来：
これは必ずしも予想できることではないのかも知れません。しかし、これからの変化の大きさを正しく理解するためには、「革新的」や「変革的」といった抽象的な概念にとらわれず、機械学習によって常に向上し続けるテクノロジーが最終的にどのような結果をもたらすのかを実際に想像してみる価値があるかもしれません。
「AI が物事を一変させることは明らかかもしれません」と Keri 氏は話しています。「それほど知られていないかもしれませんが、AI が恒星間旅行の基盤として実際に使われるようになると思います」
Keri 氏は、 AI を取り巻く議論は「非常に大きな」盛り上がりを見せていると指摘し、数年前のビットコインを取り巻く議論と比較しながら、この技術をめぐる誇大広告についてこう語っています。
「これは私が "タクシー乗車テスト" と呼んでいるものです」と Keri 氏は続けました。
「タクシーに乗っていて、運転手が AI についてどう思うかと聞いてきたら、それはたいていバブルが泡になってはじけようとしている兆候です」
しかし、これは企業が投資を控えるべきだという意味ではありません。それどころか、 AI が衰退すると予測されている今こそ、企業は話題性だけにとらわれず、新しいアプリケーションを構築しテストするという「実際の事業」に取り組むチャンスなのだ、と Keri 氏は言います。
AI モデルが普及し、進化するにつれて、企業はそれらが最新で、安全で、最適に機能することを確かめる必要がある、と Keri 氏は指摘します。
効果的なモデル管理は、 AI システムの信頼性と信憑性を保証し、変化する状況に対応できるようにするために必要です。
同氏によれば、AI は「究極の」ハイブリッド・クラウドのユースケースだと言えます。
「公開データを使って基礎的なモデルを作っても、それだけではビジネスには不十分です」と彼は述べています。
「自社のビジネスに特化させるためには、基盤となるモデルを改良・増強する必要がありますが、それは実際にはデータセンターでしかできません。なぜなら、サービスとしてのインフラでそれを行った瞬間に、企業はデータのコントロールを失ってしまうからです。そして、すべての推論はエッジで実行されます」
線形代数は、自然言語処理やコンピューター・ビジョンといった AI アプリケーションの発展の鍵を握る難解なテーマです。
変換、回転、スケーリングなど、AI における多くの処理は線形代数演算です。
「 AI の演算の多くは、行列とベクトルの掛け算を含むことが判明しました」と Keri 氏は指摘します。
例えば、単語はベクトルとして表現でき、画像はピクセルの行列として表せます。
線形代数を理解することは、変化が出力にどのような影響を与えるかをプロットするモデルの理解に役立ち、 AI モデルのデバッグや改善に使用されています。線形代数は、 AI アプリケーションで使用される大規模で複雑なデータセットを分析し、その意味を見出すための鍵となります。変換、回転、スケーリングなど、AI における多くの操作は線形代数操作で行われています。
開発者はインフラについて考える必要はないはずだ、と Keri 氏は述べています。
「開発者はハイブリッドクラウドアプリについて考え、モデルを管理しています」と彼は語っています。
「開発者がリファインメントを行う際必要なのは、適切なモデルが見つかることであり、インフラはそれを支援することができるでしょう。インフラがモデルとは何か、モデルのバージョンとは何かを理解していれば、開発者がデータを取得しなくても、パブリック・クラウドからモデルを取得し、それをリファインメントのために利用できるようにすることができます」
グラフィックス・プロセッシング・ユニット（GPU）は、 AI システム、特にビデオレンダリングやディープラーニングのような並列処理を必要とするタスクに不可欠なハイパフォーマンス・コンピューティングの領域で圧倒的なシェアを誇ってきました。
しかし、研究者がテンソル・プロセッシング・ユニット（TPU）、フィールド・プログラマブル・ゲート・アレイ（FPGA）、さらには汎用の中央演算処理装置（CPU）を活用するようになったことで、他のテクノロジーも GPU に対抗する勢いを見せています。
「GPUはいつまでも王者のままではない」と Keri 氏は語りました。
やがて、ソフトウェアは、ITシステムが最も適切で効率的な処理リソースを選択する手助けをするようになるでしょう。
「スケールアップ」アーキテクチャでは、既存のマシンにさらにパワーを追加する（CPUを増やすなど）垂直的な拡張が行われるのに対し、スケールアウト・インフラストラクチャでは、ネットワークにさらにマシンやノードを追加して容量を増やす水平的な拡張が行われます。
「なぜなら、それはハイブリッド・クラウド・アプリケーションであり、モデルはエッジからデータセンター、パブリック・クラウドまでのすべてを網羅する必要があるため、スケールアウト可能なインフラでこれを行う必要があるからです」と Keri 氏は説明します。
Keri 氏は、世界最大の企業が AI の将来について言及する機会が極端に少ないと指摘します。また、同氏はそれが長く続くとは思っていないと述べています。
「 Apple がチップセットで成し遂げたことは素晴らしい」と Keri 氏は語っています。
「 M2 には GPU も CPU もマトリックスエンジンも搭載されています。しかし、もしサーバーサイドに参入することになれば、素晴らしいものになると思います。既存メーカーを凌駕するものになるでしょう」
編集部注：エッジからコアまでのイニシアチブを簡素化し、迅速に開始できるように設計されたフルスタックのソフトウェア定義 AI 対応プラットフォームである Nutanix GPT-in-a-Box を含む、AI 向け Nutanix プラットフォームの詳細についてはこちらをご覧ください。
Calvin Hennick 氏は寄稿ライターです。彼の記事は BizTech 、 Engineering Inc. 、 The Boston Globe Magazine などに掲載されています。 彼はまた、 Once More to the Rodeo: A Memoir の著者でもあります。@CalvinHennick で彼をフォローしてください。
Ken Kaplan 氏は The Forecast の編集長です。X @kenekaplanで検索してください。
© 2023 Nutanix, Inc. 無断複写・転載を禁じます。その他の法的情報については、こちらをご覧ください
この動画では、NAND Research のチーフアナリスト兼創設者である Steve McDowell 氏が、なぜテクノロジー業界は IT オペレータがデータセンターの二酸化炭素排出量を簡単に把握できるようにする必要があるのかを説明しています。
