サム・アルトマンの新しい投資先は人間の脳さながらなAIチップ
今半導体で最もホットなニュースは、OpenAIがRain AIというスタートアップ企業から「ニューロモルフィック」（脳に似た機能を持つ）AIチップを5100万ドル相当購入することに合意したという報道です。
Rain AIの開発する人間の脳を模倣したNPU
Rain AIは、エッジデバイス用に人間の脳を模倣したNPU（ニューロモルフィック・プロセッシング・ユニット）を開発しており、従来のGPUに比べて100倍の計算能力と1万倍のエネルギー効率を実現するとされています。
OpenAIに対する利益相反の問題が指摘
この取引は、OpenAIのCEOであるサム・アルトマンがRain AIに個人的に100万ドルを投資していたことから、利益相反の問題が指摘されています。ただし、OpenAIとアルトマンがRainからのチップ購入について作成した意向書は、法的拘束力がないため実際の取引が確定しているわけではありません。
また、Rain AIへの投資は、OpenAIがAIチップの可用性に関連する課題を克服しようとする取り組みの一環としていることが報告されています。OpenAIは、Microsoftのクラウドインフラを利用しているものの、ハードウェアの制約により、ChatGPTの機能に定期的な制限が設けられることがあります。この投資は、AI機能を進化させるために、AIチップの設計とサプライチェーンを多様化するOpenAIの追求に沿っています。
米国政府はRain AIに対す海外資本の投資を禁止
さらに、米国政府はRain AIに対する監視を強化しており、国家安全保障の懸念から、サウジアラビアに拠点を置くProsperity7 VenturesがRain AIから撤退するよう強制されました。
ここからは、下記のyoutube動画がについて詳しく解説しているので、内容を要約していきます。
ニューロモルフィックチップとは
従来のデジタルなコンピュータチップとは異なり、人間の脳のようなアナログな特性を持つチップについて説明しています。これらのチップは、従来のコンピューティングの1と0ではなく、行いたい数学的操作を表す電圧と電流を使用します。また、既存のニューラルネットワークよりも1000倍エネルギー効率が高いとされています。
脳のようなチップのプロトタイプ
レイン・ニューロモルフィックス社が脳のようなチップのプロトタイプを提示したこと、およびそのCTOであるジャック・ケンダルがこのチップについて語った内容にも言及されています。彼は、このチップが脳内のニューロンと樹状突起の同じアーキテクチャを持っていると述べています。
GPUに比べて100倍の計算能力と1万倍のエネルギー効率
Rainという会社は、2017年に設立され、脳にインスパイアされたNPU（ニューロモルフィック・プロセッシング・ユニット）が、GPUに比べて100倍の計算能力と1万倍のエネルギー効率を持つ可能性があると主張しています。これが事実であれば、GPT-4の訓練にかかるコストは、NVIDIAのチップを使用した場合、およそ6000万ドルと推定されていましたが、Rainのチップを使用すれば、そのコストは2000ドルにまで下がる可能性があります。
Rainは、Google、Oracle、Meta、Microsoft、Amazonなどの企業とシステムを販売するための高度な話し合いを行っていると主張していますが、これに関してはまだ確定していません。
NPUは小型の独立した技術デバイスに効果的
Rain社が開発しているNPU（ニューロモルフィック・プロセッシング・ユニット）が、GoogleやQualcommなどの大手テクノロジー企業によって支持されているオープンソースアーキテクチャに基づいていることも述べられています。これらのチップは、エッジデバイス（携帯電話、ドローン、車、ロボットなど）向けに設計されており、AIをこれらの小型の独立した技術デバイスに効果的に組み込むことができます。
米国政府がAIの発展を非常に注意深く監視
ビデオでは、米国政府がAIの発展を非常に注意深く監視しており、特定の外国に対して強力なチップの輸出を防止していることについても触れられています。AIと将来のAGI（汎用人工知能）が新たな「原子爆弾」と見なされ、これらのマイクロチップが「新たな石油」として必要とされている状況が描かれています。
ここからは上記ビデオを離れ、GPT-4による解説を続けます。
サム・アルトマンに利益相反の問題が指摘される理由
利益相反の問題が指摘される理由は、投資の目的や性質だけでなく、その投資が行われる背景と投資家の職務上の立場に関連しています。サム・アルトマンがヘリオンエナジーやRain AIに投資しているという事実自体は、必ずしも問題を意味するものではありません。しかし、以下のような要因が利益相反の問題を引き起こす可能性があります。
役職との衝突: アルトマン氏がOpenAIのCEOであるという立場上、彼の主な責務はOpenAIの利益を守ることです。他の企業への投資が、OpenAIの利益や方針と競合する可能性がある場合、それは利益相反の状況を生じさせる可能性があります。
決定への影響: アルトマン氏が個人的に投資している企業とOpenAIの間でビジネス上の関係や取引が発生した場合、彼の個人的な投資利益が職務上の決定に影響を与える恐れがあります。
透明性の欠如: 投資やビジネス上の関係が透明に行われない場合、外部から見て彼の決定が公正であるかどうか判断するのが困難になります。
Rain社のAI技術に特化したハードウェアの開発とは
同社は、AI技術に特化したハードウェアの開発を行っており、その製品は人間の脳にインスパイアされたデザインを持っています。また、サム・アルトマンがこの企業に資金を提供していることが報じられています。この企業は、AIインフラストラクチャーの将来を形作る計算プラットフォームの構築を目指しています。
Rain AIのプロジェクトには、計算能力とエネルギー効率の観点から注目されるニューロモルフィック・プロセッシング・ユニット（NPU）の開発が含まれています。これらのチップは、AIアプリケーションに特化しており、従来のデジタルコンピューティングとは異なるアナログ方式を採用しています。
人間の脳の構造に似ているが素材はシリコンなど
「ニューロモルフィック」技術やチップは、その動作が人間の脳に似ているという意味で「脳に似た」と表現されますが、これは素材の意味ではなく、その動作原理や構造に関するものです。ニューロモルフィックチップは、通常のコンピュータチップや半導体と同じような物質、たとえばシリコンなどをベースにしていますが、その設計と動作原理が人間の神経系を模倣しています。
ニューロモルフィック技術の主な特徴
アナログ計算: ニューロモルフィックチップは、デジタルではなくアナログ信号を使用して計算を行うことがあります。これは、脳のニューロンがアナログ信号を使って情報を処理することに似ています。
並列処理と接続性: 脳のように、ニューロモルフィックシステムは多数の処理ユニット（ニューロンに相当）を持ち、これらが密接に接続されて並列に情報を処理します。
省エネルギー: 人間の脳は非常に効率的にエネルギーを使用します。ニューロモルフィックチップもこの特性を模倣し、従来のデジタルチップよりもエネルギー効率が良いことが目指されています。
自己学習能力: ニューロモルフィックシステムは、経験から学習し、自身のネットワークを調整する能力を持つことがあります。これは、人間の脳が学習によってシナプスの強度を変化させることに似ています。
「ニューロモルフィック」技術は「デジタルではなくアナログ」
デジタル vs. アナログ: 一般的なコンピュータシステム（デジタル）は、2進数（0と1）を使用して情報を処理します。これに対して、アナログシステムは連続的な値を用いて情報を処理します。例えば、温度計やアナログ時計がアナログの例です。
2進数と10進数: ニューロモルフィック技術が2進数から10進数に変わるわけではありません。むしろ、これはデジタル（離散的なデータ表現）とアナログ（連続的なデータ表現）の違いに関するものです。ニューロモルフィックチップは、人間の脳のように、より連続的な信号（例えば電圧の変化）を使って情報を処理することがあります。
人間の脳の模倣: ニューロモルフィック技術は、人間の脳が情報を処理する方法を模倣しようとします。脳では、ニューロン間の信号は連続的な変化（例：電気的信号の強度）を示し、これはアナログ信号に似ています。
計算方法の違い: ニューロモルフィックチップでは、シナプスの強度の変化（アナログ的な特性）を利用して計算を行います。これにより、人間の脳のような柔軟で効率的な計算が可能になると考えられています。
アナログで計算するシステムコンピューター
バイナリと機械語: コンピュータの基本的な言語である機械語は、バイナリ（2進数、0と1）を使用しています。これは、コンピュータのハードウェアが理解し、実行できる最も低レベルの命令セットです。機械語は、特定のプロセッサアーキテクチャに固有の命令やオペコードで構成され、直接ハードウェアレベルで動作します。
アナログコンピュータ: 歴史的に見て、コンピュータはデジタル（バイナリ）だけでなく、アナログ方式でも構築されてきました。アナログコンピュータは、連続的な値（例えば電圧の変化）を使用して計算を行います。これらは特定の種類の計算、特に連続的なデータを扱う場合（例えば物理的なシミュレーションや信号処理）に適している場合があります。
ニューロモルフィック技術: 現代のニューロモルフィック技術は、アナログとデジタルの両方の特性を持つことがあります。これらのシステムは、アナログ的な信号処理を用いて人間の脳のような計算方法を模倣し、同時にデジタルコンピューティングの要素も組み込んでいます。
したがって、アナログで計算するシステムも「コンピューター」と呼ぶことは適切です。ただし、現代のコンピューティングではデジタル方式が主流であり、アナログコンピュータは特定の用途に限られています。ニューロモルフィック技術は、これらの既存のカテゴリーに完全に収まるわけではなく、新たな計算パラダイムを提案していると言えます。
アナログコンピューターでプログラミングが変わる可能性
アナログコンピューターのプログラミング:
アナログコンピューターは、物理的なプロセスや連続的な信号を使用して計算を行います。例えば、電圧や電流の変化を利用して特定の数学的問題を解くことができます。
アナログコンピューターの「プログラミング」は、回路の構成やコンポーネントの接続を調整することによって行われます。これは、方程式や計算規則を物理的なシステムにマッピングすることを意味します。
アナログコンピューターは特定の種類の問題（例：微分方程式の解法）に非常に効率的ですが、汎用性やプログラムの柔軟性は限られています。
デジタルコンピューターのプログラミング:
デジタルコンピューターはバイナリ（0と1）を基礎としており、プログラムは一連の命令として書かれます。これらの命令はプロセッサによって解釈され、計算が行われます。
デジタルコンピューターは高い汎用性を持ち、さまざまな種類の問題に対して柔軟にプログラムを作成することができます。
プログラミング言語、アルゴリズム、データ構造など、デジタルコンピューターのための広範な開発ツールと技術が存在します。
ニューロモルフィックコンピューターやその他の新しいコンピューティングパラダイムは、これらの伝統的なアプローチの中間に位置する場合があります。これらのシステムは、アナログの特性とデジタルの特性を組み合わせることで、新しい種類の計算能力や効率性を目指しています。しかし、このようなシステムのプログラミング方法は、従来のデジタルコンピューターのそれとは異なり、新しい技術やアプローチが必要になります。
プログラミングのアプローチがどのように変わるのか
ニューロモルフィックコンピューターやアナログコンピューターの登場によってプログラミングのアプローチがどのように変わるかは、これらのシステムの特性に大きく依存します。基本的には、以下の二つの可能性が考えられます：
プログラミング言語自体の変化:
ニューロモルフィックやアナログコンピューターでは、従来のデジタルコンピューター向けに設計されたプログラミング言語が適切でない場合があります。これは、これらのシステムが連続的な信号を用いて計算を行うため、異なる種類の命令セットやプログラミングパラダイムが必要になるからです。
新しいタイプのコンピューターには、その特性に合わせた新しいプログラミング言語や開発ツールが開発される可能性があります。
コンパイルプロセスの変化:
現在のデジタルコンピューターでは、プログラミング言語を機械語にコンパイルするプロセスが一般的です。しかし、ニューロモルフィックやアナログコンピューターでは、このプロセスが異なる形を取るか、必要ない場合もあります。
これらのシステムでは、プログラムが物理的な構成（例えば回路の構成やパラメータの設定）によって「プログラミング」される可能性があります。この場合、従来の意味でのコンパイルプロセスは不要になるか、全く異なる形を取る可能性があります。