平成29年度評価委員会(情報・人間工学領域)評価報告書
82/118

国立研究開発法人産業技術総合研究所AI 計算用ベンマーク(AI-FLOPS)の開発•AI-FLOPS値の実測–現状:各ベンが低精度の理論ピーク演算性能ばかり競う→カログ値では実際の処理性能は見積もれない–CNNの計算カーネルの処理スループットと、その処理の質の指標の積として新しいメトリックを定義•CNNの処理性能–現状:各ベンが公表するImageNetの処理性能は、使用するネットワークやパラメーが不明確で、複数の製品、複数のDLフレームワーク間の比較が困難–ResNet論文に準拠する計算仕様を明確化し、その処理スループットと検証精度で評価•大規模メモリ実効性能–現状:既存のベンマークは、大きなデーセット、モデルでの評価を対象としていない–GoogLeNetV1の拡張モデルを用いて、syntheticに生成した大きなデーセットの学習性能を計測して評価•RNN/LSTMの処理性能–現状:CNNと同様–RNNベースの機械翻訳アプリケーションOpenNMTを用いて、各種パラメー要件を定義した上で、学習処理の実効性能を計測して評価87•人工知能に特化した大規模インフラの公正な評価のためのベンチマークセットを世界に先駆けて開発•従来のスパコン向けベンチマークではAIの処理能力を測れない、ベンダ主導のベンチマークでは再現性・公平性に疑問、といった課題を解決•複数の有識者からヒアリングを行い、AAICを用いた包括的な実験を通して決定•その過程で計測したデータにより、Green 500で世界3位獲得(17/06)成果・実績国立研究開発法人産業技術総合研究所•大規模デーの集約と活用、及び要素技術の研究開発と応用実証・実用化を可能にする、エコシステムの構築に向けた課題–(1)ツールやモジュールの整備これまでにGPGPU向けライブラリ、最新の各種ディープラーニングフレームワークを始めとする様々なツール群を整備・提供する他、NEDO委託事業「次世代人工知能・ロボット中核技術開発」の一部で開発したコンテナ技術を統合することによりDockerを含むコンテナイメージ(モジュール)を簡便に利用できる環境も提供しており、今後はモジュールの拡充を進める。–(2)デーセットの整備これまでにNEDO委託事業で作成したデー等の集約が進んでおり、今後はABCI上でデーセットの集約と活用を促進するデープラットフォームをサービスし、デーセットのさらなる拡充を図る。–(3)エコシステムを促進するサービス設計・運用AAIC及び東工大TSUBAMEの構築・運用経験を活かし、要素技術開発から応用サービス実証にいたる広範なユースケースに対応できるサービス設計・構築を行い、AIにおけるナショナルフラッグシップに相応しいサービス運用を進める。–(4)次世代計算インフラだからこそ解決した課題事例の創出グランドャレンジプログラムを立ち上げ、人工知能分野の最重要課題への挑戦を促進し、事例の集積に努める。88課題と対応今後の課題- 78 -

元のページ  ../index.html#82

このブックを見る