800 G/1.6 T光通信がもたらすデータセンターの高速化と高効率化によって、いかにAIが進化にとどまらない革新を遂げるかについて紹介します。高まるAI用途の要求に応えるヘンケルのイノベーションをご覧ください。
Market Strategy Manager Growth
人工知能（AI）が私たちの働き方に及ぼす潜在的影響を案じてみたり、企業を取り巻く最新型AIの裏と表を紹介してみたり、AIはさまざまな話題を提供しています。AIがこれまで辿ってきた道のりを振り返り、その将来を考えるのにちょうどよい時かもしれません。
重要な疑問は専門家とフューチャリストに委ねて、このブログではAIとは何か、どのように進化してきたかを取り上げます。さらに、実際的な疑問として、データセンターAIの処理能力に対する急激な要望の高まりに応えるために、どのような技術革新が進められてきたかに注目します。
具体的には、データセンターAIの処理能力を発揮するために必要なネットワーク速度と帯域幅を提供する800 G/1.6 T光通信の役割を考えてみます。いかにAIが高度化しようとも、その機能を提供できるネットワークがなければAI革命は成り立たないからです。
映画「2001年宇宙の旅（2001, A Space Odyssey）」をご存知の方は、AIという概念は、少なくとも56年前に登場したHAL 9000 - 宇宙飛行士にさまざまな妨害をしたコンピューター - にさかのぼることができると考えるでしょう。
原作者であるArthur C Clark（アーサー・C・クラーク）は、HALという名称について「IBM」のアルファベットを1文字ずつ前にずらしたものではないと噂を否定し、「Heuristically Programmed Algorithmic Computer（ヒューリスティックにプログラム化されたアルゴリズムコンピューター）」のことであると主張しました。これは偶然とはいえ、AIを定義する非常によい出発点となります。
従来型のコンピューターは固定されたアルゴリズムと命令によってプログラムされています。AIはこれらをヒューリスティック（発見的）に組み合わせる点で一線を画しています。すなわち、AIは自分で学習し、学習したことをもとに意思決定やコンテンツの作成ができることから、人間の知性を模倣していると言えるのです。
人工知能の歴史は、架空のコンピューターであるHAL 9000が登場する前にさかのぼります。
- CNET1の記事「Before they were robots」は、17世紀に存在した、自らの意思で動くように見える機械人形「オートマタ」を紹介しています。
- 数学者で人工知能研究の草分け的存在であるJohn McCarthy（ジョン・マッカーシー）が1955年夏にダートマス大学で開催されたワークショップで初めて「人工知能」という言葉を使い、1950年代に主流になりました。
- 1966年に、ジョセフ・ワイゼンバウムは「ピグマリオン」に登場するイライザ・ドゥーリトルからひらめいて、チャットボット「ELIZA」を初めて開発しました。ELIZAは自然言語処理（NLP）技術を用いて人間と会話ができる、心理療法士を模倣したプログラムでした。
- 1980年代、日本の第5世代コンピュータープロジェクト（FGCP）は、推論処理と人工知能に焦点を置いた第5世代コンピューターの開発に着手しました。現在ではほぼ話題になりませんが、AIが変革的な役割を果たす可能性について初期の認識を示しています。
- 1997年にチェスのグランドマスターであるガルリ・カスパロフがIBMのコンピューター「ディープブルー」に敗れたことは有名な話であり、驚くべき事実です。
- その数年後に、NASAの火星探査車「Spirit」と「Opportuity」は、自力で火星を航行開始しました。現在、2台の探査車「Curiosity」と「Perseverance」が火星で活動しています。これらに搭載されたAEGIS AIシステムはディープラーニング、コンピュータービジョン、ニューラルネットワークを活用して地質学的ターゲットを調査します。
- 2011年にAppleがSiriを、2014年にAmazonがAlexaをリリースしました。それ以来、金曜の夜にどのテイクアウトを選ぶか、私たちの頼れる味方となっています。
これらの例はAIの主な進化の過程をたどったものです。そして、2022年11月30日にAI革命の始まりとも呼べるChatGPTがリリースされました。
社会的にどのような意味があるとしても、このAI革命がコンピューター産業とデータセンター産業に大きな影響を及ぼすことは確かであり、800 G/1.6 T光通信などのイノベーションが課題を解決する助けとなります。
生成AIとディープラーニングの訓練モジュールは膨大な量のデータを必要とします。AIは繰り返し大量のデータセットを評価して理解を深める反復プロセスによって学習します。そのためには、膨大な計算処理と保存のためのリソースが必要です。2023年のdatacentral.comの記事によると、ChatGPT-4は1.8兆個のパラメータを持ち、テキスト生成AIに関するデータセットはペタバイト規模を超えます。AIが学習を続けてプロセスを反復する都度、データ量が増えます。
特に800 GのAIサーバクラスターには、広範な計算処理訓練と推論モジュールタスクに対応するために十分な画像処理装置（GPU）が搭載されています。AIの進化に必要なGPUやその他の製品を提供するNvidiaなどの企業は好調な業績をあげています。
生成AIの訓練モジュールとデータセットは大規模なデータ処理と低遅延性を必要とすることから、AIデータセンターのネットワークに大きな課題を生じています。 Juniper Networks2および Network World3 の記事は、2社の大手データセンターネットワークプロバイダーがこの問題にどのように対処しているかを詳しく説明しています。一方、2023年のKeysightのブログは、AIのようなエマージングテクノロジーにおいて1.6 Tネットワーキングが果たす極めて重要な役割について論じています。
AIデータセンターのネットワークが必要とする帯域幅と処理速度はますます増大しており、これに応えるには800 Gイーサネットと800 G/1.6 T光通信の両方が必要です。現在、800 Gイーサネットの開発が進められているほか、従来のLPO（Linear- drive Pluggable Optics）トランシーバからCPO（Co- Packaged Optics）まで、さまざまな技術の選択肢があります。どの選択肢にも長所と短所がありますが、800 G/1.6 Tへの完全移行に向けてそれぞれに役割を果たしています。
Ethernet AllianceのメンバーであるSynopsysのプリヤンク・シュクラ氏は、2025年までに800 Gイーサネットが、2027年までに1.6 Tイーサネットが初めてAIデータセンターのネットワークに導入されると予測しています。800 G光トランシーバはすでに多くのベンダーからリリースされており、1.6 Tトランシーバも実証試験が完了しています。2024年1月のEthernet Allianceのブログ4 はこれらを含む進展について詳しく説明しています。
AIデータセンターのネットワークに対応するために、装置プロバイダーは800 G対応の51.2 Tbpsスイッチを提供し、AIサーバの接続性を確保しています。これらのスイッチはOSFP800/QSFP-DD800ポートを32ポート搭載し、800 G/1.6 T光通信の使用が可能です。800 G/1.6 T光トランシーバは、帯域幅の拡大と処理速度の向上によってAIアプリケーションのデータの処理効率を高め、遅延を低減することでAIデータセンターの課題に対処します。
ヘンケルは材料テクノロジーで市場をリードする、データセンター用途向け材料ソリューションのスペシャリストです。AIデータセンターのための800 G/1.6 T伝送の確立に重要な役割を果たしています。
たとえば、データセンターのエネルギー消費量は世界のエネルギー需要の1～2%に相当し、AIはエネルギーを多く消費するアプリケーションです。800 G/1.6 T光トランシーバの設計者および製造者は、エネルギー消費量の少ない製品の設計を加速させる必要があります。ヘンケルは、主要な光トランシーバメーカーと緊密に協力して低電力モジュールの設計に取り組んでいます。
- 記事
- カタログ
- ケーススタディ
- インフォグラフィック
- ホワイトペーパー
当社のエキスパートが、お客様のニーズについて詳しくお伺いします。
当社のサポートセンターとエキスパートが、お客様のビジネスニーズに合ったソリューションを見つけるお手伝いをいたします。