　セミナーに登壇したのは、グーグルの日本法人で Google Cloud、データ分析チームデベロッパーアドボケイトを務める佐藤一憲氏だ。佐藤氏は、TPU開発のもとになったディープラーニングのフレームワーク「TensorFlow」や、TPUの開発の歴史、多数のTPUで構築したAI（人工知能）スーパーコンピュータ「TPU Pod」、誰でもTPUの高い処理能力を使えるクラウドサービス「Cloud TPU」の他、2018年5月の「Google I/O 2018」で発表された最新の成果などについて紹介した。

きゅうりの選別やクリーニングの衣類認識に用いられる「TensorFlow」

　TPUをはじめ、グーグルがディープラーニング関連ソリューションを開発する端緒となったのは「AI for everyone（AIを、全ての人に）」という方針だ。Google Brainチームは社内で利用するためにディープラーニングのツールを開発していたが、この方針に基づいて2015年7月、誰でも無償で使えるオープンソースのディープラーニングのフレームワークとして公開したのがTensorFlowである。

「TensorFlow」の概要（クリックで拡大）出典：グーグル

　それ以降、ディープラーニング関連のさまざまな開発でTensorFlowが利用されている。グーグルが紹介している国内の取り組みでは、きゅうり農家におけるきゅうりの自動選別^※1）や、最近ではクリーニングチェーンにおける衣類の自動認識^※2）などが知られている。

「TPU」の開発は15カ月で完了

　ディープラーニングでは、人の脳神経細胞を模した数式モデルであるニューラルネットワークが用いられる。そして、画像認識の例であれば、画像の中の認識対象が何なのかを覚えていく「学習」と、学習した結果を基に実際に画像認識を行う「推論」という2つのステップから成る。

ニューラルネットワークによる画像認識のイメージ（クリックで拡大）出典：グーグル

　グーグル社内でディープラーニングの利用を進めて行く中で大きな課題になったのが、学習と推論ともに大きなコンピューティングリソースを必要とすることだった。「2013年ごろから社内でのディープラーニング利用が爆発的に増加し、このままのペースだと現在の2倍のコンピューティングリソースが必要になるという状況になった」（佐藤氏）という。