人工知能（AI）の急成長により、2028 年までにデータセンターが米国総電力の 12％を消費するとの試算もあり、エネルギー効率の向上が急務となっています。マサチューセッツ工科大学（MIT）と IBM のMIT-IBM Watson AI ラボの研究チームは、AI ワークロードの消費電力を数秒で予測する新手法を開発し、AI の持続可能性に向けた重要な一歩を踏み出しました。従来手法では workload を細かく分解してシミュレーションするため、数時間から数日かかったのに対し、この新手法は即座に信頼性の高い結果を提供します。特に、従来の計算モデルでは時間がかかりすぎた大規模なモデル訓練やデータ前処理の効率化に威力を発揮します。 開発された「EnergAIzer」と呼ばれる軽量推定モデルは、AI ワークロードに共通する反復パターンを活用して構築されました。多くのアルゴリズム開発者は GPU 上で効率的な計算を行うため、並列処理コアへの作業配分やデータ転送に規則的な最適化を施します。研究チームはこのソフトウェア開発者が適用する規則的な構造を捉えることで、高速な電力推定を可能にしました。ただし、初期設定やデータ転送時の遅延など、ハードウェア固有の変動による追加コストは考慮されなかったため、チームは実際の GPU からの測定データに基づいて補正項を追加し、精度を高めることに成功しました。 このツールを使用すると、ユーザーは実行する AI モデルや入力データのサイズ・長さを入力するだけで、数秒以内に消費電力を見積もることができます。さらに、GPU の構成や動作速度を変更することで、設計上の選択がエネルギー消費に与える影響を即座に確認できます。実際の AI ワークロードを用いたテストでは、電力消費の推定誤差は約 8％に抑えられ、従来手法に匹敵する精度を短時間で達成しました。この技術は、まだ導入されていない新興のハードウェア設計や、未来の GPU 構成の消費電力予測にも応用可能です。MIT の Kyungmi Lee 氏は、この手法の迅速さと利便性が、アルゴリズム開発者やデータセンター運営者にエネルギー削減への意識を持たせるきっかけになると期待を述べています。この研究は IEEE の会議で発表され、MIT-IBM Watson AI ラボの一部資金により支援されました。今後は、複数の GPU が連携して作業を行う大規模システムへの拡張や、最新のハードウェア構成での実証実験が続けられる予定で、ハードウェア設計者から運用者、開発者まで幅広く電力消費を把握し、持続可能な AI 社会の実現に貢献することが目指されています。