Q：
ディープラーニングでグラフィック処理ユニット（GPU）が重要なのはなぜですか？
A：グラフィックス処理ユニット（GPU）の使用は、ディープラーニングの分野で特に重要です。 その理由は、ディープラーニングシステムがどのように設定されているか、およびそれらが何を意図しているかに関係しています。
専門家はディープラーニングを、アルゴリズムがプログレッシブデータ分析に複数のレイヤーを使用する機械学習の一種と定義しています。
最大プーリング、フィルタリング、パディング、ストライド、その他のタスクを含むさまざまなレイヤーを持つ畳み込みニューラルネットワーク（CNN）など、特定の例を挙げています。
より広い意味では、画像処理や自然言語処理などは、マルチステップ、マルチアルゴリズムの手順に依存しています。その多くは、機械学習の専門家が識別および分析するために学習するニューラルネットワークに似ています。
前回の記事で述べたように、GPUは一般に、並列処理能力があるため、機械学習で高く評価されています。 機械学習が進むにつれて、ハードウェアの世界は、個々の強力なCPUコアのアイデアから、大量の計算作業をより適切に迅速に処理できる並列処理を備えた複数のユニットへと進化しました。
深い信念ネットワーク、ボルツマンマシン、エコーステートシステムなどの高レベルの生成モデルを採用したディープラーニングシステムでは、並列処理と特殊なコア設計が特に必要です。 GPUの使用は、他の種類の処理でのAdvanced RISC Machinesの使用にいくらか似ていると言えます。特定の用途に合わせてチップをカスタマイズすることは、かなり意味があります。
ディープラーニングのためのGPUのユーティリティに加えて、量子コンピューティングと呼ばれるコンピューティング構造の根本的な変化に向かう動きで、これらの同じタイプのプロセッサが普及していることもわかります。
ここでも、並列処理機能を必要とするのは、計算能力の複雑さと高レベルの順序です。 量子コンピューティングでは、従来のビットはキュービットに置き換えられます。キュービットの値は、1、0、または指定されていない組み合わせです。 このような「シュレーディンガーのビット」は、ITの世界を大きく変えることができるコンピューティングモデルの基盤を形成します。
新興技術に関心のある人にとっては、ディープラーニングネットワークや量子コンピューティングのセットアップなどのシステムでのGPUとその後継の使用を監視することが重要です。 多くの専門家は、これらは両方ともまだ初期段階にあり、今後数年で成熟して結果をもたらすと言うでしょう。
