最近注目されているディープラーニング（深層学習）に関する記事やニュースを通じて、GPU（ジーピーユー）という言葉に出会ったことがあるかもしれません。GPUは、Graphics Processing Unit（グラフィックス プロセシング ユニット）」の略です。しかし、そもそもGPUって一体何なの？と疑問に思う方が多いことでしょう。そこで今回はなんだか難しそうな「GPU」についてお伝えします！！
「ディープラーニング」とは、脳の神経ネットワークを単純化してコンピュータのプログラム上で再現したニューラルネットワークの層を深くしたものです。「ディープラーニング」については以下のページで詳しく解説しています。
一言で言うと「GPU」とは・・・
GPUとCPUの違い
まず、GPUは名前も似ているCPU（Central Processing Unit）とよく比較されます。GPUは本来、画像の描画を専門に処理するプロセッサですが、CPUはコンピュータ全体を制御します。
GPUとCPUの違いにはいくつかありますが、まずコア数が異なります。
コアとは、実際に演算処理を行なっている場所です。
コア数が多いと一度に処理できる作業数が多くなるというわけです。CPUのコア数は一般的に２〜８個程度です。一方で、GPUのコア数は数千個にもなります！このコア数だけに注目すればGPUの方が断然高性能に見えますよね。しかし、コア数以外にもGPUとCPUには大きく異なる点があります。
GPUは単純な処理しかできませんが、たくさんのコア数によって並列作業ができるので、処理する内容によっては非常に効率的に進められます。対してCPUは、GPUとは逆で単純作業を得意とせず、いろんな複雑な処理を行なっていきます。CPUは、コンピュータ全体を管理する役割を持つので当然といえば当然かもしれません。
ディープラーニングとGPUは非常に相性が良く処理の高速化が実現
少し細かい話になりますが、ディープラーニングでは、多くの単純な演算（行列演算）がなされるため、単純な処理を得意とするGPUとの相性が良いことが判明しました。つまり、ディープラーニングの機械学習の処理時間を短縮するコンピュータの高速化には、GPUが非常に有効であることがわかったのです。
大まかな目安ですが、CPUの10〜20倍以上も高速化できると言われています。さらにすごいのは、GPUは増設することでさらに高速化できる（スケーラブル性）こともわかりました。
コンピュータにとってCPUが重要な位置付けであることは変わりませんが、AI（人工知能）の処理においては、コンピュータの高速性を飛躍的に上げる主役がCPUからGPUへと移り変わりました。このように、GPUは、ディープラーニングのブレークスルーを後押しし、AI（人工知能）技術の発展を加速させたのです。
まとめ
つまり、「GPU」とは、
・神崎 洋治（2018).『シンギュラリティ (やさしく知りたい先端科学シリーズ3)』株式会社創元社.・松尾 豊(2015, 西林 孝(2018).『仕事ではじめる機械学習』株式会社オライリー・ジャパン.
AI（人工知能）って「なにそれ美味しいの？」ってレベルだった僕が、AIエンジニアを目指してステップを踏んだり踏まれたりしている記事を書いてます。よかったら読んでみてください（実話）。
コメントをどうぞ