お使いのスマートフォンは、1969年にニール・アームストロングとバズ・オルドリンを月へ送り届けたNASAのコンピューターよりもはるかに高性能ですが、エネルギーを大量に消費するものでもあります。コンピューティングでは、エネルギー使用は処理速度や記憶容量に比べて二次的な問題と見なされることが多いものの、技術進歩のペースと方向性を踏まえると、エネルギー使用は環境上の懸念として大きくなりつつあります。
暗号資産のマイニング企業Hut 8が、カナダ・アルバータ州メディシンハット郊外でカナダ最大のビットコインマイニング事業を開始した際、環境保護団体が警鐘を鳴らしました。この施設は、10倍の電力を消費しており、その電力の大部分は天然ガス火力発電所で生み出されています。これは、同市内の他のどの施設よりも多い消費量です。
世界全体では、情報通信技術（ICT）分野による温室効果ガス（GHG）排出量は、2020年までに年間で二酸化炭素換算14億トン（10億メートルトン）相当に達すると予測されています。これは世界のGHG排出量の2.7%にあたり、カナダ全体の年間温室効果ガス排出量のほぼ2倍です。
エネルギー効率の高いコンピュータープロセッサーを設計すれば、エネルギー消費を削減でき、電力が化石燃料由来の地域では、GHG排出量も削減できます。コンピューターアーキテクチャーと演算を専門とするコンピューターエンジニアとして、私と同僚は、コンピューターの性能やユーザーの利便性にほとんど影響を与えることなく、これらの好影響を実現できると確信しています。
強力なつながり
モノのインターネット（IoT）は、日常的な物に組み込まれた接続型コンピューティング機器で構成されており、すでに経済や社会に好影響をもたらし、社会、環境、食料サプライチェーンをより良いものへと変革しています。
これらの機器は、大気汚染の監視と削減、水資源の保全、そして飢餓に苦しむ世界への食料供給に役立っています。また、サーモスタット、照明、給湯器、冷蔵庫、洗濯機などを制御することで、家庭や企業のエネルギー効率も高めています。
接続機器の数は、2018年にコンピューターやスマートフォンを除いて、110億台に達すると見込まれており、IoTは膨大な計算を必要とするビッグデータを生み出すことになります。
計算のエネルギー効率を高めれば、コストを削減し、エネルギー使用量を減らすことができます。また、コンピューティングシステムに電力を供給するバッテリーを小型化したり、より長時間稼働させたりすることも可能になります。さらに、計算処理を高速化できれば、コンピューティングシステムが発生させる熱も少なくなります。
近似コンピューティング
今日のコンピューティングシステムは、多大なエネルギーコストをかけて正確な解を導き出すように設計されています。しかし、画像・音声・動画処理、データマイニング、センサーデータ解析、深層学習などの、誤りに強いアルゴリズムの多くは、正確な答えを必要としません。
このような不必要な精度と過剰なエネルギー消費は無駄です。人間の知覚には限界があり、結果に満足するために常に100%の精度が必要なわけではありません。例えば、画像や動画の品質のわずかな変化は、多くの場合気づかれません。
コンピューティングシステムは、こうした人間の知覚の限界を利用して、ユーザー体験に悪影響を与えることなくエネルギー使用を削減できます。「近似コンピューティング」とは、不正確な結果を返すこともある計算技術であり、近似的な結果で十分な用途に有用です。
サスカチュワン大学のコンピューター工学研究室では、ソフトウェアとハードウェアの双方にわたって精度と効率を最適にトレードオフできるよう、これらの近似コンピューティング・ソリューションの設計と実装を提案しています。プロセッサーの中核的な演算部品にこれらのソリューションを適用したところ、消費電力は50%以上減少し、性能の低下はほとんど見られませんでした。
柔軟な精度
現在、ほとんどのパーソナルコンピューターは64ビットの標準数値形式を採用しています。これは、すべての計算を行うために、64桁（0または1）の数値を使用することを意味します。
3Dグラフィックス、仮想現実、拡張現実は、動作に64ビット形式を必要とします。一方、基本的な音声処理や画像処理は32ビット形式で行うことができ、それでも十分な結果が得られます。さらに、深層学習アプリケーションでは、その誤りに対する耐性により、16ビットまたは8ビット形式を使用することさえ可能です
数値形式が短いほど、計算に使用されるエネルギーは少なくなります。用途に最も適した数値形式を用いて、異なるアプリケーションを実行できる柔軟かつ高精度なコンピューティング・ソリューションを設計できます。これにより、エネルギー効率の向上が促進されます。
例えば、私たちの予備実験によれば、この柔軟なコンピューティング・ソリューションを用いた深層学習アプリケーションは、エネルギー消費を15%削減できる可能性があります。さらに、提案するソリューションは、低い数値精度を必要とする複数の演算を同時に実行し、性能を向上させるように再構成することも可能です。
IoTには大きな可能性がありますが、こうした膨大なデータを処理するためのコストについても考える必要があります。より賢く環境に配慮したプロセッサーを用いれば、環境問題への対応を支援し、気候変動への寄与を抑制または削減できるでしょう。
