Webディレクターtsushan’s blog

都内で大手アパレルのWebディレクターとして勤めているTsushanです。興味関心がある分野のアウトプットを増やすためブログを書いています。 当分はAIについて書いていきます。

【人工知能】AI事例 遺伝子解析 3選

遺伝子・ゲノム解析は、機械学習の中でも教師なし学習の技術分野であり、

近年ではディープラーニングが進んでいる分野の一つです。

 

 

今日はその遺伝子・ゲノム解析に関する事例を3つ紹介して行きたいと思います。

 

 

①ゲノムを解析、AIの助言で癌の治療方針を変更

AIの助言を受け、入院していた癌患者の診断と治療方針を変更した結果、通院で治療を受けられるまでに回復した事例です。

こちらの事例は2016年の夏、東京大学医科学研究所で得られたものですが、「AIの助言」というのが前回紹介した画像認識に近いものを感じますね。

 

それもそのはず、ここでも登場するのがあのIBMのワトソンでした。

改めてワトソンのデータ量と推論の凄みに感服した記事でした。

 

ゲノムを解析、AIの助言で癌の治療方針を変更:医療:日経デジタルヘルス

 

 

②遺伝子解析 x AIの威力で「病気になる前に病気を治す」

この記事で初めて目にしたのがこの「先制医療」という言葉です。

従来の「予防」と呼ばれる予防医学は“一般的な患者”を想定してデザインされた集団に対する予防で,先制医療は個人の特徴に応じた介入を行うそうです。

 

マーケティングだけではなく医療でも「マス」「個人」の時代に変わってきてますね。)

 

先制医療は、個人の遺伝子などのバイオマーカーを用い、将来起こりやすい病気を疾患の発症前に診断・予測し、介入するという予防医療です。先制医療が実現すれば,高齢化に伴い高騰する医療費・介護費の抑制に加え、治療成績の向上や健康寿命の延長も見込めるとして注目を集めています。

 

以下の記事では、先制医療の現状を紹介しています。

ぜひチェックしてみてください。

 

遺伝子解析 x AIの威力で「病気になる前に病気を治す」 | Forbes JAPAN(フォーブス ジャパン)

 

 

③遺伝子解析×AI×ブロックチェーン企業が構築を目論む「ライフデータ経済学」とは

 

最後にご紹介したいのがこちらの記事。

遺伝子解析に関する記事というよりは、「遺伝子解析✗AI✗ブロックチェーン」を使用したビジネスモデル紹介です。

 

現在の医療界では、遺伝子解析をするためのデータの取得や承認がかなり複雑で、コストが掛かる作業とされています。

 

そこを医療界の2社がブロックチェーン技術を活用し、遺伝子データを管理、

みなさんお馴染みの機械学習であるレコメンド機能で、

適切なタイミングで適切な遺伝子データを解析できるようにするというものです。

 

2つ目の記事でも紹介したように、遺伝子解析が進むことで、世界規模で医療コストが下がり、それだけでなく、個人が受けられる医療メリットも大きくなります。

 

今後の進展を見守っていきたい内容です。

 

遺伝子解析×AI×ブロックチェーン企業が構築を目論む「ライフデータ経済学」とは | ROBOTEER

 

 

今日の記事は以上ですが、

みなさんいかがでしたでしょうか。

 

最後までご覧頂きありがとうございました。

【人工知能】AI事例 医療3選

ブログ見てくれてる方が増えてきてるのに、なかなか記事を更新されないでいました。大変申し訳ないと思いながら今日は記事を書きました。

 

今日は医療に関する事例を3つご紹介します。

 

現在医療では多くの人工知能の技術が使われています。

その中でもひときわ成果を出しているのが、画像認識の分野です。

 

みなさんご存知の様に、画像認識はかなり前から研究されている技術で、

インターネットの発達、ビックデータや処理マシーン能力の向上により

著しく成果を上げている分野になっています。

 

今日はその画像認識の分野でどのような医療事例が創出されているのか見ていきます。

 

がんの早期発見

Enlitic社(米国)ディープラーニングを用いたAIEnlitic」は、

画像検査の結果から、がんの早期発見や、診断スピードの向上、診断精度の改善などを可能にします。

 

これはディープラーニングを用いてレントゲン、CTなどの画像から、がんを検出します。肺がん検出率は、人間の放射線診断医を5割ほど上回るといいます。

総務省|平成28年版 情報通信白書|Enlitic(人工知能(AI)による悪性腫瘍の検出)

 

Enlitic社は現在総合商社の丸紅と独占契約を結び、日本のビジネス業界に201781日に進出しています。

 

肺炎の発見

「びまん性肺疾患」と呼ばれる疾患群は、間質性肺炎肺気腫など多くの疾患を含むことから、

CT画像の読影診断には豊富な知識や経験が必要になります。

そのため、過去の類似症例を効率的に検索する技術が求められていました。

 

そのため富士通研究所は、過去に撮影されたCT画像のデータベースの中から、

異常陰影の立体的な広がり方が類似する症例を検索する技術を開発し、

類似症例検索の正解率85%に成功し、診断時間を最大6分の1に短縮することに成功しました。

これからのCT画像はAIで診断支援!類似症例の正解率は85%、診断時間は6分の1 : FUJITSU JOURNAL(富士通ジャーナル)

 

皮膚がんの発見

一番目の事例とすごく似ていますね。腫瘍学専門の出版物であるアナルス・オブ・オンコロジー誌で発表されたこの研究で比較・検討されたのは、がん性と良性の皮膚病変の違いを見分けるトレーニングが行われたコンピュータと皮膚科医の診断内容です。

 

その結果、皮膚がんの診断において皮膚科医の精度が86.6%にとどまったのに対し、

コンピュータは95%を達成しました。

Man against machine: AI is better than dermatologists at diagnosing skin cancer | EurekAlert! Science News

 

 

この様に、今ディープラーニングによって、画像認識の精度が格段に進化しており、

医師をも超えるようになっています。

ここにあげたのはほんの一部の事例ですが、この様な画像認識の技術を使用した病気認識方法は、これから技術の進化および価格の定額化に伴いもっと普及すると思われます。

 

ただ、巷で言われているようなAIは医師を代替するようなことは、まだしばらくはないと思っています。理由として、医師に持たされている役割は病名の判断だけじゃないからです。この話をすると長くなるため、今日はここで終わりにします。

 

最後ご覧いただきありがとうございました。

 

▼▼関連記事▼▼

【人工知能】AI事例 報道・AI記者(海外事例) - Webディレクターtsushan’s blog

 

【人工知能】AI事例 報道・AI記者(国内事例) - Webディレクターtsushan’s blog

【人工知能】AI Coursera Machine Learning Week2

久しぶりの更新です。

 

ここ最近CourseraのMachine Learning コースを再開しました。

ついさきほど、Week2の課題をPASSしたところで更新です。

 

Week2の内容は環境セット、線形回帰、Octiveのコード解説がメインになっています。機械学習の基本概念を学ぶのにやはりこのコースはわかりやすいと思ったのだが、文系の自分にはやはりちょっとむずかしい内容なので、Week1・Week2の内容をもう一度復習して、課題も自力でヒント見ずに達成させてWeek3に進みたいと思っています。

 

このブログの更新ももう少し頻度を上げたいのだが、なかなか時間が取れず。。

今週から事例と、このCourseraの進捗報告を再度始めていこうかと思います。

 

別に、AIに関する勉強をやめたわけではないので、

今後ともよろしくお願いします。

【人工知能】AI G検定受験してきました

===再度更新===

今日結果通知来ました!!!!

受かりました!!!!

まじでよかった。。。。

これでやりたいことへようやく一歩前進します。

また進捗は追って報告します!!

 

===過去更新内容===
久しぶりの更新です。

 

先日AI検定(G検定)受けてきました。

 

結果はまだ返ってきていないので、それはまたお伝えします。

 

以下簡単に感想です。

・出題の幅が広い

・似たような問題が繰り返されることもある

・技術寄りの問題や関数、手法の使い方の問題が多かった印象

228問ぐらいありましたが、15分ぐらい余りました。

(全部わかっていたわけではないですが、とりあえず全問答えました)

・ネットで答えを調べながら回答する余裕は正直ない

 

今回の試験がはじめての受験ですが、

1回であったようなアクセス混乱などはなかったです。

 

結果にかかわらず、これ受験してよかったなと思います。

この検定のために色々自分で学習して、知識を増やせたと思っているので、

すごく自分の中で役になっている感があります。

 

もし、今回受かっていなくても、

内容と感覚はつかめたので、次回は行けるんじゃないかと思っています。

 

現場からは以上です。

結果分かり次第また共有します。

【人工知能】AI事例 報道・AI記者(海外事例)

AI事例を調べるのが面白くなってきたTsushanです。

 

さて、今回はAI記者の海外事例についてです。

国内事例についてはこちらからご覧ください。

【人工知能】AI AI記者(国内事例) - Webディレクターtsushan’s blog

 

目次

 

事例①AP通信 さまざまな記事を自動生成

AP通信は2014年からAI記者を導入しています。AI記者の老舗メディアです。

2014年7月1日(火)に公開されたニュースウィーク日本の記事では、AP通信のAI記者について以下のように書かれています。

同社は7月から、企業の四半期決算のニュースはコンピューターが自動で執筆した記事で配信するという計画を発表した。(中略)

ビジネスニュースを人間の記者が書く必要がなくなり、「ワードスミス」が自動で執筆できるようになる。さらには配信する四半期決算関連の記事の本数も、現在の300本から4000本以上に増やすことが可能になるという。(中略)

これによって記者は、関連するフィーチャー記事の質の向上に集中できるようになる。AP通信は、この技術の導入で記者は「自らの担当分野の記事を書いたり、ネタ元を発掘したりすることに多くの時間が割けるようになる」とする。「顧客に向けた企業の決算報告書関連の分析記事も今までの10倍に増やせる」

 

詳細記事がみたい人は、以下のサイトを確認ください。

AP通信が手に入れた世界最速の記者 | ワールド | 最新記事 | ニューズウィーク日本版 オフィシャルサイト

AP通信「野球マイナーリーグの報道にもロボットを導入します」 | ROBOTEER

 

この内容、日経のAI記事の発表の約3年前の内容になっています。しかも、さらに驚いたことに、記事によるとAP通信はすでに数年前から、ローカルスポーツカテゴリでのAI自動化を始めていたそうです。*1さすがアメリカですね、技術とビジネスの組み合わせがうまい。

 

そして、2017年にAP通信はAI記者(wordsmith)を導入してからの結果を以下のように発表した。*2

このように記事を“自動化”する最大の利点は、記者を反復的で時間のかかる作業から開放し、分析や新たなニュースソースの開拓など、より高度で創造的な業務に時間をさけるようになることです。これによって記者の可処分時間を20%ほど増やすことができた

 利点は他にもある。数字の書き間違いを劇的に減らせたこと、また出稿量を圧倒的に増やせたことだ。AIを導入する以前、AP通信が配信していた企業の決算記事は四半期ごとに300本程度だったが、現在はその12倍に達する。さらに、人的資源の制約からこれまでカバーできなかったニッチな分野の出来事も記事にすることができ、例えば2016年から配信が開始された野球のマイナーリーグの試合結果は今やAP通信の新たなブランドになっている

 

結果がちゃんと出ていて、AI記者の優良事例ですね。また同社は、同じAIにSNS投稿を分析させ、それを元に記事を書かせているという。※ソース同上

 

事例②ワシントン・ポスト

ワシントン・ポストは2016年のリオ・オリンピックのタイミングから、AI記者の導入を進めています。実際リオ・オリンピックでAI記者が書いた記事は、300本以上と言われています。

米紙ワシントン・ポスト、リオ五輪に「AI記者」投入 :日本経済新聞

ワシントン・ポストが使用しているAIエンジンは、自社開発のヘリオグラフ(Heliograf)と呼ばれるもので、現在ではさらに幅広い記事の作成に使われています。具体的には、選挙結果やマイナースポーツを記事にし、50万のアクセスを獲得しています。(2016年11月時点、単月の数値)

ワシントンポストがこのAIを導入しているには、明確な目的を2つ掲けています。

1つ目が、同誌の読者数を増やすこと。ニッチの記事で、数少ないが多くの読者数を手に入れることができるから。

2つ目が、記者を単純作業から開放して、より価値の高い記事作成に時間を割いてもらうこと。

単純明快ですね。

ワシントンポストの戦略部分についてとても詳しく書かれている記事があったので、興味ある方は見てください。

「AI記者」の進化が、読者を増やし、ニュースルームを効率化する:『ワシントン・ポスト』|WIRED.jp

 

事例③ニューヨーク・タイムズ

2014年より結婚記事を自動化しているそうです。(すみません、ソースがちゃんとみつかりませんでした)

またニューヨーク・タイムズはEditorというツールを開発し、コンピュータが学習しながらも、編集業務の流れの中で、人がAIの学習インプットを行うというアプローチを取っています。

http://nytlabs.com/projects/editor.html

NEW YORK TIMES LAB | EDITOR (2015)

このツールによって、記者の編集作業がそのまま機械学習のインプットとなり、一方で、ツールがタグの自動修正や注釈の提示など、業務負荷を下げるサポートを行うそうです。これまで記事単位でしか設定されていなかったタグが段落単位で設定され、複数の記事の一部の段落を構造化して組み合わせ、記事作成のサポートをするなど、これまでは出来なかったCMS機能の強化につながる可能性があります。

 

事例④LAタイムズ

ロサンゼルス・タイムズは2014年から地震速報を自動で行っています。地震が起きてから記事を配送するまで2~3分という、圧倒的な短い時間で行っているそうです。

ロサンゼルス・タイムズ紙で地震速報に使われているのは、「クウェークボット」という社内ソフト。米地質調査所(USGS)から提供されたデータを分析し、アルゴリズムに従って自動的に記事を生成する。震動が記録されてからわずか3分で記事を作成、同紙のウェブサイトに掲載する。*3

 

こうしたAI記者による自動化取り組みが、近年活発に海外で行われています。対して日本は、ようやく去年から色々動き出して来ている感じでやや遅れを取っている印象をうけます。 

今後、報道のAI記者から目が離せませんね。

また随時記事を更新していきます。

よろしくお願いします。

 

関連記事:

tsushan.hatenadiary.jp

【人工知能】AI事例 報道・AI記者(国内事例)

束の間の休みも終わろうとしている中、今日から事例も溜めるようにしていきます。

 

第一弾はAI記者の国内事例についてです!

 

目次

 

事例①中部経済新聞 70周年を祝う記事

初の国内事例なので知っている方も、多いのではないでしょうか。(知らなかった、という方は心配要りません。自分も恥ずかしながら最近知りました 笑)

2016年11月1中部経済新聞に「この記事、AI記者が書きました。」*1という記事が掲載され、多くの人に衝撃を与えました。

 

該当記事内容をフルで読みたい方は、以下のリンクからご覧になってください。

データセクション、日本初のAI記者による新聞記事の執筆に技術提供 | データセクション株式会社

 

このプロジェクトが発足された経緯として、70周年を迎えた中部ブロックの経済紙としてより新しく面白い情報提供にチャレンジしていくその第一歩に、経済紙、新聞という歴史ある媒体に最新のテクノロジーであるAI(人工知能)を採用して新聞記事生成を行おうというものでした。

そのためこの記事の内容は、中部経済新聞が創刊され70年、その歴史の振返りと、これから中部経済新聞はどういう風に進んでいくのかを、中部経済新聞記者風にしたものです。

記事の生成方法は、中部経済新聞の記事ページ(以下リンク)に記載されていましたので引用。

本プロジェクトは、株式会社ビットエーがコーディネートを担当、データセクション株式会社が設計・開発したアーティクル生成AIへ、中部経済新聞社が自社の過去記事データをAIの学習データとして提供しています。

本プロジェクトの実施に関して、AIに過去の大量の新聞記事を読み込ませ、中部経済新聞の記者の文体等を学習。そして、そのAIに冒頭の何文字かを指定し(例えば、「70年代」など)、過去の新聞記事データを使い、その後につづく文章を生成しました。 

この記事を読んでいくと、文末表現ですます調の混在や、誤字などが所々目にすることがありました。でもあえてそのまま残すことでAIの課題点を明らかにしつつも、人工知能の可能性を感じさせる内容となっているようです。正直ですます調以外、そんなに気になる所は、あまりありませんでした。それよりも、もう技術の進歩がここまで来てるのかと言う驚きが自分の中に強く残りました。

 

このAI記事に関する詳細のレポート記事もたくさん出ているので、興味ある方はまた自分で調べてみてください。

  

事例②日本経済新聞 決算サマリー記事

2016年11月1日に、中部経済新聞のAI記事が公開され、その2ヶ月後の2017年1月に、日経新聞からこんな驚く発表がありました。

 

「決算サマリー記事は、AIに書かせる」

AIを活用した「決算サマリー」配信スタート : 最新情報 | 日本経済新聞社

 

印象としては、WTF。ついに、日本もここまで来たか!!!というような感じですね。

企業が実際に決算を公開してからわずか数分で、AIがそれに関する記事を生成。さらに人の目を通さず決算記事は公開されるようです。とうとう人がAIに仕事奪われ始めたのか〜、と記者たちが悲観しているかと思うと、蓋を開けてみるとそんなことはないようです。以下の記事に、実際に日経記者の声が載っていますが、それらによると、社内からは仕事をサポートしてくれて、大いに助かっているし、これからも期待したいという声が多かったようです。実際、決算サマリーは、ほぼ定型文でかけるし、退屈なので、人がやらなくてもいいねって、言われてみればそう感じてしまいますね。

“AI記者”による省力化と効率化の行く先は――日本経済新聞社の働き方改革 (1/3) - ITmedia エンタープライズ

 

ちなみに、このAI記者は、2017年1月25日から5月26日までの期間に発表されたほぼすべての国内上場企業の決算発表(計6787本)を記事化したそうです。また一日最大の記事生成数を1000件と、恐ろしいですね。(一人の人間が頑張って15記事/日、みたいです。)また、サーバーが落ちないように、AWSを使用しているみたいです。うん、納得です。

ASCII.jp:1日1000本の記事を書いた日経の“AI記者”、その基盤にAWS|事例に厚みが増したAWS Summit 2017レポート

 

さらに調べて行くと、詳しい記事生成プロセス画像が出ていたので、引用。*2 興味ある方は別タブで開いてみてください。

https://techcrunchjp.files.wordpress.com/2017/01/e4babae5b7a5e79fa5e883bde68abde587bae38395e383ade383bc.png

 

この日経のプロジェクトはもともとは、2015年3月に、米国のAP通信社が記事を自動作成するサービスを開始に当って、それに危機感を覚えた社内若手エンジニア同士の雑談をきかっけに、決算サマリーの開発プロジェクトが始動したとされいます。2年遅れではありますが、もっともっとこれからもAIを活用した事例を作ってほしいですね。

 

事例③西日本新聞 天気記事

天気予報って、大抵いつも似たようなこと言っているよね、って言われてみると、「確かに」と頷いてしまいそうですよね。

はい、実はそうなんです。

天気予報記事やアナウンスには、似たようなテンプレが存在しています。今回は、西日本新聞がそこに目をつけました。

2017年1月西日本新聞は、「ロボットに新聞記事を書いてもらおう」と題して、AIを記事執筆に活用した試みを公開しました。同社が利用したのは、米国のAutomated Insightsが開発したAIです。

細かい句読点などの設定は、西日本新聞側で行ったそうですが、エンジン自体は既存の海外のものを使用しているので、なんだかもったいない気が私はしています。(日本のスマートスピーカー勢を思い出します。。)

ただ、この記事生成なんと1秒でできるそうです。

もうこれから使わない手はないですね。

ちなみにこちらが、AIが作成した記事内容です。(2017年1月10日の福岡県福岡地方)

 おはようございます。今日から新学期がスタートする学校が多いと思います。1月10日の九州北部(福岡県福岡地方)の天気予報は、晴れ時々くもりでしょう。降水確率は午前、午後ともに10%でしょう。傘は持たなくても大丈夫です。

 日中の最高気温は11度、最低気温は6度となる見込みです。前日より最高気温は1度低く、最低気温は4度低いでしょう。平年と比べて最低気温は2度上回り、最高気温は平年並みでしょう。

 風は北西の風後北の風、海上では後北西の風やや強くなるでしょう。日の出は午前7時23分。日の入りは午後5時29分です。

 今日のお出かけには、コートを着ないと寒いでしょう。今夜の夜空は、よく見れば星が現れるかもしれません。

ちょっと変なところもありますが、初見の大抵の人は、この作者日本語ちょっと下手やな、と思うだけで、AIが書いたなんて思わないでしょうか。 

AIが新聞記事を書いてみた 執筆1秒、でも設定は人間|【西日本新聞】

これからもAI記者にはもっと、活躍して記者たちを助けてほしいですね。

 

さて、国内編は一旦ここまで、次回はAI記者海外編について書きます。

最後まで読んでいただきありがとうございました。

 

関連記事:

tsushan.hatenadiary.jp

 

【人工知能】AI 演算装置 CPUについて

先程G検定申し込んだTsushanです。合格するぞ〜

 

今日は少し寄り道して、CPUについて。過去の記事でも書いたが、CPUはPCを司る演算装置で、パソコンでもっとも重要なパーツです。

 

実は今まであまりCPUをちゃんと調べたことがなかったですが、量子コンピューターの勉強をきっかけに少し知識がついたので、CPUの特徴、その中でもコア、スレッド、クロックについてまとめます。

 

ではまず特徴からです。

価格コムでCPUについて具体的な説明を見てみると以下のように書かれています。*1

いわばパソコンにおける頭脳の役割を果たします。具体的には、パソコン内部における、メモリーに記憶されたプログラムの実行です。マウスやキーボードなどの入力装置や、ハードディスクやメモリーなどの記憶装置からデータを受け取り、演算・加工したうえで表示装置や周辺機器などに出力します。このため、CPU自体は小さいチップですが、パソコンの性能を大きく左右します。近年は、4Kなどの高解像度映像や3Dゲームといった高度な演算処理を必要とするソフトウェアが多く開発されたことにより、クロック周波数の向上だけでは対応できなくなってきたため、1つのボードに2つのCPUが乗った2コア(デュアルコア)、同じく4つの4コア(クワッドコア)などのマルチコアを採用する傾向にあります。

 

CPUは基本的に「複雑で連続したif~else~構文」が得意です。そのため、上記のハードディスクやメモリーなどの記憶装置からデータを受け取り、演算・加工したうえで表示装置や周辺機器などに出力が簡単にできます。

 

PCとの相性もありますが、基本的にはCPUの性能が高ければ高いほど、複雑な計算が処理でき、引用先にも書いたように、4Kや3Dゲームが読み込みのスピードなどが気にならないようになります。

 

次にコアについて。

またほど説明しますが、windowXPまでのCPUは基本1コアで一つの頭脳しか持ちえませんでした(シングルコア)。そのため、なるべく1コアになるべく速い処理速度をもたせて、たくさんのタスクを行ってもらおうとして、開発に力を入れた部分がクロック周波数です。これについてもまた後ほど説明します。

 

Windowが必要とする処理タスクが重くなるにつれて、シングルコアでは、CPUへの負担が重くかかり過ぎました。そのため、デュアルコアというものが開発されるようになります(2005年)。イメージは、今まで一人で作業をやっていたのが、二人で別々の作業を行っているということです。つまりスピードは2倍になります。それは、例えば1つのコアがchromeをコントロールしていて、片方がエクセルを使っている感じです。これは、いままでシングルコアでもできていたことですが、デュアルになるとよりスムーズにアプリの切り替えや、一つのアプリでも読み込み時間がはやくなったりします。

 

現在このコアは、デュアルだけではなく、クワッドコア(4コア)、オクタコア(8コア)なども開発されています。オクタコアについて詳しく知りたい方h、こちらの参照先にの記事を見てくださいね。*2

 

次は、スレッドについて。

現在CPUのスペック表示では必ずと言っていいほど、スレッドが記載されています。

例えばこんな感じです。

 

2コア/4スレッド

 

ここでのスレッドの意味は、同時にいくかの仕事をできるのかということです。

2コアは二人と先ほど言いましたが、スレッドはその人達が同時にいくつの仕事ができるのかという指標です。

例えば上記の例だと、2人で同時に4つの仕事ができます。

では、以下のはスペックは何個仕事を同時にできることを意味しますか?

 

2コア/2スレッド

 

はい、これはそれぞれ一つの仕事しかできません。

つまり、同じコア数なら、スレッドが多ければ多いほど同時にできる仕事が多くなり、メモリなどに負担をかけないでできるということを意味します。

 

次は、クロック周波数について

現在のこのクロック周波数も、CPUのスペック見る際に見られるものですが、優先順位は上記の2つコア数とスレッド数に負けます。

優先順位のイメージとしては、こんな感じです。

 

コア数>スレッド数>クロック周波数

 

2つのCPUがあり、コア数とスレッド数が引き分けならクロック周波数の高いものがスペックが高いということになります。

クロック周波数は、1秒間に処理する回数のことをいいます。

 

1Hz:1秒あたり1回
1Khz:1秒あたり1000回
1Mhz:1秒あたり100万回
1Ghz:1秒あたり10億回
1Thz:1秒あたり1兆回


2017年現在、もっとも主流なのは「Ghz」(ギガヘルツ)です。20年くらい前は「Mhz」(メガヘルツ)が主流だったのですが、AMDIntelが熾烈な競争を繰り広げ、CPUのクロック周波数が1Ghzを突破した結果、「Ghz」が一般的になりました。

 

今までは、10年単位で見るとクロック周波数すごい進化をして来ましたが、しかし近年その進化も頭打ちになりつつあり、クロック周波数よりもできるだけコアをたくさん載せたほうが開発効率はいいし、実際に使用する際のスペックも高いということになり、現在開発優先度はそんなに高くないというのが、実情です。

 

一旦ここまでが、CPUについての簡単な説明でした。

CPU開発で争っているのは、インテルAMDという会社です。

価格コムの説明が分かりやすかったので、そのまま引用します。

インテル

初心者からプロまでフォローする、世界シェアNo.1メーカー
世界シェアNo.1の半導体メーカー。WindowsMac関わらず、多くの製品にインテル製のCPUが搭載されています。家庭でネットを楽しむだけのライトユーザーから、グラフィッカーやプログラマーを満足させるスペックのCPUをブランドに分けて幅広く展開しています。いつの時代も安定した製品をリリースしており、迷ったときはインテル製品を選べば問題ありません。

 

AMD

優秀なグラフィック性能とコストパフォーマンスが強み
シェアではインテルに劣るものの、グラフィック処理性能に高い評価を得ており、4Kなどの高解像度の映像や、3D映像をCPUに負荷をかけることなく滑らかに再生できます。また、価格が安いという特徴があり、コストパフォーマンスではAMDに軍配。そのため、コスパ重視の自作派やオーバークロックで運用する玄人たちに絶大な人気を誇っています。 

 

これらの会社についてさらに詳しく知りたい方は、自分で調べてみてください。

 

ただ、過去の記事でも伝えましたが、CPUはあくまでPCを司る演算装置で、計算に特化にはしてない。人工知能で必要とする計算量をCPUは満たすことができません。

そのため、現在GPUやTPUなどが、機械学習などに広く使われています。

 

次回は、さらにGPUについて深く見ていきます。

最後に、自分がCPUを調べるに当って参考になったサイトを複数添付します。

興味ある方は、見てみてくださいね。

 

ではまた。

 

CPU参考:

【CPUの基本】図解で分かりやすい「クロック周波数」の意味とは? | ちもろぐ

【CPUの基本】図解でよくわかる「マルチコア / スレッド」の意味 | ちもろぐ

価格.com - CPUの選び方

 

過去の記事:

tsushan.hatenadiary.jp