AIスタートアップのCounterintuitiveが、現代AIの計算基盤であるGPU（Graphics Processing Unit）を置き換える可能性を秘めた、全く新しい「推論ネイティブコンピューティング」アーキテクチャを発表した。同社が開発を進める「Artificial Reasoning Unit (ARU)」と名付けられた新クラスのチップは、現代AIが抱える「信頼性」と「再現性」の欠如という根源的な問題を解決し、AIを単なる「模倣」から真の「理解」へと引き上げることを目指している。これは、NVIDIAを中心に築かれてきたGPUによるAI計算のパラダイムに対する、真正面からの挑戦状と言えるだろう。
AIの発展を支えたGPU、その足元に潜む「アキレス腱」
今日の生成AIや深層学習の目覚ましい発展は、GPUの圧倒的な並列計算能力なくしては語れない。もともとは3Dグラフィックスの描画を高速化するために生まれたGPUだが、その単純な計算を大量に同時に実行できるアーキテクチャが、ニューラルネットワークの膨大な計算（行列演算）に極めて適していたことから、AI開発の標準的なハードウェアとして不動の地位を築いた。
しかし、Counterintuitive社は、このGPUを基盤とする現代AIのアーキテクチャそのものに、見過ごすことのできない根本的な欠陥が存在すると指摘する。その核心にあるのが、1990年代にゲーミングやイメージングのために設計された「浮動小数点演算」である。
1990年代の遺産「浮動小数点演算」がもたらす歪み
浮動小数点演算は、非常に大きな数から非常に小さな数まで、幅広い範囲の数値を効率的に表現し計算するための仕組みだ。しかし、その効率性と引き換えに、本質的な「誤差」の問題を抱えている。コンピュータの内部では数値は有限の桁数で表現されるため、割り切れない小数などは近似値として丸められる。この小さな丸め誤差が、計算を繰り返すたびに蓄積し、無視できないズレを生み出す。
Counterintuitive社によれば、この問題は「非決定性（nondeterminism）」という、より深刻な事態を引き起こす。同じデータで同じ計算を実行しても、計算の順序や使用するマシンが異なると、最終的な結果が微妙に、時には大きく異なってしまうのだ。これは、AIモデルの挙動が完全に予測・再現不可能であることを意味し、特に金融取引、医療診断、自動運転といった、極めて高い信頼性が求められる分野において致命的な欠陥となりうる。
同社はこの問題を「真実を欠いた精度」と呼び、どれだけ計算規模（スケール）を拡大しても決して乗り越えられない「見えざる壁」だと断じている。
Counterintuitiveが警鐘を鳴らす「二重の罠（Twin Trap）」
Counterintuitive社は、現代AIが陥っている状況を「二重の罠（Twin Trap）」という言葉で表現している。これは、前述の「真実を欠いた精度」と、もう一つの課題である「記憶を欠いた推論」から成る。
罠1：精度は高いが真実ではない – 誤差がもたらす三重の天井
浮動小数点演算に起因する非決定性の問題は、AI開発において“三重の天井”を生み出していると、同社は分析する。
- 物理の天井（Physics Ceiling）: 半導体の微細化が進んでも、不安定な数学的基盤そのものが安定することはない。
- 計算の天井（Compute Ceiling）: 計算のためにチップの数を増やせば増やすほど、結果の不整合性もまた増幅されてしまう。
- エネルギーと資本の天井（Energy and Capital Ceiling）: 計算結果のノイズを補正し、力ずくで精度を維持するために、膨大な電力とコストが無駄に消費され続けている。
つまり、現在のAIは、不安定な土台の上でバランスを取り続けるために、莫大なリソースを費やしている状態にある、というわけだ。
罠2：記憶なくして推論なし – 文脈を理解しない「オウム返し」の限界
大規模言語モデル（LLM）に代表される現代のAIは、膨大なデータから単語の出現パターンを学習し、次に来る確率が最も高い単語を予測することで、流暢な文章を生成する。しかし、このプロセスには、人間が行うような「推論」の記憶が存在しない。
Counterintuitive社が指摘するのは、現在のAIモデルは「記憶がなく（memoryless）」、なぜその結論（出力）に至ったのかという論理的な道筋を保持していないという点だ。一つ前のトークン（単語や文字）に基づいて次のトークンを予測するだけであり、出力が完了した時点で、そこに至るまでの思考プロセスは消え去ってしまう。
これにより生まれるのは、論理を巧みに模倣した「流暢なオウム返し」であり、真の理解に基づいた推論ではない。これが「記憶を欠いた推論（reasoning without memory）」の正体である。
GPUへの挑戦者、Artificial Reasoning Unit (ARU)の革新性
この「二重の罠」を克服するために、Counterintuitive社がゼロから設計しているのが、新クラスのコンピューティングユニット「Artificial Reasoning Unit (ARU)」である。同社はARUを単なるプロセッサやアクセラレータではなく、全く新しい「コンピュートのクラス」と位置づけており、その設計思想はGPUとは根本的に異なる。
確率から因果へ – 「決定論的」コンピューティングの追求
ARUの最大の特徴は、浮動小数点演算を捨て、ネイティブに「決定論的」な、つまり、いつ誰がどこで計算しても常に寸分違わぬ結果を返す、メモリ駆動の推論を実行するよう設計されている点にある。
これは、AIの計算基盤を「確率」から「因果」へとパラダイムシフトさせる試みである。ARUは、GPUのように確率的なパターンを高速に計算するのではなく、因果関係、論理的な系統、そして検証可能な演繹をシリコンレベルで直接実行することを目指している。
共同創業者であるSyam Appala氏は、「我々のARUスタックは、単なる新しいチップカテゴリーではない。確率的コンピューティングからの完全な決別だ」と述べ、ARUが知性の定義を「模倣」から「理解」へと再定義する、次世代コンピューティングの幕開けとなるとの自信を示している。
ハードウェアとソフトウェアの統合戦略
Counterintuitive社の構想は、チップ単体で完結するものではない。ARUの能力を最大限に引き出すため、ハードウェアとソフトウェアを統合した「フルスタックの推論ソフトウェア」も同時に開発されている。これは、ハードウェアとソフトウェアが一体となって、統一された因果推論フレームワークを提供することを目指すものだ。
このアプローチは、かつてAppleがiPhoneで、そしてNVIDIAがCUDAプラットフォームで成功を収めた、垂直統合モデルを想起させる。強力なハードウェアを、それを使いこなすためのソフトウェア・エコシステムとセットで提供することで、開発者を囲い込み、強固な競争優位性を築く戦略である。
確率的コンピューティングとの決別が描く未来
もしCounterintuitive社の構想が実現すれば、AIが社会に与えるインパクトは計り知れない。特に、AIの「ブラックボックス問題」が大きな障壁となっている分野での応用が期待される。
- 金融: なぜその株取引を推奨したのか、その論理的根拠を完全にトレースできるようになる。
- 医療: AIによる診断が、どのような医学的根拠と推論プロセスを経て下されたのかを、医師が正確に検証できるようになる。
- 自動運転: 事故発生時に、AIがどのような認識と判断を下したのかを、事後的に100%再現し、原因究明に役立てることができる。
ARUは、AIの判断プロセスを「説明可能」にし、その結果に「責任」を持たせるための技術的基盤となりうる。これは、AIの社会実装を次のステージに進める上で不可欠な要素であろう。
茨の道か、新たな覇権か – Counterintuitiveの挑戦と課題
Counterintuitive社のビジョンは壮大であり、現在のAIが抱える本質的な課題を突くものだ。同社の会長であるGerard Rego氏によれば、すでに数学、コンピュータ科学、物理学の専門家チームが80件以上の特許を出願しており、その技術的基盤は着実に固められているようだ。
しかし、その前途は決して平坦ではない。最大の障壁は、NVIDIAが長年にわたって築き上げてきた「CUDA」という堅牢なソフトウェア・エコシステムである。世界中のAI開発者や研究者はCUDAプラットフォーム上で開発を行うことに慣れており、この巨大な慣性を覆すことは並大抵のことではない。
また、ARUがGPUに匹敵する、あるいはそれ以上の性能を、現実的なコストと消費電力で実現できるのか、その具体的なアーキテクチャや性能指標はまだ明らかにされていない。理想を現実に落とし込むまでには、幾多の技術的ハードルが存在するだろう。
それでもなお、Counterintuitive社の挑戦は、AI業界全体にとって極めて重要な意味を持つ。ムーアの法則が限界を迎え、汎用プロセッサによる性能向上が頭打ちになる中で、AIのような特定の用途に特化した「ドメイン固有アーキテクチャ（DSA）」の重要性は増すばかりだ。ARUは、その最も先鋭的な事例の一つと見ることができる。
彼らの試みは、我々にこう問いかけている。我々はAIに、より高速な「計算」を求めるのか、それともより信頼できる「論理」を求めるのか、と。果たしてCounterintuitiveの挑戦は、AI開発のパラダイムを「確率」から「因果」へ、「模倣」から「理解」へと転換する、歴史的な一歩となるのだろうか。
Sources
- Conterintuitive: Enabling Machines to Reason
