今世界的に大量の電力を消費するデータセンターの建設が、大きな問題になっている！
その大きな理由の一つが、AIを開発するには大量の電力が必要になるとの話である！
そんなアホな話は蹴とばしてしまえ！
そして、日本はAIの開発に必要な電力量を数年のうちに百分の一にまずは減らすべし！
それが日本の進むべき道である！
1970年に米国で施行されたマスキー法の排出ガスの規制値は非常に厳しく、当時はマスキー法をクリアするのは不可能とまでいわれていた。しかし、日本のホンダのCVCCエンジンは世界で初めてクリアすることに成功した。そして、その合格第一号となったようにだ！
一番シンプルにAI開発の電力量削減の核心を言うと、全てを計算する構造から必要な部分だけ動かす構造へ転換することである。
要するに、「密」なることからから「疎」への転換だ！
今のAIチップは、答えを一つ出すたびに、回路のほぼ全域を毎回フル稼働させる。しかし、人間の脳ならばその逆で、関係ある神経細胞だけがパルス状に発火し、残りは静かにしていている。つまり脳の省エネの秘密は「賢い計算方法」やなくて「計算せんでええ部分を最初から計算しない」という引き算の発想にある。ここを見習えというのが、最優先課題なのだ！
その一つの手立てが、アルゴリズム面でのスパース化、つまり「疎」を上手く生かすことだ！
すでに一部実用化されているMixture-of-Experts方式では、質問ごとに関係する一部の「専門家」ネットワークだけを起動する。全パラメータを毎回総動員せんでよし、という点で脳の発火様式に近づいている。これは新しいハードウェアが要らない分、一番着手しやすいはずである。
次に、イベント駆動型のセンサー・入力設計がある！ 入力段階からして無駄を出さない工夫も進んでいる。従来のカメラが一定間隔で全画素を撮るのに対し、輝度変化があった画素だけを報告するイベントベース・ビジョンセンサー(DVS)との統合が進んでいるのだ。「変化がない場所は報告すらしない」という発想を、入口から組み込むやり方だ。
三つ目には、ロモーフィック(脳型)チップという手もある！ スパイキング・ニューラルネットワークと呼ばれる、人間の脳のごとくに神経細胞の発火を模したハードウェア自体を作る方法である。
さらに考えるべきこととは、実は電力消費の相当部分は「計算」そのものではなく、データをメモリーとプロセッサの間で運ぶ移動コストにあることだ。メモリーの中で直接演算する方式なら、この移動コストを構造的に削れる！
これらを全部まとめると、ソフトとハードをリンクさせた共同設計が必要なのは明白なのだ！
あれやこれやの 一つ一つを、個別にやっても限界がある！
「疎に発火するアルゴリズム」と「疎な発火を電気的に安く処理できる回路」を最初から一体設計しないとダメなのだ。今のノイマン型（計算とメモリが分離した)アーキテクチャの延長線上では、決して根本解決にはならない！
これらはすべて、かなり多くの人が既に気付いている話である。それなのにいまだ実現出来ていないのだ！
だからこそ、日本は発想を根本から見直して、数年のうちにAI開発に必要な電力量をまずは百分の一に減らすことを目指すべきなのだ！
AI普及の裏側で起きる電力問題とは？企業への影響と今すぐできる対策を解説 | GX・脱炭素といえばエナリス
データセンターの電力不足問題とは？対策方法や日本の電力需要予測を紹介 | グリラボ
データセンター建設、米国で社会問題に 世論は圧倒的に反対 貧富対立の構図も 日本は何を学ぶべきか（猪瀬聖） – エキスパート – Yahoo!ニュース