AI開発のための言語とは

プログラミング言語と言えば、C言語を思いつく方も多いと思います。C言語は比較的古い言語で、ソースコードが多くなること、プログラムの実行にコンパイルを実行する手間があるなどという理由からAI開発ではあまり使用されません。

AIの開発では、Pythonと呼ばれる言語が多く使われています。理由は、C言語に比べ軽量なプログラミング言語で少ないソースコードで済むことから、言語を習得しやすいです。さらにAIの開発で肝となるフレームワーク（後で詳細を説明します。）の多くはPythonの言語で書かれています。よってAI開発においてはPythonを選択すると良いかと思います。

フレームワーク・ライブラリとは

世の中にはAIを開発するために便利なツールがOSS（オープンソースソフトウェア）として提供されています。その中でもフレームワークとライブラリがどのようなものか理解しておきましょう。

ライブラリとは、ある機能を提供するコードの集まりのことで、機械学習やディープラーニングの開発において、Pythonのコードを簡易的に記述するために使用されます。その様々な機能のライブラリを複数集めたまとまりをフレームワークと呼びます。ライブラリとフレームワークはほぼ同義で使われることがあります。

ここでは機械学習やディープラーニングの開発で使いやすいフレームワークを3つ挙げてみます。

仮想技術Dockerとは

AIを開発する際に、様々な恩恵が受けられる仮想技術の１つ“Docker”を使うことが標準となってきております。Dockerがどのようなものか、使用するメリットも併せてご説明します。

Dockerとはコンテナを構築するためのツールで、アプリケーションやフレームワーク・ライブラリをまとめて独立した環境にすることができる仮想技術です。あるコンテナの中で一部のライブラリが更新されても、他のコンテナ内の環境に影響することはありません。また一般的に仮想マシンを実現するには、ホストマシン上でハイパーバイザをおいて、ゲストOSを動かし、その上でミドルウェアを動かす・・・などと、ソフトウェアの階層が多くなってしまいます。Dockerはそれらの機能を一つで実現できるため、軽量で高速に各コンテナを起動、停止、破棄することが可能です。

Dockerを使うメリットを3つ挙げてみます。

①複雑なフレームワークの更新が簡単になります

Tensorflow, PyTorchなどAI開発で使用されるフレームワークは日々進化しており、最新の環境に更新をしたくなります。ですが依存関係が強いという話があったようにこれらを更新する作業は容易ではありません。Dockerを環境に構築しておくことで、最新のフレームワークは“Dockerイメージ”という形式で配布されており、簡単に更新することが可能になります。だれでも気軽に利用することができますし、またNVIDIAからもNGC (nvidia GPU cloud)でGPUに最適化されたDockerイメージが提供されており、これを活用しない手はありません。

②多数の人と、同じ環境で動作させて、動作の再現性を確認できる

作成したDockerイメージを他の人にも渡して使うことで、他の人との環境のバージョンずれ防止や、開発環境準備の短縮化にもつながります。

③小さい環境を、簡単に構築・破棄ができる

ホスト側の環境を壊すことなく、使い捨てのテスト環境を一瞬で構築、破棄できるため、試行錯誤のAI開発に向いています。

ここまで構築ができるとAI開発の初期においては理想的な環境となります。最近ではDockerを含めた環境をインストールした状態で販売しているワークステーションやインスタンスもあるようですが、一般的にはここまでをご自身で構築されています。