GPU（Graphics Processing Unit）は、もともと画像描画向けの並列演算に強いプロセッサです。現代のディープラーニングでは大量の行列演算を高速化するために広く使われます。本記事はチップの世代比較ではなく、試験で問われるCPU/GPU/TPUの役割・なぜDLに向くか・すり替え問題に焦点を当てます。
試験で問われる見方
○：GPUは多数の単純演算を並列処理でき、DLの行列演算に利用される（TF-055、G-010）。
○：TPUは機械学習向けに最適化されたプロセッサ（TF-056）。CPUは汎用、GPUは大規模並列が強み。
×：DLは計算量が少なくGPUと無関係（TF-335）。GPUを使えば必ず高精度になる（G-010の誤答C）。
なぜDLにGPUか
ニューラルネットの学習は、同じ形の演算を大量のデータ・パラメータに対して繰り返します。GPUは数千のコアで並列に処理でき、この「同じ計算の繰り返し」に向いています。NVIDIA GPUではCUDAがその並列演算のソフトウェア基盤です。
CPUは複雑な分岐処理に強い一方、大規模な行列積ではGPUが有利なことが多いです。試験では「逐次処理専用」などの説明が誤答パターンになります（G-010のA）。
CPU・GPU・TPU
| プロセッサ | 強み | AIでの用途 |
|---|---|---|
| CPU | 汎用・分岐処理 | 前処理、小規模モデル、推論の一部 |
| GPU | 大規模並列 | DLの学習・推論の主流 |
| TPU | ML向けASIC | Google等の大規模学習基盤（TF-056） |
学習と推論
学習は特に計算量が大きくGPUがほぼ必須級です。推論はモデル規模次第でCPUでも動きますが、大規模LLMはGPUや専用チップが使われます。
精度はGPUの有無だけで決まりません。データの質、モデル構造、正則化、ハイパーパラメータなども影響します（G-010）。
DLブームとの関係
第三次AIブームでは、データ・アルゴリズムに加え計算資源（GPU）が重要と語られます（TF-323、TF-330）。AlexNetの成功はGPU活用の象徴的出来事の一つとして試験に登場します。
すり替えに注意
| 誤った説明 | 正しい理解 |
|---|---|
| GPU＝解釈性を自動で高める | 計算高速化が主目的（G-010のD） |
| DLはGPU不要 | 実用的なDLではGPUが標準（TF-335は×） |
| GPU＝TPU | 別チップ。TPUはML特化ASIC |
| GPUがあればデータ量が不要 | データとモデル設計も不可欠 |