【ITニュース解説】ML on Apple ][+

この記事は、「ML on Apple ][+」、つまり1970年代後半に登場したパーソナルコンピュータ「Apple II+」で、「K-meansクラスタリング」という機械学習アルゴリズムを動作させたという興味深い挑戦について解説する。現代のコンピュータは非常に高性能で、機械学習は日常的に利用されているが、当時の貧弱なリソースでこれを実現することは、多くの技術的な課題を克服する必要があった。この挑戦は、システムエンジニアを目指す初心者にとって、コンピュータの基本的な仕組みや、制約の多い環境でどのように問題を解決していくかという思考プロセスを学ぶ良い機会となるだろう。

まず、Apple II+とはどのようなコンピュータだったのかを理解する必要がある。Apple II+は、現在多くの人が使っているPCの源流の一つで、1979年にリリースされた。その性能は現代のスマートフォンやパソコンとは比較にならないほど低かった。例えば、搭載されていたCPUは「MOS 6502」というもので、動作周波数はわずか約1MHzだった。これは1秒間に約100万回の処理ができるということだが、現代のCPUが数GHz（1GHzは10億回）で動作することを考えると、いかに遅かったかがわかる。メモリ（RAM）も最大で48KB（キロバイト）程度だった。現在のコンピュータがギガバイト単位（1GBは100万KB）のメモリを持つことを考えると、これも極めて少ない。ディスプレイも基本的に文字表示がメインで、限られた色数でしか高解像度グラフィックスは表示できなかった。このような制約だらけの環境で、複雑な計算を必要とする機械学習を動かすことは、まさにエンジニアの腕の見せ所だったと言える。

次に、この挑戦で使われた「K-meansクラスタリング」とは何かを説明する。K-meansは、教師なし学習と呼ばれる機械学習の手法の一つで、与えられたデータをいくつかのグループ（クラスター）に自動的に分類するアルゴリズムだ。例えば、顧客の購買履歴データから、似た傾向を持つ顧客グループを自動的に見つけ出すといった用途に使われる。基本的な仕組みは、まずデータをK個のグループに仮に分け、それぞれのグループの中心点（セントロイド）を計算する。次に、各データ点がどのセントロイドに最も近いかを調べて、再びグループ分けを行う。この「中心点の計算」と「グループ分け」を、データ点のグループが変わらなくなるまで繰り返すことで、最適な分類を見つけ出す。この処理は、データ点の数やグループの数が増えるほど、多くの計算を必要とする。

なぜ、このように古いApple II+でK-meansを動かすことに意味があるのだろうか。それは、限られたリソースの中で最大限の性能を引き出すための技術と工夫を学ぶためだ。現代のプログラミングでは、コンピュータの性能が高いため、あまりリソースを意識せずにコードを書くことも多い。しかし、組み込みシステム開発や、IoTデバイスのように限られた電力や処理能力しかない環境で開発を行う場合、古いコンピュータでの開発経験が示すような、リソースを効率的に使う技術が非常に重要になる。また、アルゴリズムの原理を深く理解し、そのアルゴリズムがどのような計算をどれくらい必要とするのかを把握することは、効率的な実装を行う上で不可欠である。

記事では、Apple II+上でK-meansを実装する上で、いくつかの重要な工夫が凝らされている。最も大きな課題の一つは、CPUの処理速度の遅さだった。K-meansは距離計算など多くの浮動小数点演算を伴うため、遅いCPUでは実行時間が膨大になる。そこで、計算負荷の高い部分は「6502アセンブリ言語」という、CPUが直接理解できる機械語に近い低レベルな言語で記述された。アセンブリ言語は、プログラミングは難しいが、コンピュータのリソースを細かく制御し、非常に高速な処理を実現できる。一方、ユーザーとの対話やデータの準備など、それほど速度を必要としない部分は、当時のApple II+でよく使われていた「Applesoft BASIC」という比較的高級な言語で記述し、両者を組み合わせて効率を上げた。これは、処理の特性に合わせて最適なツールを選択するという、システム設計における重要な考え方である。

また、メモリの制約も大きな壁だった。48KBという限られたメモリでは、大量のデータを扱うことはできない。そこで、データセットは「Irisデータセット」（アヤメの分類でよく使われるデータセット）を模倣した、非常にシンプルなものが用意された。さらに、浮動小数点演算を直接行うと、メモリも計算時間も多く消費するため、「固定小数点表現」という技術が用いられた。固定小数点表現とは、小数点以下を表現するために特定のビット数を使用することで、浮動小数点数を整数として扱い、整数演算で近似する方法だ。これにより、高速でメモリ効率の良い計算が可能になる。これは、精度と速度、メモリ使用量のバランスを取るための工夫であり、コンピュータサイエンスの基本的な知識が応用されている。

ディスプレイの制約も工夫が必要な点だった。Apple II+は高解像度グラフィックモードを持っていたものの、色数が限られており、データ可視化には向かなかった。そのため、K-meansの処理状況や最終結果は、主にテキスト表示で表現された。例えば、セントロイドの位置の変化や、クラスタリングの収束状況を数字や簡単な記号で表示するといった方法だ。現代のようにリッチなグラフィカルユーザーインターフェースが使えない環境で、いかにユーザーに情報を伝えるかという点も、当時のエンジニアにとって重要な課題だった。

このApple II+でのK-means実装は、現代の基準から見れば非常に遅く、約5分かかって最終結果が得られた。しかし、これは単なる遅い処理のデモンストレーションではない。この挑戦から得られる教訓は多い。システムエンジニアにとって、利用可能なリソース（CPU速度、メモリ量、入出力機能など）を正確に把握し、その制約の中で最大のパフォーマンスを発揮する設計を考える能力は非常に重要である。また、アルゴリズムの原理を深く理解し、ボトルネックとなる部分を特定して最適化する技術、そして低レベル言語と高レベル言語を適切に組み合わせて開発効率と実行速度のバランスを取る戦略は、現代の様々なシステム開発においても応用可能な普遍的なスキルである。古いコンピュータでの開発経験は、エンジニアリングの基礎を再確認し、より深い洞察を得るための貴重な学びを提供してくれるものだ。