【ITニュース解説】わずか4Bの小型AIを強化学習したらPostgreSQLより1.81倍高速なクエリプランを生成できたという報告

システムエンジニアとして働く上で、データベースはシステムの情報を管理する心臓部とも言える重要な存在である。データベースは、ウェブサイトの顧客情報、オンラインショッピングサイトの商品データ、銀行の口座情報など、あらゆるデジタル情報を整理し、安全に保管する役割を担っている。今回話題となっているPostgreSQLも、そのようなデータベース管理システムの一つであり、無料で利用できる高機能なリレーショナルデータベースとして、世界中の多くの企業や開発者から支持されている。

データベースに保存されている情報を取り出したり、新しい情報を追加・更新したりする際に使う命令文を「クエリ」と呼ぶ。例えば「商品Aの価格を教えてください」といった具体的な要求を、SQL（Structured Query Language）という共通の言語を使ってデータベースに送る。このクエリが正確かつ迅速に処理されることで、私たちは目的の情報をすぐに手に入れられ、システムはスムーズに動作するのだ。

しかし、データベースがクエリを受け取った際、そのクエリをどのように実行すれば最も効率的か、という問題が生じる。情報を取得する方法は一つではなく、複数のパターンが考えられるからだ。例えば、目的の情報にたどり着くために、データベース内の全データを一つ一つ確認していく方法と、あらかじめ作られたインデックス（目次のようなもの）を使って直接目的の場所にジャンプする方法では、処理にかかる時間が大きく異なる。この「最も効率的な実行計画」をデータベースが立てるのが「クエリプラン」であり、最適なクエリプランを生成するプロセスを「クエリ最適化」と呼ぶ。データベースには通常、「クエリオプティマイザ」という機能が内蔵されており、自動的に最適なクエリプランを選ぼうとする。この最適化が不十分だと、たとえ高性能なサーバーを使っても、データの取得に時間がかかり、システム全体の速度が低下してしまう原因となる。

従来のデータベースが持つクエリオプティマイザは、長年の研究と開発によって非常に洗練されており、多くのケースで効率的なプランを生成できる。しかし、データ量が膨大になったり、クエリが非常に複雑になったりすると、従来のオプティマイザでは最善のプランを見つけ出すのが難しくなる場合があった。その結果、データベースの応答速度が遅くなり、ユーザー体験が悪化してしまうことも少なくなかった。

今回のニュースは、このクエリ最適化の課題に対し、AI（人工知能）が新たな解決策を提示したという画期的な内容である。具体的には、強化学習という手法を用いた「小型AI」が、PostgreSQLのデフォルトのクエリプランよりもはるかに高速なクエリプランを生成できたという報告だ。

ここで言うAIとは、人間のように学習し、推論し、問題を解決する能力を持つコンピュータシステム全般を指す。そして「強化学習」とは、AIが試行錯誤を繰り返しながら、より良い結果を出す行動パターンを自ら学習していく方法である。例えば、AIがゲームをプレイする際に、良い行動をすると「報酬」を与えられ、悪い行動をすると「罰則」を受けることで、次第に最適な戦略を見つけ出すのと似ている。今回の研究では、AIがデータベースのクエリに対して様々な実行計画（クエリプラン）を立て、実際にその計画でクエリを実行してみて、どのくらい高速だったかを評価し、その結果をフィードバックとして受け取ることで、より高速なクエリプランを生成する能力を学習していったと考えられる。

そして、このAIが「わずか4B」という小型である点も非常に重要だ。近年、ChatGPTに代表されるような大規模言語モデル（LLM）は、数十億から数千億ものパラメータ（BillionのB）を持つことが一般的で、これを動かすには膨大な計算資源と電力が必要となる。しかし、今回のAIは「4B」と、LLMと比較すると非常にコンパクトなモデルサイズである。この「小型」であるという特性は、より少ない計算資源で動作させることが可能であることを意味し、その分、多くのシステムや環境に導入しやすくなるという大きな利点がある。

この強化学習された小型AIが生成したクエリプランは、なんとPostgreSQLの標準的なクエリオプティマイザが生成するクエリプランよりも「1.81倍」も高速にクエリを実行できたという。これは非常に驚くべき成果であり、従来のデータベース最適化技術を、特定のタスクに特化したAIが大幅に上回ったことを示している。バックエンドエンジニアのロハン・バンサル氏によって報告されたこの研究結果は、AIが汎用的なタスクだけでなく、データベースのクエリ最適化のような専門的で複雑な分野においても、既存の技術を凌駕する可能性を秘めていることを明確に示している。

このニュースがシステムエンジニアを目指す皆さんに与える影響は大きい。今後、データベースのパフォーマンスを最大限に引き出すために、AIの技術が不可欠な要素となる可能性が極めて高い。AIが自律的に最適なクエリプランを生成できるようになれば、開発者は複雑なクエリや大規模なデータに対して、手動での細かいチューニング作業に費やす時間を削減し、より本質的なシステム開発に注力できるようになるだろう。これは、システムの応答速度の向上や、運用コストの削減に直結し、最終的にはユーザーに対してより快適で高速なサービスを提供することにつながる。

これからのシステム開発においては、単にデータベースを操作する知識だけでなく、AIがどのようにデータベースのパフォーマンス向上に貢献するのか、その仕組みや可能性を理解することが、ますます重要になってくるだろう。AIとデータベース技術の融合は、IT業界に新たな技術革新をもたらす可能性を秘めており、今回の研究はその変革の始まりを告げる重要な一歩であると言える。