製造業向けAI開発ベンチャーのPros Consは2020年4月22日、同社が独自開発した教師なし学習アルゴリズムによって、少量の画像データで外観検査用AI（人工知能）モデルを作成できるソフトウェア「Gemini eye」を同年4月23日から販売すると発表した。画像サンプルなどの収集・作成の手間が省け、最短1日で外観検査AIを生産ラインに導入できる。 Pros Consは2019年1月、同社 代表取締役 CEOの安部正一郎氏らによって設立されたAI開発ベンチャーだ。自動車メーカーなどの製造業者を対象に、AIの導入検討から運用までを一気通貫で行うAIソリューション事業などを展開している。 従来、外観検査用のAIモデルを作成するためには、AIに学習させるための不良品画像データ（教師データ）を数千から数万枚程度収集する他、傷やへこみなどの不良箇所をマーキングする画像加工（アノテーション）も行う必

エッジAIを加速する「Jetson」、次モデルは「Nano Next」と「Orin」に：GTC Digital（1/2 ページ） NVIDIAは「GTC Digital」の講演で組み込みAI開発プラットフォーム「NVIDIA Jetson」を紹介した。AIコンピュータの他、各種SDK、NVIDIAのパートナー企業の解説を行った。 NVIDIAは2020年3月22～26日に米国サンノゼで開催予定だったユーザーイベント「GTC（GPU Technology Conference） 2020」に替えて、新型コロナウイルス感染症（COVID-19）の感染拡大に対応した完全オンラインイベント「GTC Digtal」を開催している。GTC Digtalでは、同年3月下旬から4月23日までの約1カ月間でさまざまな講演がオンラインで無料で見られるようになっている。 本稿では、これらの中から、IoT（モノの

ソシオネクストは2020年3月17日、ディープラーニング（深層学習）推論処理向けの「量子化DNN（ディープニューラルネットワーク）エンジン」を搭載したAI（人工知能）チップを試作し、動作と性能を確認したと発表した。 今回開発した量子化DNNエンジンには、低消費電力で高性能の深層学習に必要な低ビット化技術と、パラメーター圧縮技術を組み合わせた「量子化DNN技術」を使ったアーキテクチャが組み込まれている。また、効率的にデータを供給するオンチップメモリ回路技術により、メモリの使用量を大幅に削減できる。 作製したテストチップは、「YOLO v3」による物体検出において、検出速度が30fps、消費電力が5W以下と、汎用GPUと比べて10倍以上の電力効率を達成した。チップには「Arm Cortex-A53」クアッドコアCPUを搭載しているので、AI処理が1チップで済む。 また、TensorFlowをベ

ソフトウェアの品質向上手段として注目されている形式手法。今回は、厳密な仕様定義を目的とした「形式仕様記述」を中心に、分かりやすく解説する ソフトウェアの品質を確保するため、誰もがレビューとテストを行います。しかし、一般的に行われているレビューやテストにおいて、システムが正しく動作することをどの程度保証できているのでしょうか。優秀なエンジニアによる小規模ソフトウェア開発であれば、設計・テスト・検証における細心の注意とノウハウにより高品質のシステムを実現することが可能です。では、50人を超えるようなチームではどうでしょうか。 ここでは、ソフトウェアの品質と安全性向上のために、「プログラムの正しさ」に関する研究から生まれた「形式手法（Formal Method）」を簡単に紹介します。 形式手法とは 形式手法とは、1970年代から始められたプログラム開発手法の1つで、論理学や離散数学などが基礎にな

RUTILEAは、深層学習を用いたばら積みピッキングソフトウェアを開発し、オープンソースとして公開した。FA用ソフトウェア「SDTest」と組み合わせることで、外観検査工程を省人化できる。 RUTILEAは2020年3月9日、AI（人工知能）、深層学習を用いたばら積みピッキングソフトウェアを開発し、オープンソースとして公開した。同社のFA用ソフトウェア「SDTest」と組み合わせると、自動で搬送から外観検査まで対応。外観検査工程を省人化できる。 同ソフトウェアは、従来、高精度な3次元カメラを使用しないとできなかったばら積みピッキングを、市販のカメラと距離センサーのみで自動でピッキングできる。 また、SDTestと組み合わせ、ハードウェア面で「DOBOT Magician」などの協働ロボットアームや照明などを組み合わせることにより、ばら積み状態からのピッキング、撮影、外観検査を自動化できる。

さまざまなデータを用いた機械学習でスマートな製品開発を目指す上で課題になるのが、「分類モデルの選定」と「過学習」への対応だ。本稿では、分類モデルと過学習について概説するとともに、基礎的な対処法について説明する。 エンジニアや科学者は、産業データに基づいた解析によるADAS（先進運転支援システム）や予知保全（predictive maintenance）アプリケーションなど、よりスマートな製品やサービスを構築しています。分析モデリング（analytics modeling）とは、データ準備、特徴量エンジニアリング（feature engineering）、機械学習のためのドメイン固有の技術を使用して、過去のデータからシステムの挙動を記述し、予測する技術のことです。これらと自動コード生成の組み合わせは、エッジからクラウドまでを対象として、アクションと意思決定を自動化しながらの再利用を可能にしま

パナソニックは2020年4月2日、画像処理をエッジコンピューティングで行う「Vieurekaプラットフォーム」で使用するカメラの新機種「VRK-C301」の提供を開始したと発表した。 従来のVieurekaカメラと比較して、高性能CPUやGPUによって画像処理性能を強化し、より高度な分析を行えるようにした。また、Pythonへの対応や、AWS IoT GreengrassとAmazon SageMaker Neoの搭載などアプリケーション開発環境を充実させた。 Vieurekaプラットフォームは、エッジデバイスであるカメラと、クラウドで構成されている。クラウドにはカメラ側で処理した結果を集め、マーケティングや看護、介護、企業での入退室の管理など業種や用途に合わせたアプリケーションで分析する。カメラの分析機能はクラウドから新しい画像処理アプリケーションを配信してアップデートできる他、保守管理

MONOistやEE Times Japanに掲載した主要な記事を、読みやすいPDF形式の電子ブックレットに再編集した「エンジニア電子ブックレット」。今回は、NVIDIAの組み込みAIボード「Jetson Nano」の立ち上げから、一般的な組み込みAIとしての活用までを含めていろいろと試した連載「Jetson Nanoで組み込みAIを試す」をまとめた。

クボタと米国マイクロソフトは2020年3月17日、デジタルトランスフォーメーション（デジタル変革、DX）の推進において複数年にわたる戦略的提携を行うことを発表した。クボタのITインフラや基幹システムをマイクロソフトのクラウドプラットフォーム「Microsoft Azure」上に移行し、AI（人工知能）の活用などを通じてデジタル変革を加速させる。 クボタは、世界各地で農業機械を展開する他、水環境分野においても水道管から水処理施設に至るまでさまざまな製品群を展開する。グローバルでのさらなる成長を加速するために、マイクロソフトを戦略的パートナーとし、IT基盤の移行を進める。Microsoft Azureを標準基盤にすることで、クボタは業務を合理化し、イノベーションを加速するとともに、ソリューション提供型のビジネスへの移行を目指す。 また、両社はAIをベースとした新たなソリューションを開発し、食料

Armは、Cortex-M55とEthos-U55の発表に合わせて、IoT（モノのインターネット）市場が拡大する中で、より末端側のエッジでAI処理を行えるようなハードウェアとソフトウェア開発環境が必要になるとしている。 日本法人のアームで応用技術部 ディレクターを務める中島理志氏は「AIによって物事がさまざまに変わる可能性は高い。しかし、エッジでAIを処理するハードウェアとしては、Cortex-Aシリーズなどを搭載する『エッジAIサーバ』が必要なのが現状だろう。われわれは、クラウドAIではないエッジAIのうち、より末端側のデバイスでもAI処理が可能な『エンドポイントAI』の市場が今後拡大していくと考えている。Cortex-M55とEthos-U55はそのための製品だ」と語る。実際に、Armが想定するエンドポイントAIの市場は、スマートメーターやスマートホーム、自動駐車システム、公共インフラ

新エネルギー・産業技術総合開発機構（NEDO）と産業技術総合研究所（産総研）は2019年12月10日、AI（人工知能）を用いた動画認識やバイオ分野の自然言語テキストを理解する基盤となる事前学習済みモデルを構築したと発表した。また同日、同モデルを公開した。 同モデルは、産総研のAI用クラウド計算基盤「ABCI」による大規模な機械学習によって、大量の動画やテキストデータを事前に学習している。

Chainerの開発が終わっても止まらない、国内製造業のAI活用 2019年12月5日、AI（人工知能）ベンチャーとして知られるPreferred Networks（PFN）から衝撃的な発表がありました。同社の事業拡大を支えてきた、深層学習フレームワーク「Chainer」のメジャーアップデートの終了です。深層学習フレームワークといえば、主に海外の研究機関やITジャイアントが提案するものがほとんどであり、2010年代以降の第3次AIブームの中で常にAI後進国とされてきた日本の中で、PFNとChainerは独自の存在感を発揮してきました。 関連記事 ≫MONOistメールマガジン編集後記バックナンバー PFNがChainerの開発を終了しPyTorchへ移行、西川社長「非常に大きな決断」 Preferred Networks（PFN）は2019年12月5日、同社が開発する深層学習フレームワーク

教師データが足りないと「異常予測」は難しい、ならば「異常検知」から始めよう：もう失敗しない！製造業向け機械学習Tips（3）（1/2 ページ） 製造業が機械学習で間違いやすいポイントと、その回避の仕方、データ解釈の方法のコツなどについて、広く知見を共有することを目指す本連載。第3回は、「異常予測」と「異常検知」について取り上げる。教師データ量の不足が課題になる「異常予測」に対して、「異常検知」は教師データなしでも始められることが特徴だ。 ⇒連載「もう失敗しない！製造業向け機械学習Tips」バックナンバー 製造業では、生産設備の故障や製品の不良など、さまざまな異常の発生を予測する目的で機械学習が活用されています。しかし、異常発生の予測に機械学習を使う場合、多くの企業は故障の教師データ不足という課題に直面します。そこで今回は、機械学習プロジェクトにおいて教師データが不足している場合の対処法につ

ArchiTekは、「イノベーション・ジャパン2019 ～大学見本市＆ビジネスマッチング～」（2019年8月29～30日、東京ビッグサイト）において、同社が開発するエッジデバイス向けAI（人工知能）プロセッサの技術紹介を行った。競合のエッジAIチップと比較して電力性能やコスト面で優位性があると訴える。【訂正あり】（2019年9月18日17時00分） ArchiTekは大阪市に本社を置き、独自アーキテクチャ「aIPE（ArchTek Intelligence Pixel Engine）」の開発を進めるベンチャー企業。代表取締役CTO（最高技術責任者）の高田周一氏をはじめとして、エンジニア陣はテレビやゲーム機のLSI開発経験がある大手電機メーカー出身者や半導体ベンチャー経験者で固める。 同社は2018年6月、経済産業省のスタートアップ支援プログラム「J-Startup」に選定された。同年10月

まずは「Jetson Nano」の電源を入れて立ち上げる：Jetson Nanoで組み込みAIを試す（1）（1/2 ページ） NVIDIAが価格99ドルをうたって発表した組み込みAIボード「Jetson Nano」。本連載では、技術ライターの大原雄介氏が、Jetson Nanoの立ち上げから、一般的な組み込みAIとしての活用までを含めていろいろと試していく。第1回は、まず電源を入れて立ち上げるところから始める。 ⇒連載「Jetson Nanoで組み込みAIを試す」バックナンバー 2019年4月に米国のサンノゼで開催された「GTC 2019」で発表された「Jetson Nano」。メルマガの編集後記でもちょっとした試用レポートが上がっているが、国内でも既に販売が始まっている（秋葉原のショップで同年5月下旬に店頭販売も始まったが、初回出荷分は瞬殺された模様）。価格はおおむね1万2800円前後（

「Jetson Nano」を“まとも”に使えるようにする：Jetson Nanoで組み込みAIを試す（2）（1/2 ページ） NVIDIAが価格99ドルをうたって発表した組み込みAIボード「Jetson Nano」。本連載では、技術ライターの大原雄介氏が、Jetson Nanoの立ち上げから、一般的な組み込みAIとしての活用までを含めていろいろと試していく。第2回は、機械学習を試す前に“まとも”に使えるようにする。 ⇒連載「Jetson Nanoで組み込みAIを試す」バックナンバー 前回は、取りあえずOSがブートするところまでご紹介したが、これは本当に起動するまでで、しかもいろいろと間に合わせな部分もあった。次回からは機械学習（ML）関連を試してみるが、その前段階として“まとも”に使えるようにしてみたいと思う。 電源 まずは電源。前回ちょっと書いたが、Jetson Nanoを利用するための

「Jetson Nano」のCUDAコアで“Hello AI World”を動作させてみる：Jetson Nanoで組み込みAIを試す（3）（1/2 ページ） NVIDIAが価格99ドルをうたって発表した組み込みAIボード「Jetson Nano」。本連載では、技術ライターの大原雄介氏が、Jetson Nanoの立ち上げから、一般的な組み込みAIとしての活用までを含めていろいろと試していく。第3回は、Jetson NanoのCUDAコアを使って推論のサンプル“Hello AI World”を動作させてみる。 ⇒連載「Jetson Nanoで組み込みAIを試す」バックナンバー Ubuntuはちゃんと動き、Unixbenchもきちんと動作したので、いよいよCUDAコアを利用してのInference（推論）の動作である。まずはそもそもちゃんと動作する事を検証したいと思う。 NVIDIAは“Hel

ディープラーニングのG検定2019 #2の結果発表――合格者3672人、合格率は71.4％：キャリアニュース 日本ディープラーニング協会が、ジェネラリスト検定「JDLA Deep Learning for GENERAL 2019 #2」の結果を発表した。ディープラーニングを事業に生かすための知識を有しているかを検定するもので、受験者5143人のうち、3672人が合格した。 日本ディープラーニング協会（JDLA）は2019年7月16日、ジェネラリスト検定「JDLA Deep Learning for GENERAL 2019 #2（G検定）」の結果を発表した。 JDLAでは、ジェネラリストを「ディープラーニングの基礎知識を有し、適切な活用方針を決定して事業応用する能力を持つ人材」と定義している。G検定は、ディープラーニングを事業に生かすための知識を有しているかを検定するもので、同年7月6日