　ディープラーニングで世の中の問題を解決するとき、2つの処理があります。「学習処理」と「推論処理」です。学習処理は、大量の学習データをコンピュータに見せるようなものです。1つのデータごとに、順伝播と逆伝播の処理を行い、それを膨大なデータで何度も繰り返します。非常に計算量の多い処理のため、GPUで加速したサーバを利用しても、この処理には何日もかかることがあります。この結果、出来上がるのが、「学習済みのモデル」です。

図 5　学習処理の模式図

図 6　推論処理の模式図

　この作られた学習済みのモデルへ未知のデータを与えて、それを1回の順伝播処理に通して判断させるのが、「推論処理」です。推論処理も、まだ計算負荷の高いものですが、それゆえにさまざまな手法が模索されています。

　推論処理の1例として、GPUを搭載した組み込みプラットフォームの利用があります。NVIDIA「Jetson TX1」のようなGPUのパワーをアクセラレーターとして利用できる組み込みプラットフォームを利用すれば、サーバのような大規模計算能力を搭載できない組み込み機器でも、複数・複雑なネットワークを利用可能となります。

図 7　Jetson TX1 モジュール（左）とJetson TX1 開発キット（右）。モジュールから専用の400ピン・コネクター経由で各種信号線が引き出され、キャリアボード上の各種インタフェースに接続される。右の写真はキャリアボードに Jetson TX1 モジュール（ヒートシンク・ファンつき）が載っている状態

　Jetson TX1を使ったロボット、ドローン、警備システムなどは、膨大なデータとそれを高性能なGPUサーバで学習させた成果を利用して、人・動物・車両の識別や、音声・自然言語の認識、その他、従来技術では困難であっても、ディープラーニングならば効果的に解決できると見えてきたタスクをこなせるようになりました。

図 8　エンルートの開発している高自律型ドローン。Jetson TX1を搭載しており、飛びながら対象物をディープラーニングにて認識・識別して機体制御に利用する機能を持つ

関連キーワード

ディープラーニング | 人工知能 | 組み込み | 製造業 | Preferred Networks | NVIDIA | 機械学習

「学習し続ける人工知能」の活用法

人工知能の奇跡的な復権
囲碁王者への勝利を果たすなどAI（人工知能）への注目は依然として高くありますが、研究史を知る身からすれば、AIへの興奮はジェットコースターのようなものであるとも感じられます。多岐にわたる成果を挙げ始めた現代のAIは何が違うのでしょうか。
人工知能は製造現場でどう役に立つのか
人間の知的活動を代替するといわれる人工知能が大きな注目を集めている。ただ、製造現場で「使える」人工知能は、一般的に言われているような大規模演算が必要なものではない。「使える人工知能」に向けていち早く実現へと踏み出しているファナックとPFNの取り組みを紹介する。
「学び続ける小さな人工知能」を実現する、組み込みボード「NVIDIA Jetson TX1」
NVIDIAは開発プラットフォーム「NVIDIA Jetson TX1」の国内販売を開始する。GPUによる画像処理はもちろんのこと、CUDAプラットフォームを利用することで実機にデプロイした後も学び続けるディープラーニングを構築できる。
「コンパクトな人工知能」実現へ、組み込み機器でディープラーニング
三菱電機がディープラーニングを組み込み機器単体でも実用可能なものとする手法を開発。自動車や産業用ロボット、監視カメラなどへの「人工知能」搭載を進める。
ディープラーニングによる特徴抽出を組み合わせ画像認識精度が向上
シーイーシーは、外観検査を自動化する画像処理技術とディープラーニングによる学習アルゴリズムを活用した画像検査システム「WiseImaging」を発表した。従来製品に比べ、認識精度が約30％向上している。