　AI（人工知能）ベンチャーのエイシングは2019年1月23日、東京都内で会見を開き、組み込み機器などのプロセッサでAIの推論実行だけでなく学習も行える同社の独自技術「DBT（Deep Binary Tree）」について説明するとともに、DBTによるアプリケーション開発を容易に行えるAIモジュール「AiiR（AI in Real time：エアー）チップ」を開発したと発表した。当面は、オムロンやデンソー、JR東日本に加え10数社の既存ユーザーや、政府系研究機関などに優先的にAiiRチップを提供し、DBTを用いたAIアプリケーションの開発を加速させたい考え。2019～2020年にかけて、ザイリンクスのプログロマブルSoC「Zynq7000シリーズ」ベースのAiiRチップの投入を検討しており、それに併せて事業展開を拡大していく方針だ。

　エイシングは、2000年代前半まで早稲田大学で機械制御とAIを学んだ、CEOの出澤純一氏とCTOの金天海氏が2016年12月に創業したベンチャー企業だ。金氏が岩手大学電機システム工学科の准教授を兼任していることもあり、岩手大学発ベンチャーとしても知られている。出澤氏は「現在のAIベンチャーの多くは、AIを専門とする情報工学系研究室にルーツを持つことが多い。これに対して当社は、機械制御とAI、両分野の専門家である点で大きく異なる」と語る。

組み込み機器を念頭に作られたAI「DBT」

　現在、AIとほぼ同義で語られることも多い深層学習（ディープラーニング）では、クラウドで学習を行い、エッジで推論を担うという役割分担をしていることが多い。これは深層学習の学習プロセスに、かなりの計算処理リソースが必要になるからだ。「このため、深層学習ではエッジで学習ができない。もし5G技術が普及して、クラウドで学習と推論を行ってエッジを制御しようとしても、通信のための遅延（レイテンシ）はある程度発生してしまう。また通信コストも課題になる」（出澤氏）。

エイシングのDBTと深層学習などの既存のAIの違い（クリックで拡大）出典：エイシング

　これに対して、エイシングのDBTは、組み込み機器を念頭に作られたAIであり、エッジで学習と推論の両方を行えることが特徴になる。例えば、5米ドルで購入できる「Raspberry Pi Zero」にDBTを実装する場合でも、学習は50μ～200μs、推論は1μ～5μsで応答可能だとする。また、深層学習に必要なデータサイエンティストなどのAI専門家によるパラメータ調整が不要であり、深層学習では難しい追加学習も可能といったメリットもある。

DBTは「Raspberry Pi Zero」に実装できる（クリックで拡大）出典：エイシング

　出澤氏は「これだけ聞くと夢のようなAIかと思うかもしれない。しかしDBTは、機械制御を主な対象としており、入力種別数が100個程度と少ないので、学習データとして画像を扱うことが苦手だ。これに対して深層学習は、入力種別数が数百万と多く、画像認識に向いている」と説明する。

深層学習とDBTの比較（クリックで拡大）出典：エイシング

　このDBTの際立った特徴を基に、機械やロボットなどの経年劣化の補正や、モーターなどの製品の個体差補正、性能がばらつくバッテリーの個体差補正、生体情報の個人差補正など「個体差補正」を得意領域として、事業展開を強化していく方針だ。「予測制御や複雑系、職人の勘の代替は、DBT以外のAI技術でも対応できる。個体差補正はDBTでなければ実現できないのでブルーオーシャンといえるだろう」（同氏）。