　Preferred Networks（以下、PFN）は2019年5月16日、オープンソースの深層学習フレームワーク「Chainer（チェイナー）」および汎用配列計算ライブラリ「CuPy（クーパイ）」のメジャーアップデート版「v6（β版）」を発表した。Chainer v6では、v5までのコードをほぼそのまま扱える。

　2015年6月にオープンソース化されたChainerは、Pythonベースの深層学習向けフレームワークだ。Define-by-Run方式により、簡単かつ直感的に複雑なニューラルネットワークを設計できる高い柔軟性とパフォーマンスを備える。

　Chainer v6にはC++製の「ChainerX」が試験的に統合され、高速でよりポータブルな多次元配列と自動微分のバックエンドを追加。Chainerの柔軟さや後方互換性をほとんど失うことなく、順伝播、逆伝播ともにフレームワーク側のオーバーヘッドを大幅に低減し、性能を高めている。

　また、新たなハードウェアへの対応をサードパーティーの開発者がプラグインとして実装することで、ChainerおよびChainerX本体のソースコードを変更することなくChainerX上で利用できる。

　さらに、混合精度学習のサポート強化、FunctionやLinkのテストツール追加、NumPy関数へのCuPy配列対応などを実施。今後もChainerXのユーザビリティの向上、対応する演算の拡充などを進めることで、より広い範囲のユースケースでの性能向上に貢献していくとしている。

AIと機械学習とディープラーニングは何が違うのか
技術開発の進展により加速度的に進化しているAI（人工知能）。このAIという言葉とともに語られているのが、機械学習やディープラーニングだ。AIと機械学習、そしてディープラーニングの違いとは何なのか。
機械学習はどうやって使うのか――意外と地道な積み重ね
前編では、AI（人工知能）と機械学習、ディープラーニングといった用語の説明から、AIを実現する技術の1つである機械学習が製造業を中心とした産業界にも徐々に使われ始めている話をした。後編では、機械学習を使ったデータ分析と予測モデル作成について説明する。
世界を変えるAI技術「ディープラーニング」が製造業にもたらすインパクト
人工知能やディープラーニングといった言葉が注目を集めていますが、それはITの世界だけにとどまるものではなく、製造業においても導入・検討されています。製造業にとって人工知能やディープラーニングがどのようなインパクトをもたらすか、解説します。
PFNが深層学習プロセッサを開発した理由は「世界の先を行くため」
Preferred Networks（PFN）は2018年12月12日、ディープラーニングに特化したプロセッサ「MN-Core（エムエヌ・コア）」を発表した。同プロセッサは学習の高速化を目的とし、行列の積和演算に最適化されたものとなる。FP16演算実行時の電力性能は世界最高クラス（同社調べ）の1TFLOPS/Wを達成した。
AI×IoTのブレークスルーを生み出すPreferred Networks、原動力は成長と多様性
ベンチャー企業のPreferred Networks（PFN）は、時代に先駆けてAIとIoTに着目することで一気に業容を拡大している。同社の原動力になっているのは、創業精神として今も続く「常に新しく技術を取り込んでいく成長」と「多様性」だ。
DSPコアがChainerに対応、AIアプリケーション開発を促進
Cadence Design Systemsは、Cadence Tensilica Vision Q6、P6、C5 DSPが、Preferred NetworksのChainer学習済みニューラルネットワークモデルに対応したと発表した。