　拡張DFA法では、NNの最終層の誤差信号にランダム行列で線形変換を実施し、その数値をベースとして、学習パラメーターを更新して学習を進める。誤差逆伝搬（BP）法で行われる物理系の状態計測や微分応答の物理シミュレーションによる近似を必要とせず、光回路などの物理系上で実行できる。推論に加えて学習も物理系で計算できるため、学習過程を簡略化し、さまざまな深層学習モデルに対して適用可能だ。

（a）既存学習法と提案学習法の概要。（b）種々モデルでのベンチマーク結果［クリックで拡大］出所：NTT

　原理実証として、光回路を用いて推論と学習を疑似的に計算する光NNを構築。従来は困難だった光NNの学習を、光演算により効率的に実行できることを実証した。

（a）構築した光ニューラルネットワークでの画像認識タスクによるベンチマーク結果。（b）単位画像当たりの計算時間のニューロン数依存性［クリックで拡大］出所：NTT

　同社は今後、今回の開発手法による具体的な問題への適用性を検討するとともに、光ハードウェアの大規模小型集積を進めていく。

⇒その他の「人工知能ニュース」の記事はこちら

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。
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。
機械学習とディープラーニング、どちらを使えばいいのか
研究開発プロジェクトを先に進めるためにどのようなAI技術を使用すればいいのだろうか。本稿では、その一助とすべく、機械学習とディープラーニング（深層学習）の違いについて概説し、それぞれをどのように適用すべきかについて説明する。
トップはNTT、AI関連発明の出願状況調査レポート最新版を特許庁が公開
特許庁は2021年8月30日、国内外におけるAI関連技術の特許出願状況に関する最新の調査レポートを公開した。機械学習技術などを中心とする「AI関連発明」の出願件数が近年急速に伸びている。
NTTがIOWN初のサービス実用化へ、光回線で従来比200分の1の低遅延通信を実現
NTTは2022年11月14日、光ベースの技術によるネットワーク構想「IOWN」について、サービス第1弾として「IOWN1.0」を2023年3月から提供開始すると発表した。