　一般的な深層学習ベースのAIアルゴリズムは、Pythonなどを使って開発し並列演算させることが前提になる。これに対してAiirDNNは、C言語ベースでの直列演算によってCPU上での推論実行に最適化することが基本アーキテクチャになる。また、ニューラルネットワークの種類によって変える必要があるランタイムエンジンを共通化している点も大きな特徴となっている。

　AiirDNNは2通りの使い方がある。1つは、外部のAIプラットフォームで構築した深層学習ベースのAIアルゴリズムのモデルデータをコンバーターの「AiirDNN Converter」によってAiirDNNのモデルデータに変換する方法だ。「再マッピングによる置き換えで、モデルデータの容量を約3分の1に圧縮できる。量子化などの方法で圧縮しないので推論精度の低下も起こらない」（出澤氏）という。もう1つは、データの学習の段階からAiirDNNを用いる方法であり、モデルデータが軽量になる点に変わりはない。また両方法とも、エイシングがAiiRシリーズの特徴とする追加学習に対応している。

「AiirDNN」の2通りの使い方［クリックで拡大］出所：エイシング

　AiirDNNで扱うモデルデータは、レイヤーの層数に制限はない。ハードウェアのメモリ容量に合わせて自由に設定することが可能だ。現時点で、AiirDNNで扱えるレイヤーの種類は、Dense（全結合）、SimpleRNN、Conv2Dなど7種類しかサポートしていないが、今回の発表と併せて協業パートナーから具体的なユースケースを募ることで拡充し、正式リリースにつなげたい考えだ。

「AiirDNN」はレイヤーの層数に制限はない。サポートするレイヤーはDense（全結合）、SimpleRNN、Conv2Dなどの7種類［クリックで拡大］出所：エイシング

　実際のAiirDNNの性能としては、MNISTによる28×28サイズの画像認識をCortex-M4F搭載マイコンで推論実行した場合、メモリ容量は28K～38KB、認識率は94～95％、演算時間は2m～11msになったという。

「AiirDNN」の性能の例［クリックで拡大］出所：エイシング

　出澤氏は「汎用マイコンだけでなく、Cortex-Aシリーズの低消費電力コアを搭載するMPUとマイコンの中間に位置する製品などでも有効活用できるだろう。民生品へのAI機能の組み込みでコストを抑えたい場合に、AiirDNNの省メモリ、低い演算コスト、OSレスという特徴が生きてくるのではないか」と述べている。

「AiirDNN」の3つの特徴［クリックで拡大］出所：エイシング

⇒その他の「人工知能ニュース」の記事はこちら

生成AIは製造現場でこうすれば使える、ハノーバーメッセ事例
いろいろと使い道がありそうです。
マイコンに組み込み可能な深層学習技術、オンデバイスでの追加学習も可能
エイシングは、マイコンにも組み込み可能な軽量性をもつディープラーニング（深層学習）技術「AiirDNN」を開発した。
エッジAIの可能性を広げる「MST」、なぜCortex-M0+マイコンでも動くのか
エッジAIスタートアップのエイシングは、マイコンを使って、AIによる推論実行だけでなく学習も行えるアルゴリズム「MST」を開発した。ローエンドの「Cortex-M0+」を搭載するマイコンでも動作するMSTだが、より多くのメモリ容量が求められるランダムフォレストと同等の精度が得られるという。開発の背景を同社社長の出澤純一氏に聞いた。
マイコンでCBMを実現する異常検知アルゴリズム、逐次学習による高精度化も
エイシングは、機器の状態を監視しながらメンテナンス時期を決定するCBM向けの異常検知アルゴリズム「MSAT++」を開発したと発表した。モデルサイズは数KBと省メモリであるとともに、正常データからモデルを構築しての異常検知が可能で、逐次学習によりモデルの精度を向上できることなどが特徴となっている。
経年劣化にも対応する「リアルタイム学習AI-PID制御」、エイシングが特許取得
エイシングは、PID制御を飛躍的に高度化できる「リアルタイム学習AI-PID制御」に関する特許を取得したと発表した。PID制御にAIアルゴリズムに基づく予測器を組み合わせる「AI-PID制御」に対して、制御対象の経年劣化などによって起こり得るAIアルゴリズムの予測精度低下を防ぐための追加学習を行える仕組みが特許取得の対象となる。
エイシングがエッジAIパートナープログラムを設立、ルネサスやNXPと提携
エイシングは、同社独自のエッジAIパートナープログラムを設立した。組み込みエッジAIの共同プロモーションを展開するもので、ルネサスエレクトロニクスおよびNXPジャパンをパートナー企業に迎えている。