　また、TensorFlowをベースフレームワークとした低ビットの「Quantization Aware Training（量子化を考慮した学習）」や「Post Training Quantization（学習後の量子化）」を実行可能な深層学習ソフトウェア開発環境も用意した。これらの開発環境とテストチップを組み合わせることで、先進ドライバー支援システム（ADAS）、監視カメラ、FAにおいて、高度なエッジコンピューティングができるようになる。

　今回の試作は、新エネルギー・産業技術総合開発機構（NECO）の委託事業「進化型・低消費電力AIエッジLSIの研究開発」によるもので、同社はパートナー企業とともに回路の最適化を進め、AIチップの完成を目指すとしている。

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。
機械学習の2つの壁「分類モデルの選定」と「過学習」への対処法
さまざまなデータを用いた機械学習でスマートな製品開発を目指す上で課題になるのが、「分類モデルの選定」と「過学習」への対応だ。本稿では、分類モデルと過学習について概説するとともに、基礎的な対処法について説明する。
機械学習で入ってはいけないデータが混入する「リーケージ」とその対策
製造業が機械学習で間違いやすいポイントと、その回避の仕方、データ解釈の方法のコツなどについて、広く知見を共有することを目指す本連載。第1回では「リーケージ」について取り上げる。
機械学習による逆問題への対処法、材料配合や工程条件を最適化せよ
製造業が機械学習で間違いやすいポイントと、その回避の仕方、データ解釈の方法のコツなどについて、広く知見を共有することを目指す本連載。第2回は、製造業で求められる材料配合や工程条件の予測に必要な、機械学習による逆問題への対処法ついて取り上げる。
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。
画像処理と機械学習に特化したエッジAIチップ、「売価は1000円以下を目標」
ArchiTekは、「イノベーション・ジャパン2019 ～大学見本市＆ビジネスマッチング～」（2019年8月29～30日、東京ビッグサイト）において、同社が開発するエッジデバイス向けAI（人工知能）プロセッサの技術紹介を行った。競合のエッジAIチップと比較して電力性能やコスト面で優位性があると訴える。