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：組み込み開発 インタビュー（2/2 ページ）

DBTの“強み”を捨てることで段違いの省メモリ化を実現

　新たに開発されたMSTだが、これまでにエイシングが発表したDBTとは、使用するメモリ容量以外に何が違うのだろうか。

　DBTの最大の特徴は、木構造が自己組織的に成長するところにある。アダプティブなAIアルゴリズムなので、AIの課題の一つであるオーバーフィッティングを防げるのだ。例えば、一般的なAIアルゴリズムの場合、10〜20℃の温度データで学習を行っている中で、30℃や50℃といった学習に用いた範囲外の温度データが入ってくると「外挿」によって精度が大きく低下してしまうが、DBTは精度が低下しない。「木構造が自己組織的でアダプティブなので、こういった問題に対応できる」（出澤氏）。

　MSTでは、省メモリ化をつきつめるため、DBTが持つ「自己組織的でアダプティブ」という特徴を捨てた。このため、学習データの入力についてはあらかじめ想定している範囲に収める必要があり、DBTほどのレベルで外挿に対応するのは難しい。

　また、DBTでは入力次元数を100次元に制限しており、このため画素数がそのまま入力次元数になる画像データに対応することは難しかった。MSTは、入力次元数を制限していないためより多くの次元数でデータを入力でき、やろうと思えば画像データに対応することも可能だ。ただし、画像データなどを扱う場合はMBオーダーのメモリ容量が必要になるので、MSTの省メモリという強みは生かせない。基本的には、センサーやモーターなどの時系列データを対象とするのが最適だろう。さらに、MSTはDBTと同様に、新たな入力データを用いてAIアルゴリズムをアップデートする追加学習にも対応している。

ランダムフォレスト、DBT、MSTの比較（クリックで拡大） 出典：エイシング

　出澤氏は「これまで用いられていたランダムフォレストの置き換えにMSTを提案できるだろう。1000分の1以下という省メモリ化や、Cortex-M0+でも動くという特徴は、ユーザーにとっても分かりやすいメリットになるのではないか」と説明する。

　MSTは、既に10数社以上から実際の案件につながるレベルの引き合いが来ているという。これらの1件はPoC（概念実証）の段階に入っており、今後も採用は広がっていきそうだ。

エッジAIのシンクタンク「E-ARC」を立ち上げ

　エイシングは、MSTやDBT、そして「SARF（Self Adaptive Random Forest）」などから成る木構造のAIアルゴリズム「AiiR（AI in Real-time）シリーズ」を展開しており、これらのライセンスによって事業を構築している。

　出澤氏は「AIスタートアップの多くは、売上高を伸ばすためにAIの受託開発を手掛けることが多い。当社はできるだけAIの受託開発を行わず、AIのライセンス販売で事業を成り立たせていきたいと考えている」と語る。

　エイシングのAiiRシリーズは、木構造による追加学習が大きな特徴であり強みだが、逆に言うと競合も少ない。「競争が激しいとその分だけ顧客に多くの情報が行きわたるが、AiiRシリーズの強みとなる木構造による追加学習をはじめとするエッジAIは、競合が少ないこともあってまだ広く知られていない。当社がライセンス販売を拡大するためにも、まずはエッジAI全体の技術情報を広く発信する必要がある」（出澤氏）という。

　そこで2020年5月に立ち上げたのが、エッジAI領域の市場調査機関「E-ARC（Edge AI Research Center）」である。E-ARCは、エイシングのポジショントークとならないよう心掛けながら、エッジAIに関する論文などを定期的に発表している。

E-ARCのWebサイト（クリックでWebサイトへ移動）

　出澤氏は「E-ARCは10〜20年先を見越した取り組みだ。Armが提唱する、センサーなどの末端の機器にAIが組み込まれていく『エンドポイントAI』というコンセプトがデファクトになっている未来に向けたシンクタンクという志で進めている。広めることでエッジAIがコモディティ化するというリスクもあるが、当社はその中でも技術を磨き続け、毎年1つは新しいAIアルゴリズムを発表するなど常に研さんしていくことが重要。たとえエッジAIがコモディティ化しても、最先端は生き残るからだ」と述べている。

⇒その他の「組み込み開発 インタビュー」の記事はこちら