エッジAI | SEO-LPO.net

産業用オープンソースハードウェアのビズライト・テクノロジーがエッジAIカメラをJVCケンウッドと共同開発

産業用オープンソースハードウェアの企画・製造スタートアップ「ビズライト・テクノロジー」は9月23日、JVCケンウッドと共同開発したIoTエッジAIカメラ「BH3-AI-VISION」を発表した。10月下旬より発売する。

またJVCケンウッドは、同カメラを人間の五感機能をセンサーで補う「EXensors」（エクセンサーズ）シリーズの第1弾として展開し、総代理店として販売する。JVCケンウッドは、今後も多くのAIベンダーや関連ソリューションを持つ企業とパートナリングを創出し、事業への展開を目指すとしている。

BH3-AI-VISIONは、JVCケンウッドのプロ用・家庭用ビデオカメラやドライブレコーダー開発で培った映像光学技術と、オープンソースハードウエアを活用した産業用途展開で実績を持つビズライト・テクノロジーとの協業により開発。

同カメラは、Raspberry Pi（ラズベリーパイ）ベースの汎用エッジボックス「BH3」のカメラ一体型モデルとなっており、PoE+に対応。単体またはアクセラレートデバイスを接続することで、エッジAIカメラシステムを構築できる。

小型・軽量ながら高精細な映像を記録できるほか、カメラ側でディープラーニングにおける推論処理のカスタマイズが可能。人数カウントや駐車場のナンバープレート確認、マーケティング用途などで活用できるという。また、すでにプロトタイプを活用した銀行の実店舗における振り込め詐欺を未然に防ぐソリューションの実証実験も2020年7月に開始している。

産業用オープンソースハードウェアのビズライト・テクノロジーがエッジAIカメラをJVCケンウッドと共同開発

JVCケンウッドのEXensorsは、「外付けする追加機能」を意味する「EX」とデータを感知する「Sensor」の組み合わせによる造語。JVCケンウッドは、同カメラを核に各種エッジセンサー製品やIoTシステム製品と組み合わせることで、「外付けする追加機能」により人間の五感機能をサポートするエッジセンサー群として、工場での製品不良検品やアナログメーターの読み込みなど、膨大な映像・画像のデータ処理を必要とする様々な分野に展開していくという。

また、骨格推定エンジンをはじめ、顔認証・年齢推定などのAIエンジン・ソフトをエッジAIカメラに搭載することで、幅広いソリューションの提供が可能としている。

産業用オープンソースハードウェアのビズライト・テクノロジーがエッジAIカメラをJVCケンウッドと共同開発

中小企業へ「はやい・やすい・巧いAI」の提供目指すフツパーが数千万円調達

中小企業向けのエッジAIソリューションを手がけるフツパーは5月21日、ANRIから数千万円規模の資金調達を実施したことを明らかにした。

同社が現在取り組んでいるのは、中小企業の課題を解決するための画像認識AIサービスだ。主なユースケースは食品工場や部品工場における検品業務など、従来は人が目視で行なっていた作業の自動化。工場の現場にAIを組み込んだデバイスを設置し、そのデバイス上で画像認識処理を実行する。

これはエッジAI全般に言える話ではあるけれど、クラウド側ではなくエッジデバイス側で処理を行うことで通信コストを減らせるほか、高速なデータ処理を実現できる。またネットワークを整備するための初期工事なども必要ないため、導入までのスピードも早い。

フツパーでは既存のハードウェアやAIモデルなどを組み合わせ、こうしたエッジAIの恩恵を中小企業が享受できるような仕組みを開発している。たとえばハードウェアはNVIDIA製のもの、AIモデルについてはGoogleやFacebookが手がけるオープンソースのフレームワークを採用。すでに存在する高品質なものを取り入れながら顧客のニーズに合わせてカスタマイズしたモデルを生成し、それを自社の圧縮技術によって手の平サイズのデバイスに搭載して、すぐに使える形で顧客へ届ける。

コンセプトは“はやい・やすい・巧い”AIだ。

「通常、工場の現場などでAIを活用したプロジェクトを始めるとなると数ヶ月かかることも珍しくなかった。自分たちの場合は小型のデバイスを現場にポン付けで導入できるので、すぐにスタートできる。初期投資も少なく手軽に始められるほか、（全てをゼロから自分たちで開発するのではなく）質の高い技術を組み合わせることで安くてもいいものを実現できる」（フツパー代表取締役CEOの大西洋氏）

フツパーは2020年4月1日に広島大学出身の3人が立ち上げた。大西氏は大学卒業後に電子部品メーカーを経て、工場向けのSaaSを展開するAI/IoTベンチャーで営業やPMを経験。取締役兼COOの黒瀬康太氏は日本IBMで多数のAI導入案件に携わった。中小企業向けのAIソリューションをテーマに起業を決めたのは、前職時代に感じた課題感も大きく影響しているという。

「九州の拠点で働いていたので、現地の中小企業の課題を聞く機会が頻繁にあった。（人手不足などもあり）AIを用いた解決策に興味を示す人は多かったものの、大手企業向けのサービスではどうしても金額感がフィットせず、本当に必要としている人たちにサービスが届きづらい状況だった」（黒瀬氏）

特に地方の場合はAIの導入支援をサポートするパートナー企業が少ないため、実際に導入するまでの工程を伴走できるのは大手企業くらいしかいないそう。その結果「ミニマムで数千万円から」といったように料金がエンタープライズ向けの価格帯となってしまい、AIの導入を断念する中小企業も多い。

フツパーでは上述した通り既存のものを組み合わせることでデバイス、モデル作成、実装込みで数百万円前半から導入できる仕組みを構築。判定結果を通知するSaaS型のクラウドサービスも月額数万円から使えるようにした。

「モデルを作る技術などで勝負するというのではなく、導入までの手軽さで勝負をしていきたい。（判定結果を）見れる画面までを用意した上で、デバイスとセットでAIを1日程度で提供でき、なおかつ従来のものと比べて料金的にも安ければ十分にチャンスはあると考えている」（大西氏）

初期は食品系の製造業をメインターゲットとして事業を展開する計画。フツパーが大阪に本拠地を構えていることもあり、まずは関西エリアを中心に事業を広げていく予定で、現在は数社と現場への導入に向けた打ち合わせを進めている状況だ。

直近では新型コロナウイルスの影響も受けて、狭い空間に人員が密集するリスクを出来るだけ避けたいというニーズも工場では生まれているそう。そのような要望への対応策としてもAIソリューションの提供を進めていきたいとのことだった。

エッジAI開発のエイシングが第一生命、未来創生ファンドから4億円を資金調達

エッジデバイスに組み込んで利用するAI技術を提供するエイシングは3月23日、第一生命保険および未来創生2号ファンドを引受先とした4億円の資金調達実施を発表した。今回の第三者割当増資は、2019年11月に発表したシリーズBラウンド調達の追加に当たり、ラウンド全体では7億円の調達となる。また同社創業からの累計では約9億円の調達金額となった。

エイシングが開発・提供するのは、エッジデバイス組み込み型のAIアルゴリズム「Deep Binary Tree（DBT）」をはじめとする、エッジAIのプロダクト群「AI in Real-time（AiiR）」。産業用ロボットやスマートフォン、コンピュータを搭載したクルマなどのエッジデバイスに組み込んで利用する「エッジAI」技術だ。

AiiRは軽量・インターネット接続不要で、低スペックなコンピューティング環境でも学習と予測が完結できる点が特徴。エッジでの学習、調整のいらない逐次学習を可能としており、クラウドを介する必要がないため高速で、リアルタイムな学習やデータ処理を実現している。

エイシングでは現在、オムロンやデンソー、JR東日本といった大手企業との間で、PoCおよび共同開発を実施している。エイシング代表取締役CEOの出澤純一氏によれば「PoC実施は30件前後、共同開発も5〜6件と順調に進んでいる」とのことだ。

また技術ライセンス提供も実現し、1社とは既に契約締結が完了したという。ライセンスについては、ほか数社とも契約締結を目指しており、「サブスクリプションモデルや受託モデルではなく、当初から考えていた技術ライセンス提供というモデルでの市場展開が進められそう」と出澤氏は話している。

調達資金にの使途については「技術力の高い人材や、自律的にビジネスデベロップメントができる人材の採用を進める。顧客対応や新技術の研究開発も加速・強化する」（出澤氏）とのこと。さらに「海外展開も視野に入れており、ヨーロッパ市場への進出も目指す」と出澤氏は語っていた。

デバイス側で学習・予測が完結できるエッジAI開発のエイシングが3億円を調達

エイシング代表取締役CEO 出澤純一氏

エッジデバイス組み込み型のAIアルゴリズム「ディープ・バイナリー・ツリー（以下DBT）」を提供するエイシングは11月20日、約3億円の資金調達を実施したことを明らかにした。第三者割当増資の引受先は三井住友海上キャピタル株式会社が運営するMSIVC2018V投資事業有限責任組合。2016年12月設立のエイシングは、2017年にも約2億円を調達しており、今回の調達により、累計調達金額は約5億円となる。

エイシングが開発・提供するDBTは、産業用ロボットやスマートフォン、コンピュータを搭載したクルマなどのエッジデバイスに組み込んで利用する「エッジAI」だ。画像認識などで知られる従来のディープラーニングをはじめとしたAIは、容量が大きく、クラウド側で情報処理が行われることが多い。これに対し、エッジAIは導入機器側にエンベッドして情報処理を実行し、学習と予測を完結して行う。このため、クラウドサーバーとエッジの通信による遅延が回避でき、高速なデータ処理が可能だ。

特に産業ロボット、自動運転車など、エッジデバイス上でのリアルタイムかつ高精度な制御が求められる領域では、エッジAI実装へのニーズが高まっているという。こうした背景を踏まえ、エイシングではエッジ側でリアルタイムに自律学習・予測が可能な独自のAIアルゴリズムDBTを開発・提供している。

DBTの特徴は高精度、軽量でオンライン学習ができる点だ。現在、エイシングではマイクロ秒単位での高速動作が特徴の「DBT-HT（High Speed）」と、精度を向上させた高精度型の「DBT-HQ（High Quality）」の2種をリリース。速度重視、精度重視とユーザーニーズに応じて、ソリューションを提供している。

エイシング代表取締役CEOの出澤純一氏によれば「既存アルゴリズムのDBTに加えて、新しいアルゴリズムの発明も行っており、エッジ側で逐次的にリアルタイムで学習して予測制御を行うエッジAI技術『AI in Real-time（AiiR）』として、プロダクト群を展開していく」とのこと。

エイシングでは、一時は金融工学への応用なども検討していたが、現在は、強みである機械工学の領域での開発に集中している、と出澤氏。オムロンやデンソー、JR東日本といった大手企業ともPoC実施、共同開発を進めているそうだ。技術レベルの向上により、セキュアで、データ的に軽量な実装も実現してきているという。

実証実験済みのユースケースでは、トンネルなどの掘削に使われるシールドマシンの制御において、熟練工の指示に代えて、リアルタイムでのフィードバックと予測制御をエッジAIが行うことで、掘削効率と精度の向上を図っている例や、プログラムに記述しきるのは難しいクレーンの制御を、ディープラーニングによる画像解析との組み合わせにより、エッジ側でリアルタイムに学習しながら動作に反映することで実現する、といった例などがある。

また現状ではシミュレーター上での再現だが、クルマのスリップを事前予測して、制御側にアラートするという例もあるそうだ。従来のセンシングではスリップをしてからいかに早く戻れるか、という制御を行っているのだが、エイシングのエッジAIはスリップをする状況を事前に学習させておくことで、「このままの速度、ハンドル操作では何ミリ秒後に滑る」という情報を制御側に教えて、スリップを回避することができるという。

クルマの制御ではタイヤの摩耗や気温、路面温度などの環境が大きく影響するが、全てをセンシングするわけにはいかず、条件ごとの制御をやり切るのが難しいという事情もある。そこをエイシングのエッジAIでは、センシングが簡単な加速度センサーと車速計、ステアリングの角度だけを参照して学習することができ、さらに積載量、人数による変化も追加で学習して補正し続けることも可能だという。

出澤氏はさらに「工場の機械などで、経年劣化による変化を反映して制御することや、モーターなど製品の微妙な個体差を補正すること、スマートウォッチなどのウェアラブル端末で生体情報の個人差を補正するといった、リアルタイムで学習しながら補正して出力をする、個体差補正についてはエイシングのエッジAIしかできない部分だ」と述べている。

今回の調達資金により、エイシングではDBTをはじめとするエッジAI技術、AiiRの研究開発の強化と、顧客のシステムへの実装までを技術的にカバーする体制づくりを図る。

出澤氏は「顧客からのヒアリングを重視することで、課題・ゴールを明確にしてPoCを実施してきた。現在はパートナーとしての共同開発まで進んでいるところ。今後、この技術のライセンス提供を目指している」と話しており、既に数社へのライセンス提供は見込めそうだという。また、中長期的には、DBT以外のプロダクトも含めたデバイス側AIの市場獲得を図っているとのことで、「3〜5年のタームでグローバルにも展開していき、工業製品AIのデファクトスタンダードを目指したい」と語っている。

XnorのAI2GOは数回のクリックだけでエッジAIをカスタマイズ

AIは、中小企業やその他の業務で発生する大量の日常的なタスクの実行に役立つ。もし自分専用の機械学習エージェントを構築して展開する方法を知っていさえすればの話だが。残念ながらそれを知っている人はほとんどいない。そんな状況の中、エッジベースAIのスタートアップXnor.ai は、非専門家たちがウェブサイトを更新するのと同じくらい気軽に、最先端のAIを動かせるようにすることを狙っている。

同社はAI2GOという名の新しいプラットフォームを立ち上げたばかりだ。これは基本的に、エッジベースAIのための一般的なアプリケーションとハードウェアプラットフォームの組み合わせを一箇所に揃え、ほとんどあるいは全く専門知識なしでもそれらをダウンロードできるようにしたものだ。

創業者でCEOのアリ・ファハディ（Ali Farhadi）氏はTechCrunchに対して次のように語った。「AIの開発は難しいことですし、それができる人はそれほど多くありません。そして、エッジデバイスへの展開はさらに困難です。消費電力、メモリ制限、その他すべてについての心配する必要があるからです。つまり、AIとシステム両方の専門知識を持っていなければならないのです」。

あなたが小さなビジネスオーナーであるとして、仮に自分のレストランに特定の時間に何人の人がいるかがわかったら素敵だと考えたとしよう。幸運を祈りたい。TensorFlowのようにAIをトレーニングして展開するための比較的入手しやすく広く利用可能なフレームワークでさえ、ドメインの専門知識がない人にとっては利用は難しい。AI2GOは、技術的な基本的な知識は持っているものの、自分の目的に利用するカスタムのコンピュータビジョンモデルを構築するために数万枚もの自動車や人間の写真は提供できない人たちを対象としたものだ。

エッジコンピューティングを再定義するXnorのクラッカーサイズの太陽電池式AIハードウェア

「汎用プラットフォームを使って、ご自身のモデルの訓練を行うことが可能ですが、多くのビジネスやアプリケーションでは、そうした訓練を行う必要はありません。すでにそのためのソリューションが存在しているからです。例えば、駐車場のオーナーならおそらく車の出入りとかそうしたものをモニターしたくなるでしょう」とアリ氏は語る。「AI2GOを使えば、例えば車の認識といったモデルをクリックして、次にハードウェア（例えば、セキュリティカメラチップセットやRaspberry Pi Zeroなど）を選択するだけです。それから、いくつかのパラメータを調整することで、自分の制約条件に合致したXnorバンドルを生成することができるのです」。

この生成されたバンドルは、ユーザーが選択したモデル（群）で構成され、電力またはメモリの制約を満たすようにカスタマイズされた、完全に機能するエッジベースのAIシステムである。ユーザーは指示に従ってそれをインストールすることになる（なおここではソフトウェアの構築と展開についてのある程度の知識が必要となる。このシステムはド素人向けのものではない）、ほんの2、3分ですでに設置してあるカメラを使って、リアルタイムに動作する車検知モデルが手に入るはずだ。そのプロセスは下の図のようにみえるだろう。

ファハディ氏はこのやり方を、Stripeのようなものと比較しながら説明した。もしオンラインショップを始めようとしているなら、支払い処理機構をゼロから構築したくはないだろう。それでも自分の要求に調整された何かは必ず必要だ。同社はすでに企業顧客向けのカスタム高性能エッジAIモデルを作成しているが、中小企業は同じような製品に興味を持つだけでなく、よく似たタスクを抱えていることもわかってきた。

猫の探知機能からジェスチャーの識別に至る、あらゆる領域をカバーした事前に訓練されたモデルがたくさんある。以下に示したのは現在利用可能なもののいくつかの例である。

人物検出機能：カメラが捉えた人物にバウンディングボックスを設定
人物分離機能：人体を検出して背景から分離
表情分類機能：怒り、恐怖、幸福などの表情を読み取る
スポーツオブジェクト探知機能：ボール、テニスラケット、スキーなどのものを識別して追跡する
アクション分類機能：楽器の演奏、何かを押す、自転車に乗る、登る、走るなどの一般的な人間の行動を見つける
台所用品および食品分類機能：一般的な食品（リンゴ、調味料）ならびに台所用品（スプーン、マグカップ）に対してラベルを付与
車内アイテム検知機能：車の中にある（または置き忘れた）鍵、人、電話、その他のものを追跡
自動車モデル分類機能：自動車の一般的な構造とモデルの識別

この他にも多くのものがあり、異なる目的別に似たような機能がさまざまなかたちで用意されている。車載カメラの人物識別機能は、当然スマートホームやセキュリティで使われる同機能とは異なるものとなる。

現在はまだ、複数種類のアイテムを混在させることはできない。これは新しいハードウェアプラットフォームやユーザー自身のデータを持ち込ませる機能と並んで、今後のバージョンで提供される可能性が高い。

ライセンスモデルは非常に簡単だ。ダウンロードしたモデルは試用あるいは個人的な目的で使用する場合は無料だが、それを商用展開する際にはライセンスを申請する必要がある。コードサンプル付きのSDKが用意されているが、自分自身で構築せずに、単に試してみたい場合のデモもいくつか用意されている。

[原文へ]

（翻訳：sako）