FPGAの最�jのメリットは、�b理�v路をフレキシブルに構成し直せることである。カメラからの映�鞠Ъ韻蓮▲�ルマの�O動運転に�Lかせないだけではなく、衝突�v�cし軟��陸できるドローン、協調性のあるロボット（コボット）、医����画�欺萢�や�}術�мqロボットなどにも期待されている。

ディープラーニングには学�{�壻�において、入��データと�_みとの積を加えていく、積和演�Qを行うが、��来のハイエンドコンピュータだと64ビットのデータ長で処理している。しかし、これでは�_すぎる。このため、演�Qビットを半�@度の16ビットあるいはもっと��い8ビットまで落として���Qする�気��]く、しかも消�J電��が少なくて済む。Googleが開発したディープラーニング専��のエンジンTPU（Tensor Processing Unit）には8ビット演�Qが�H��されていると言われている。CPU�擬阿任蓮�64ビットあるいは32ビットから8ビットへ切り出すためには変換が��要でそのための�v路をハードワイヤードで作るか、FPGAで作るか、という���Iが��要になる。

�k�機▲妊�ープラーニングではもっと�]く�~単に学�{させるためのアルゴリズム開発が求められる�屬法△気泙兇泙淵▲襯乾螢坤爐���格の変��が求められる。このような変��に�瓦靴董△垢��官�できるのがFPGAだ。もちろん、割り込み命令に�官�できるCPUや、並�`に同じ処理を行うのに適したGPUでも�官�できるが、FPGAの�気��~単のはず。しかし、�~単にソフトを書くためのプラットフォームやツールがなかった。

XilinxのreVISIONは、Responsive and Reconfigurable Vision Systemsの�Sであり、図1に��すように、プラットフォーム開発、アルゴリズム開発、アプリケーション開発の3つのプラットフォームを含む。これらのレイヤーのソフトウエアを開発するためのツールである。AlexNetやGoogLeNet、SqueezeNet、FCNなどを含む最も�k般的なニューラルネットワークをサポートし、画�鞠Ъ韻砲茲�使われるDNN/CNN（ディープニューラルネットワーク/�Q込みニューラルネットワーク）の構築に��要なライブラリも提供する。

図1　AI向けのソフトウエアスタックの開発システム　出�Z：Xilinx

さらに、reVISIONのメリットには開発期間の�]縮もある。アプリケーションの開発に�瓦靴董�Xilinxはマシンラーニング向けのライブラリCaffeと、コンピュータビジョン向けのAPIのOpenVXを含む業�c�Y��のフレームワークもサポートしている。このため、reVISIONを使うと開発期間が�j幅に�]縮する(図2)。

図2　reVISIONで開発期間を�j幅に�]縮する　出�Z：Xilinx

��合するGPUや�Y��的なSoCと比べて、XilinxのFPGA内��SoCであるZynqシリーズにreVISIONを組み込むと性�Δ魯▲奪廚垢襦�マシンラーニングでは6倍優れた画�欺�数/秒/W、コンピュータビジョン処理では42倍高�]のフレームレート(フレーム数/秒)、さらにリアルタイム応��では、1/5のレイテンシ(ms)という性�Δ陵グ明�が見られたとしている。reVISIONスタックの供給は2017�Q��2四半期を予定している。

今後、Xilinxは8ビットから4ビット、2ビット、1ビットへと、�@度を可変できるように学�{と推�bを発�tさせていく。これもFPGAが�u�Tとするところだ。現在は�O動運転向けの画�欺萢�・映�欺萢�のためのマシンラーニングに��化しているが、今後はさらに加�]度センサやジャイロセンサ、��音�Sセンサ、レーダー、IR、LIDARなどさまざまなセンサからのデータを処理し、クルマの動作を瞬時に判��・�U御するためのセンサフュージョン機�Δ���くことになる。そのような場合でもFPGAなら再構成できるため、FPGAにとってAIは新しい�x場になりそうだ。