これまで例えば、AIを使った�O動外�荼��h����では、カメラからの映�気鮖�り、キズや�L陥を認識し、�O動的に良��と不良��を分ける。しかしどのようなキズが不良��なのか、現場でなければわからない。このため、現場とAIエンジニアとの間には深いギャップがあり、プログラミングの��識がなければ外�荼��hを�O動的に行うソフトウエアを書けなかった。

フィックスターズが最�Z開発したツール「Genesis」を使えば、コーディングしなくても現場が望むようなアプリケーションを作成できる。しかもAIのアルゴリズムを実行するCPUやGPU、FPGA、AI専��チップなどを使ってどのデバイスを使えば最もコストパフォーマンスや電��効率が良いのかを�h価することもできる。ニューラルネットワークは、もともと行�`演�Qに向いた���Qを行うため、�@度の低い積和演�Q�v路を�H数集積したGPUがニューラルネットワークの演�Qに最も向いている。しかし、コストパフォーマンスや消�J電��などの点で、現場でやりたい外�荼��hに向くデバイスかどうかを�h価できなかった。

元々、フィックスターズは、顧客の書いたアプリケーションソフトを預かり、それを顧客の要望に�pってチューニングし、高�]化することで顧客に納入する、というサービスを�u�Tとしていた。この経�xをAIソフト�U作にも��かす。つまり、開発ツールのテンプレートにあるコンピュータビジョンAIに��要な処理を��び、ビルディングブック（後述）から現場の外�荼��hをするのに適した機�Δ鯀箸濆腓錣擦董▲▲廛螢院璽轡腑鵑鮑鄒�してくれる。最適化するコンパイラといえる。

この開発ソフトを使うことによって、開発効率は10倍に�屬�るという。すなわち、��来5日かかっていた作業が半日でできることになる（図1）。

図1　AIのアプリケーションを作成する時間を�]縮できる　出�Z：フィックスターズ

この開発ツールGenesisは、コンピュータビジョンや画�鞠Ъ韻覆匹謀���するツールであり、例えば�j勢の人が歩いている莂留��気�ら人の数を数えたり、クルマのナンバープレートを認識したりするような応��に使う。����認証のアプリケーションを作る場合には、図2に��すような�}順で行う。

図2　開発ツールに内�鼎靴討い觀Q�|のテンプレートやビルディングブロックからユーザーの作��したいアプリをコーディングなして作成する　出�Z：フィックスターズ

まず、テンプレートの中から�O分が行いたいAI処理や画�欺萢�を��び、そして�Q�|フィルタ処理や����認識、深度�R定などの機�γ碓未箔H数���Tされているビルディングブロックを汲み合わせて、ビジュアルプログラミングのようにしてアプリケーションを作成する。

実際に、カメラから映�気鮖�り、����検出機�Δ鯆未靴謄妊�スプレイで見る、という作業を行う場合、カメラのRGBの解�掬戮覆匹魎泙��i処理をしてデータ形式を変換し、����検出�v路に通す。この�v路を出た後はデータ形式を元に戻してディスプレイで�，襪茲Δ吠儡垢垢襦�

Genesisのもう�kつのサービスは、個々のアプリがどのように動くのかを�h価するというレポート機�Δ發△襦�レポート機�Δ鮖箸辰�CPUやGPU、FPGA、あるいは�@��AIチップなどで複数のデバイスにインプリメントすると、アプリケーションの実行時間、消�J電��、スループット（フレーム/秒）などを�k覧できる。この�T果。�O分が作るべきAIのアプリケーションと半導��ICを���Iできる（図3）。

図3　どの半導��チップが効率高いのかを�h価できる　出�Z：フィックスターズ

今のところ、NvidiaのGPUボードやIntelのCPUボード、XilinxのFPGA、GoogleのTPUチップボードなどを���Iできるが、今後順次、���IできるAIボードを�\やしていく��画である。また����検出のビルディングブロックは今後、モデルを��新していくという。

また、フィックスターズは今�vのコンピュータビジョンを�[定したAI開発だけではなく、医��画�������мq����やAIコードレビューなどAIに関するビジネスに加え、量子アニーリング向けの��業も��画している。