Preferred Networks（PFN）は2018年12月12日、ディープラーニング（深層学習）に特.
Preferred Networksは12月12日、深層学習（ディープラーニング）の学習フェーズに特化した専用チップ「MN-Core」（エムエヌ・コア）を発表した。東京ビッグサイトで開催中の「SEMICON Japan 2018」で展示している。 「MN-Core」。製造プロセスは12ナノメートル、消費電力は500ワット（予測値） 深層学習の特徴である行列演算に特化したチップ。ピーク性能は32.8T FLOPS（倍精度）、131T FLOPS（単精度）、524T FLOPS（半精度）。電力性能（消費電力あ
ソニーは11月13日、ディープラーニングの学習速度で世界最高速（同社調べ）を達成したと発表した。ディープラーニングの認識精度向上のため、学習データのサイズやモデルのパラメータ数が増え、一度の学習に数週間～数カ月かかるケースも出ている中で、学習時間を短縮できる可能性を示したとしている。 AI（人工知能）開発では、さまざまな試行錯誤をする必要があり、学習時間を短縮させることが重要になる。その手段として、複数のGPUを活用した分散学習が注目を集めていたが、GPU数が増えると「一度のデータ処理個数（バッチサイズ）
Preferred Networks（以下、PFN）および、ディー・エヌ・エーとPFNの合弁会社であるPFDeNAは、血液検査で14種類のがんを検出できる深層学習技術利用検査システムの開発を開始した。
MicrosoftのOpen Invention Network(OIN)への加入が発表されました。これで、Microsoftが抱える6万件の特許がオープンソースとしてOINコミュニティに開放され、Linux開発者が利用できるようになります。 Microsoft Joins the Open Invention Network Community https
Googleが次世代環境センサーを開発するAclimaと協力し、Googleストリートビューカーに空気の質を検出するセンサーを搭載する計画を発表しました。まずは50台のストリートビューカーにセンサーが取り付けられる予定で、これによって、1区画ごとの空気の質を可視化できるとのこと。 Aclima & Google Scale Air Quality Mapping to More Places Around the World | Environmental Sensor Networks | Aclima
Facebookは、同社が開発し、実際にネットワークトラフィックの管理に使用しているソフトウェアライブラリ「Katran」をオープンソースとして公開した。また、バックボーンネットワークを構築する際の作業を自動化するツールを発表した。 このツールはFacebook主催の年次技術カンファレンス「Networking @Scale」で紹介されたもので、その詳細は2本のブログ記事で説明されている。 FacebookがKatranを作ったのは、ネットワークの負荷分散を改善しながら、バックエンドサーバにより大きな柔軟
ソシオネクストは、学習済みDNN（Depp Neural Network）を使うエッジでの推論処理を高速化することを狙ったIPコア「NNA ：Neural Network Accelerator」を開発した。このIPコアをVPU（Vision Processor Unit）に搭載することで、搭載しない場合に比べて画像認識の処理性能を約 100 倍に向上できるという。
人工知能（AI）の開発者が研究開発に当たって留意すべき原則「AI開発ガイドライン（仮称）」の素案を策定する総務省主導の団体から、AIスタートアップのPreferred Networks（PFN）が離脱していたことが明らかになった。
