BLOG
Xnor.aiはどうやって掛け算を減らしたのか。1ビットの画像認識と日本発のGriffith
二つのマイナスを掛けるとプラスになる。この性質を使えば、画像認識の掛け算を「符号が何組そろったか」で近似できます。手のひらサイズのカメラから、日本で開発された論理回路の学習ライブラリGriffithまで、四つのビットを手がかりにたどります。

手のひらに載るカメラが、その場で人を見つける
玄関の前を誰かが通った。そのことを知るために、カメラは映像をどこまで運ぶ必要があるでしょうか。Xnor.aiが家庭用カメラのWyzeに提供した人物検出では、撮影した機器の中で「人がいる」と判定できました。通知に必要なのが判定結果だけなら、検出のために映像を送り続ける通信も、サーバーの返事を待つ時間も省けます。
Xnor.aiは2017年に米国のAllen Institute for AIから独立した企業です。2019年には、小さな太陽電池から得た電力で撮影と画像認識を行う、バッテリーのない試作機を発表しました。2020年1月にはAppleによる買収が報じられました。試作機が実演したのは、あらかじめ学習したモデルを使い、目の前の映像を判定する「推論」です。
イリノイ大学による創業者と製品の紹介画像の中から特徴を拾う、掛け算の役割
画像認識の内部を一か所だけのぞいてみましょう。画像の小さな範囲から得た数値を「入力」、どの位置の信号をどれだけ効かせるかを学習した数値を「重み」と呼びます。対応する二つを掛けて足すと、その範囲が学習した特徴にどれくらい合うかを表す値になります。同じ計算を位置をずらしながら繰り返すのが「畳み込み」です。
2016年に発表されたXNOR-Netは、この計算に使う重みと入力を、それぞれ正なら+1、負なら−1で近似しました。符号が同じ二数の積はプラス、違えばマイナスです。値をこの二択にすると、積を求める仕事は「符号がそろっているか」を調べるだけになります。
Rastegariらの原論文「XNOR-Net」4組の掛け算を、一致したビットの数で読む
図ではプラスをビットの1、マイナスを0と書きます。左から2列目に注目してください。重みも入力も0なので、元の符号はどちらもマイナス。マイナス同士を掛けるとプラスになるので、この列は「一致」の1を返します。3列目は1と0なので「不一致」の0です。二つのビットが同じなら1を返す、この決まった規則をXNOR(エックスノア)と呼びます。

下の段には1が三つ、0が一つあります。二値化した値の積に戻すと、+1が三つ、−1が一つで、合計は+2です。コンピューターは複数の列をひとまとめにしてXNORを行い、結果の1を数えられます。この「立っているビットを数える」操作がポップカウントです。重みは保存して読み出すビット列のまま。どの重みにも同じ比較規則を使えます。
捨てた数の大きさを、倍率でどこまで戻せるか
図の元の重みを[0.8, −0.4, 0.6, −0.2]、入力を[0.3, −0.5, −0.2, −0.4]とします。通常の計算なら、四つの積を足した答えは0.40です。符号だけで出した+2は、一致の数を正確に表せても、元の答えとは大きさが違います。
そこでXNOR-Netは、符号と一緒に大きさの目安も使います。この例で重みの絶対値の平均は0.50、入力は0.35。先ほどの+2に両方の倍率を掛けると、2 × 0.50 × 0.35 = 0.35。元の0.40に近づきました。各位置で数の大きさがどう組み合わさっていたかは、この平均から完全には戻せません。
数字を粗くする代わりに、32ビットの重み一つを置く空間に32個分の符号が収まります。一方、倍率や二値化しない層には別のメモリと計算が要ります。原論文のImageNet画像分類で、AlexNetの正解率(第1候補)は通常精度の56.6%からXNOR-Netの44.2%に下がりました。人物検出カメラの性能を判断するには、そのカメラでの見逃しや誤通知も測る必要があります。
原論文の評価条件と分類結果(表1)日本発のGriffithは、論理の規則そのものを学ぶ
ここで、日本の開発チームによるGriffithを並べてみましょう。IPAの2026年度未踏IT人材発掘・育成事業には、秋穗正斗さん、野間口瑞季さん、羽田野武蔵さんの「次世代AI開発のための論理ゲート型MLライブラリの開発」が採択されています。日本から公開されたこの取り組みの面白さは、学習した判断を、読める回路の形まで持っていけるところです。
IPA|秋穗・野間口・羽田野プロジェクトの概要同じ二つのビットでも、返す答えを変えられる
二つの入力にあり得る組み合わせは、00、01、10、11の四通りです。この順に答えを並べると、先ほどのXNORは[1, 0, 0, 1]。「片方だけが1なら反応する」という規則にしたければ、答えは[0, 1, 1, 0]に変わります。入力の組み合わせと答えを対応させた表を真理値表といいます。
XNOR-Netの比較規則は学習後もXNORです。Griffithでは、小さな表をいくつもつなぎ、それぞれがどんな規則で答えると課題を解けるかを学びます。PyTorch上の学習では候補を滑らかに混ぜて少しずつ調整し、推論用に各規則を確定します。公開実装では、確定した回路を中間形式に取り出し、VerilogやVHDLという回路の記述言語に書き出せます。
公開例では、二つのビットが異なるときだけ反応するXORを、四通りすべてで確かめてから回路を書き出します。ここで検証できるのは、学習を終えた回路が狙った答えを出すかどうかです。実際の機器で電池がどれだけ長持ちするかには、回路を載せるチップ、動作頻度、カメラや通信の消費電力も効いてきます。
Griffithの実装と、学習から回路出力までの公開例