人工知能（AI）はここ数年、科学、産業、防衛、医学の状況を劇的に変化させている。 大幅に向上した計算能力とクラウドストレージに支えられ、AIの分野は、コンピュータサイエンスの分野における理論的な研究が中心だったのが、薬物設計、材料発見、音声認識、自動運転車、広告、金融、医療画像、天体観測などの多様な実生活への応用へとシフトし、AIが生み出す成果が人間の専門家のパフォーマンスに匹敵するかそれ以上であることが実証されたのである。 これらの用途において、AIの開発で本質的に重要なのは、機械学習に必要なデータである。 その重要性は極めて高いにもかかわらず、AI開発の最初の工程であるデータ収集とデータ準備は、一般的に最も手間のかかる作業であり、機能的なAIアルゴリズム構築の制限要因になりがちである。 ラボオンチップ技術、特にマイクロ流体工学は、大規模でコスト効率の高い、ハイスループット、自動化、多重化された方法でAIを構築し実装するための強力なプラットフォームであり、それによって上記のボトルネックを克服することができるのです。 このプラットフォームにおいて、ハイスループット画像処理は、大規模な対象物の高コンテンツ情報（例：サイズ、形状、構造、組成、相互作用）を生成できるため、重要なツールである。 また、ハイスループットイメージングは、ソーティングやDNA/RNAシーケンスと組み合わせることで、従来の計算ツールでは複雑すぎて解析できなかった表現型と遺伝子型の関係を、AIの力で大量に調査することができる。 ラボオンチップ技術は、データ提供者としての機能に加えて、開発したAIを実装することで、混合・異種・未知のサンプル中の対象物を正確に識別、特性化、分類、予測することも可能である。 この総説では、AIとラボオンチップ技術の優れた相乗効果により、ラボオンチップ技術を用いたAI（略して「AIオンチップ」）の基本要素、最近の進歩、将来の課題、新たな機会について概説している＜2265＞。