エッジコンピューティングと AI 戦略が相互補完する必要がある理由

多くの企業は、コンピューティング能力をデータ ソースやエンド ユーザーの近くに配置できるため、エッジ コンピューティングのユース ケースを検討し始めています。同時に、人工知能や機械学習を検討または実装していて、検出を自動化し、データに基づく洞察を得る可能性をすでに実感しているかもしれません。しかし、エッジと AI 戦略を積極的に調整しなければ、変革の可能性を逃してしまいます。

人工知能分野への関与

エッジ分析とデータ分析が融合しつつあるという明確な兆候があります。データによると、2025年までにエッジデータの作成は33％増加し、データの5分の1以上を占め、2023年までにデータ分析の専門家は、エッジデータの作成と分析にエネルギーの50％以上を集中することになります。エッジ ソリューションは、企業のミッションを達成する上で非常に重要です。リーダーの 78% は、エッジが AI と ML に最も大きな影響を与えると考えています。

従来、企業は分析を実行して価値を引き出すために、リモート データをデータ センターまたは商用クラウドに転送する必要がありました。これは、データ量の増加、ネットワーク アクセスの制限または無アクセス、リアルタイムでのより迅速な意思決定の需要の高まりにより、エッジ環境では困難になる可能性があります。

しかし今日では、強化された小容量チップセット、高密度コンピューティングとストレージ、メッシュ ネットワーキング テクノロジーが利用できるようになり、企業が AI ワークロードをデータ生成源の近くに展開するための基盤が整いつつあります。

エッジAIを始める

エッジ AI のユースケースを有効にするには、ほぼリアルタイムのデータ決定によってユーザー エクスペリエンスを大幅に向上させ、ミッションの目標を達成できる場所を特定します。法執行、サイバーセキュリティ、健康調査をサポートする次世代フライトキットに焦点を当てたエッジユースケースがますます増えています。かつては調査員が後で処理するためにデータを収集していましたが、新しい展開キットには、現場でデータを処理および調査するための高度なツールが含まれています。

次に、大量のエッジ データが送信されている場所を特定します。データを遠隔地で処理できる場合は、結果のみを送信する必要があります。データのごく一部だけを移動することで、帯域幅を解放し、コストを削減し、意思決定を迅速化できます。

疎結合されたエッジ コンポーネントを活用して、必要なコンピューティング能力を実現します。単一のセンサーでは処理を実行できません。しかし、高速メッシュ ネットワークでは接続されたノードが許可され、一部のノードはデータ収集を処理し、他のノードは処理などを実行します。継続的な予測精度を確保するために、ML モデルをエッジで再トレーニングすることもできます。

リモート AI のためのコードとしてのインフラストラクチャ

エッジ AI のベストプラクティスは、コードとしてのインフラストラクチャです。 Infrastructure as Code を使用すると、ネットワークとセキュリティの構成を、物理ハードウェアではなく構成ファイルを通じて管理できます。 Infrastructure as Code を使用すると、構成ファイルにインフラストラクチャ仕様が含まれるため、構成の変更と配布が容易になり、環境が一貫してプロビジョニングされることが保証されます。

また、マイクロサービスを使用してそこで実行し、CI/CD パイプライン、GitOps などの DevOps 機能を活用して、エッジでの運用への ML モデルの反復的な展開を自動化し、コードを一度記述すればどこでも使用できる柔軟性を提供することも検討してください。

エッジとコアで一貫したテクノロジーとツールを使用するように努めるべきです。こうすることで、専門的な知識は必要なくなり、一時的な問題が回避され、より簡単に拡張できるようになります。

現実世界とその先におけるエッジ AI

軍隊から法執行機関、重要なインフラを管理する機関まで、AI はエッジで実行されています。たとえば、国際宇宙ステーション。

国際宇宙ステーションには、研究や実験を行うための現地実験室が備わっています。一例では、科学者たちは国際宇宙ステーション内で発見された微生物の DNA ゲノムの配列を解読することに焦点を当てました。ゲノム配列解析によって膨大な量のデータが生成されますが、科学者はその一部を分析するだけで十分です。

これまで、国際宇宙ステーションは、すべてのデータを地上局に送信して集中処理を行っており、通常、シーケンスごとに数テラバイトのデータがありました。一時的な伝送速度では、データが地球上の科学者に届くまでに数週間かかる可能性があります。しかし、エッジと AI の力を活用することで、研究は ISS 上で直接行われ、その結果のみが地上に送信されます。当日中に分析することが可能になりました。

スペースと電力が限られている環境でも、システムの管理が容易です。ソフトウェアの更新は必要なエッジにプッシュされ、ML モデルのトレーニングは現場で実行されます。また、このシステムは、将来的には他の種類の ML ベースの分析にも対応できるほど柔軟です。

AI とエッジ コンピューティングを組み合わせることで、企業はどこからでも分析を実行できるようになります。コアからエッジまでの共通フレームワークにより、AI を遠隔地で拡張およびスケーリングできます。データが生成され、ユーザーがやり取りする場所の近くに分析を配置することで、意思決定を迅速に行い、サービスをより迅速に提供し、必要な場所にミッションを拡大することができます。