エッジコンピューティング: これがクラウドの終焉か?

エッジコンピューティングは現在重要です。このエキサイティングなコンセプトはすでに現実のものであり、モノのインターネットの台頭と 5G の展開により世界中で一般的になるでしょう。

しかし、多くの人が抱く大きな疑問は、エッジが最終的にクラウドに取って代わるかどうかです。

クラウドに勝つ – 賛成と反対の理由

実際のところ、専門家の間でも意見が分かれています。ある時点で、エッジでのデータストレージがクラウドよりも一般的になると考える人もいます。しかし、そう思わない人もいます。このように考える理由は、エッジ コンピューティングはソースでデータを処理しますが、テクノロジーを進歩させるためには、より大規模なネットワークとの明示的な通信が依然として必要だからです。

たとえば、人工知能とコンピューター学習を考えてみましょう。家庭用防犯カメラやその他のスマートデバイスなどのデバイスでは、情報が遅延なくリアルタイムで処理されることが重要です。

結果の画像を分析し、即座に適切なアクションを実行するには、デバイス自体やエッジ コンピューティングが必要です。このタスクを実行するためにクラウドまたは従来のネットワークにデータを送信する必要があるのは、時間がかかるだけでなく (遅延はわずか 1 ミリ秒程度ですが)、貴重な帯域幅を消費し、潜在的なセキュリティ リスクをもたらします。

家庭用デバイスは必要な分析をリアルタイムで実行できます。データは自宅の近くに保管され、デバイス自体で復号化するには大きすぎる大きな画像もエッジ ストレージで簡単に処理できます。

ただし、この文は、エッジ コンピューティングがクラウド コンピューティングに取って代わるという見解を支持しているように思われます。しかし、これは大きな問題ですが…

テクノロジーが進歩し、AI モデルなどの継続的な学習が必要になると、大量のデータが中央ソースに戻ることは決してなくなり、そのため、エッジ デバイスや IoT デバイスがどれだけ進歩しても、この従来のストレージが時代遅れになることはないでしょう。

エッジとクラウド間の通信と連携は、テクノロジーの発展に不可欠です。 AI の世界では、これはトレーニングと推論という 2 つのタスクに帰着します。

トレーニング: AI モデルは、処理するコンテンツを認識できるようにトレーニングする必要があります。

これは、正しいラベルが付いた画像を大量にインテリジェンスに入力して、その画像を学習させることによって行われます。これが完了したら、この学習は継続中であることを忘れないでください。モデルの他の要素が作用する可能性があります。

推論: テクノロジーは、受け取った情報に基づいてアクションを実行できます。データに応じて、音声認識、顔認識、アクティベーションなどが例として挙げられます。

推論はデバイス自体（またはホームエッジストレージ）で行われますが、トレーニング要件ははるかに複雑でデータ集約的であるため、推論はクラウドでのみ効率的に実行できます。

言い換えれば、このプロセスでは両者のシームレスな連携が求められます。

エッジ コンピューティングの使用は飛躍的に増加しますが、まさにこのコラボレーションの必要性から、エッジがクラウドに取って代わる可能性は低いでしょう。

AI と高度なテクノロジーの 3 つの異なる要素 (エンドポイントまたはデバイス、エッジ、クラウド) は共生関係を表しており、各要素は他の要素と組み合わせてのみ存在できます。

少なくとも、今はそうです。その後はどうなるかは誰にも分からない。しかし、現時点では、予測可能なエッジはクラウドを飲み込むのではなく、強化することになります。