エッジコンピューティングを使用してローカルデバイスでAIを有効にするモノのインターネット (IoT) が成長するにつれて、クラウド ネットワークは過負荷になり、企業はセキュリティなどの重要なクラウド コンピューティングの問題を無視するようになります。これらすべての問題の解決策は、ローカルデバイス「Edge ML」上で機械学習モデルを実行することです。 エッジ コンピューティングは、スマート デバイスが機械学習とディープラーニング アルゴリズムを使用してデータをローカルで分析し、クラウド ネットワークへの依存を減らすことを可能にするテクノロジーです。この記事では、エッジ コンピューティングの動作原理と機能の理解に焦点を当てます。 まず、モノのインターネット (IoT) の概念とそれがエッジ コンピューティングに与える影響を理解しましょう。 1. モノのインターネットとは何ですか?モノのインターネット (IoT) は、事前定義されたプロトコルと情報検知デバイスを使用してあらゆるものをインターネットに接続する物理的なアイテムのネットワークです。このデバイスは、情報の共有と通信を通じて、インテリジェントな識別、位置決め、追跡、監視、管理を実現します。 インターネットはもはや単なるコンピュータネットワークではありません。それは、車両、スマートフォン、家電製品、玩具、カメラ、医療機器、産業システム、動物、人、建物など、さまざまな形やサイズのデバイスのネットワークに進化し、それらはすべて互いに接続され、すべての通信と共有情報は、インテリジェントな再編成、位置決め、追跡、セキュリティと制御、さらには個人のリアルタイムオンライン監視、オンラインアップグレードと進歩を実現するために、事前に定義されたプロトコルに基づいています。 モノのインターネット (IoT) は、無線および有線接続と独自のソリューションを通じて、環境内に遍在するさまざまなオブジェクトが相互にやり取りし、他のオブジェクトと連携して新しいサービスを作成し、共通の目標を達成できるという概念とパラダイムです。 2. エッジコンピューティングとは何ですか?エッジ コンピューティングはクラウド コンピューティングの拡張として登場し、クラウド サービスをエンド ユーザーにより近づけています。エッジ コンピューティングは、通常ネットワークのエッジに配置される処理、ストレージ、およびネットワーク機能を提供する仮想コンピューティング プラットフォームを提供します。 エッジ サーバーは、端末デバイスにサービスを提供するデバイスです。これらは、IoT ゲートウェイ、ルーター、モバイル ネットワーク ベース ステーション、車内またはその他の場所にある小規模データ センターなどです。エッジデバイスとは、携帯電話、IoTデバイス、組み込みデバイスなど、エッジサーバーにサービスを要求する端末デバイスです。 エッジ コンピューティングと AI を組み合わせることで、AI ベースのアプリケーションの主要な問題に対する解決策がもたらされます。この新しいインテリジェンス モデルは、エッジ インテリジェンスと呼ばれます。エッジ インテリジェンスとは、データのプライバシーとセキュリティを保護しながらデータの品質と速度を向上させることを目的として、データが収集される場所の近くでデータを収集、キャッシュ、処理、分析するシステムとデバイスのネットワークを指します。 従来のクラウド インテリジェンスでは、端末デバイスが作成または収集したデータをリモート クラウドにアップロードする必要がありましたが、エッジ インテリジェンスはデータをローカルで処理および分析し、ユーザーのプライバシーを効果的に保護し、応答時間を短縮し、帯域幅リソースを節約します。 エッジコンピューティングを使用するタイミングしたがって、データを効率的に処理、保存し、それに基づいて行動することがより重要になります。セキュリティ リスクを最小限に抑え、ビジネス プロセスを高速化するには、データを迅速かつ効率的に処理することが特に重要です。エッジ コンピューティングは、帯域幅の使用率と通信の遅延を削減しながら、Web アプリケーションとインターネット デバイスを最適化しようとします。 たとえば、石油やガスの施設は遠隔地にあることが多いです。エッジ コンピューティングは、処理を資産に近づけることでリアルタイム分析を可能にし、集中型クラウドへの高品質の接続への依存を減らします。 3. エッジコンピューティングはどのように機能しますか?エッジ コンピューティングの目的は、ネットワークのエッジにあるデバイス上でモデルを実行することです。その後、ML アルゴリズムはデバイス上でローカルに実行され、データを分析して使用可能な結果を生成するためにインターネット接続は必要ありません。全体のプロセスは 4 つの主要な部分に分けられます。 1. エッジキャッシュエッジ キャッシングは、エッジ デバイスとその周囲で生成されたデータや、インターネットから受信したデータを収集して保存し、エッジ ユーザー向けのスマート アプリケーションをサポートする分散データ システムです。エッジでは、データは分散されます。 監視機器やセンサーなどのエッジデバイスは環境データを収集します。このデータは適切な場所に保存され、インテリジェントなアルゴリズムによって処理および分析され、エンドユーザーにサービスが提供されます。 キャッシュはリクエストの冗長性に基づいています。エッジ キャッシングでは、取得されたデータがスマート アプリケーションに送られ、その結果がデータが保存されている場所に送り返されます。冗長性は、タイプ冗長性、データ冗長性、計算冗長性に分けられます。 データの冗長性とは、インテリジェント アプリケーションへの入力が同一または部分的に同一である可能性があることを意味します。連続的に移動する視覚分析を考慮すると、連続するフレーム間には比較可能なピクセルが多数存在します。リソースが限られているエッジ デバイスでは、キャプチャしたビデオを追加処理のためにエッジ サーバーに送信する必要がある場合があります。キャッシュを使用する場合、エッジ デバイスはさまざまなピクセルまたはフレームをアップロードするだけで済みます。エッジ デバイスは、過剰な処理を最小限に抑えるために、繰り返しセグメントの結果を再利用する場合があります。 計算の冗長性とは、インテリジェント アプリケーションに必要な計算タスクが同じになる可能性があることを意味します。たとえば、エッジ サーバーはエッジ デバイスに画像認識サービスを提供します。同じ環境からの認識タスクは同一である可能性があります。たとえば、同じ場所にいる異なるユーザーからのオブジェクト認識タスクなどです。エッジ サーバーは、以前に取得した認識結果をユーザーに即座にフィードバックできます。 キャッシュは、マクロおよびマイクロ ベース ステーションとエッジ デバイスの 3 つの場所に保存できます。素材にはポピュラーファイルとスマートモデルと呼ばれる2種類があります。マクロ基地局は、エッジインテリジェンスのエッジサーバーとしてよく使用され、データを保存するインテリジェントなサービスを提供します。 キャッシュの配信には、単一の基地局から配信する方法と、複数の基地局間の連携に基づいて複数の基地局から配信する方法の 2 種類があります。さらに、キャッシュの理想的な内容、つまり、データの冗長性に基づく内容と計算の冗長性に基づく内容が慎重に研究されています。マクロベースステーションやマイクロベースステーションと比較すると、エッジデバイスはリソースが少なく、モビリティが高い傾向があります。マクロ BS、マイクロ BS、エッジ デバイスのストレージ容量は限られているため、コンテンツ置換の問題を解決する必要があります。 2. エッジトレーニングエッジ トレーニングは、エッジに保存されたトレーニング セットを使用して、すべての重みとバイアスの最適値、および隠れたパターンを学習する分散学習プロセスです。エッジ トレーニングは、強力なサーバーやコンピューティング クラスターでの従来の集中型トレーニング方法とは異なり、通常は集中型サーバーやコンピューティング クラスターほど強力ではないエッジ サーバーまたはエッジ デバイスで実行されます。 このデバイスは、個別トレーニングと共同トレーニングの 2 つの方法でトレーニングできます。ソロトレーニングは他のデバイスからの支援なしに単一のデバイスで行われますが、コラボレーショントレーニングは多くのデバイスが連携して共有アルゴリズムをトレーニングする場合です。個別のトレーニングにはより多くのハードウェアが必要であり、それが利用できないこともあるため、既存の教材のほとんどは共同トレーニングの設計に重点を置いています。 エッジ トレーニングは集中型トレーニング モードよりもはるかに低速ですが、集中型トレーニング モードでは強力な CPU と GPU により最短のトレーニング サイクルで良好な結果が保証されます。研究者の中には、エッジでのトレーニングを加速することに興味を持っている人もいます。トレーニングシステムのアーキテクチャに応じて、トレーニング加速作業は、個別トレーニング加速と共同トレーニング加速の 2 つのカテゴリに分けられます。 スタンドアロン トレーニングは、単一のデバイス上で反復計算を通じて最適なパラメーターまたはモードを取得するクローズド システムです。一方、共同トレーニングは複数のデバイスの連携に基づいており、更新のために定期的に接続する必要があります。更新の頻度と更新コストは、コミュニケーションの効率とトレーニングの成功に影響を与える 2 つの要素です。 この分野の研究は、主に、更新頻度とコストを削減しながら、モデル/アルゴリズムのパフォーマンスを維持する方法に焦点を当てています。さらに、共同トレーニングのオープンな性質により、悪意のあるユーザーによる攻撃に対して脆弱になります。プライバシーとセキュリティの問題に関する文献もいくつかあります。 3. エッジ推論エッジ推論は、学習アルゴリズムをフォワードパスで使用して、エッジ デバイスとサーバーの出力を計算する段階です。現在、ほとんどの AI モデルは強力な CPU と GPU を搭載したデバイスに展開することを目的としていますが、エッジ設定ではこれは実現可能ではありません。 モデルをエッジ環境に適したものにするには、ハードウェア要件を削減し、エッジ設定に自然に適合する新しいアルゴリズムを発明するか、既存のモデルを圧縮して推論中の冗長な操作を排除します。 新しい方法を構築する場合、コンピューターが最適なモデルを構築できるようにするアプローチ、つまりアーキテクチャ検索と、深さ方向に分離可能な畳み込みとグループ畳み込みを使用して人間が発明したアーキテクチャの 2 つのアプローチがあります。 現在のモデルは、モデル圧縮のために圧縮され、精度をほとんど損なうことなく、計算効率とエネルギー効率が向上した、より薄くて小さなモデルが作成されます。モデル圧縮技術には、低ランク近似、知識蒸留、圧縮層設計、ネットワークプルーニング、パラメータ量子化が含まれます。 4. Edgeのアンインストールエッジ オフロードは、エッジでのキャッシュ、トレーニング、推論などのコンピューティング機能を提供する分散コンピューティング パラダイムです。単一のエッジ デバイスにエッジ インテリジェンス アプリケーションをサポートする機能がない場合は、アプリケーションの責任をエッジ サーバーまたは他のエッジ デバイスに移管できます。エッジ オフロード レイヤーは、他の 3 つのエッジ インテリジェンス コンポーネントにコンピューティング サービスを透過的に提供します。オフロード戦略は、エッジ環境で利用可能なリソースの利用率を最大化することを目的としているため、エッジ オフロードでは非常に重要です。 クラウド サーバー、エッジ サーバー、エッジ デバイスには、使用可能なコンピュータ リソースが含まれています。デバイスからクラウド (D2C) へのオフロード、デバイスからエッジ サーバー (D2E) へのオフロード、デバイスからデバイス (D2D) へのオフロード、およびハイブリッド オフロードが最も一般的に使用されているテクノロジーです。 D2C オフロード テクノロジーは、前処理操作をエッジ デバイスに残し、残りのジョブをクラウド サーバーにオフロードすることを選択します。これにより、アップロードされるデータの量と待ち時間が大幅に削減される可能性があります。 D2E オフロード アプローチでは、同様の手順を使用して、遅延とセルラー ネットワークへの依存をさらに削減します。 私たちは、IoT ガジェット、ウェアラブル デバイス、スマートフォンが連携してトレーニング/推論タスクを実行する、D2D オフロード アプローチのスマート ホーム シナリオに焦点を当てています。 ハイブリッド オフロード ソリューションは、利用可能なすべてのリソースを最大限に活用し、最大限の適応性を提供します。 エッジコンピューティングアプリケーションエッジ コンピューティングは、ローカルまたはネットワークのエッジでデータを収集、処理、フィルタリング、分析するためにさまざまな分野で使用されています。エッジ コンピューティングは次の領域で使用されます。 (1)ヘルスケアエッジ コンピューティングは、機械学習と自動化を活用してデータ アクセスを支援します。患者ケアを改善し、健康上の問題を排除するために、医師の迅速な対応を必要とする問題のあるデータを特定するのに役立ちます。 患者の慢性疾患は、健康モニターやその他のウェアラブル医療機器を通じて監視できます。援助が必要なときにすぐに救急隊員に通知することで、命を救う可能性があります。さらに、外科用ロボットは、安全、迅速、かつ正確に支援を提供するために、データを即座に解釈できなければなりません。これらのデバイスが判断を下す前にデータをクラウドに送信することに依存している場合、結果は壊滅的なものになる可能性があります。 (2)建設エッジ コンピューティングは、主に建設業界の労働者の安全のために使用され、安全装置、カメラ、センサーなどからデータを収集して分析します。組織に職場の安全状況の概要を提供し、従業員が安全規制に準拠していることを保証します。 (3)広告小売業向けのターゲット マーケティングとメッセージングは、フィールド デバイスで指定された人口統計情報などの重要な要素に依存します。この場合、エッジ コンピューティングはユーザーのプライバシーを保護するのに役立ちます。保護されていないデータをクラウドに送信する代わりに、データを暗号化してデータ ソースを維持する場合があります。 (4)製造業製造業では、エッジ コンピューティングを使用して産業プロセスを監視し、機械学習とリアルタイム分析を使用して製品の品質を向上させ、製造エラーを検出しています。また、製造業務への環境センサーの組み込みも推奨されます。 エッジ コンピューティングは、在庫コンポーネントとその耐用年数に関する情報も提供するため、生産者は運用や施設に関してより正確でタイムリーなビジネス上の選択を行うことができます。 (5)農業エッジ コンピューティングは、栄養密度と水の消費量を測定し、収穫量を向上させるために農業用センサーで使用されます。センサーは環境、温度、土壌の変数に関するデータを収集し、その影響を調査して農業の生産性を向上させ、最も好ましい気候条件下で収穫が行われるようにします。 (6)天然ガスと石油エッジ コンピューティングは、ガスや石油施設の安全性を監視するために使用できます。センサーは湿度と圧力を継続的に測定します。高速応答には適切なネットワーク接続が必要です。問題は、これらの施設のほとんどが、距離が遠く、接続性が限られている場所にあることです。 したがって、エッジ コンピューティングをそのようなシステムまたはその近くに配置することで、接続性が向上し、継続的な監視機能が実現します。エッジコンピューティングでは、機器の問題をリアルタイムで検出することもできます。これらのセンサーは、電気自動車、風力発電システムなどを含むすべてのデバイスによって生成されるエネルギーを監視し、グリッド管理を使用してコストを削減し、効率的にエネルギーを生成するのに役立ちます。
自動運転車は横断歩道では直ちに停止しなければなりません。この判断をリモート サーバーに頼って行うのは不公平です。さらに、エッジ テクノロジーを搭載した車は、事故、気象状況、交通、迂回に関するデータをリモート サーバーに送信するのではなく、車同士が通信できるため、より効率的にやり取りできます。エッジコンピューティングは有益です。
スマート スピーカー システムは、音声コマンドをローカルで理解して、簡単なコマンドを実行することを学習できます。インターネット接続がダウンしている場合でも、照明のオン/オフを切り替えたり、サーモスタットの設定を変更したりできます。 エッジコンピューティングの利点と欠点1. 利点1. 応答時間の短縮前述したように、エッジ デバイスまたはその近くにコンピューティング プロセスを展開すると、レイテンシを最小限に抑えることができます。 同じ建物内でのファイルの移動を検討してください。世界中のどこかにあるリモート サーバーと会話が行われ、その後、ファイルが受信されたとおりに返されるため、ファイルの交換に時間がかかります。ルーターはエッジ コンピューティングを使用して職場全体にデータを転送し、遅延を大幅に削減します。同時に、多くの帯域幅が節約されます。 2. 費用対効果エッジ コンピューティングはサーバー リソースと帯域幅を節約し、コストを節約します。企業や家庭内の多数のスマートデバイスをサポートするためにクラウド サービスを導入すると、コストが増加します。一方、エッジ コンピューティングは、これらすべてのデバイスのコンピューティング部分をエッジに再配置することでコストを削減する可能性があります。 3. データ保護とプライバシー海外のサーバー間でデータを移動すると、プライバシー、セキュリティ、法的問題が発生します。ハイジャックされて悪意のある人の手に渡った場合、深刻な問題を引き起こす可能性があります。 エッジ コンピューティングは、データ ルールのパラメータ内に留まりながら、データをソースに近づけます。機密データをクラウドやデータセンターに転送するのではなく、ローカルで処理できるようになります。したがって、データはローカルの敷地内で安全です。 (ii)デメリット1. 保管とコストクラウド ストレージのコストは削減されましたが、ローカル側では追加のコストが発生します。これは主に、エッジ デバイスのストレージ容量の発展によるものです。エッジ コンピューティングには、エッジ デバイスとストレージをサポートするために既存の IT ネットワーク インフラストラクチャを置き換えたり改善したりする必要があるため、コスト要因もあります。企業によっては、エッジ ネットワークへの移行コストが、従来の IT インフラストラクチャの構築と維持にかかるコストと同程度であると感じる場合があります。 2. データ損失エッジコンピューティングの利点には危険も伴います。データの損失を最小限に抑えるには、システムを導入する前に十分に計画し、プログラムする必要があります。多くのエッジ コンピューティング デバイスは、収集したデータを無駄に破棄することになっています。ただし、削除されたデータが重要な場合、データは失われ、クラウドでの分析は不正確になります。 3. セキュリティリスククラウドおよびエンタープライズ レベルではセキュリティ上の利点がありますが、ローカル レベルではセキュリティ上の危険もあります。ローカル ネットワークが攻撃に対して脆弱である場合、クラウド ベースのベンダーに最高レベルのセキュリティを提供してもらっても意味がありません。 要約するデバイス上の機械学習により、データのアップロード時にプライバシーを維持しながらデータソースの近くで計算を実行できるため、ネットワークの混雑が最小限に抑えられます。この記事を通じて、エッジ コンピューティングの概念、動作原理、利点と欠点、およびアプリケーションについて理解できます。 |
<<: Kubeadmはマスターと2つのスレーブKubernetesクラスターを展開します
>>: クラウドセキュリティの責任を共有するということは、多くの場合、誰も責任を負わないことを意味する。
飲料業界の専門家とコミュニケーションをとる過程で、私たちは一連の興味深い視点を観察しました。巨大飲料...
最近、Qiawi Network はウェブサイト構築のユーザー エクスペリエンス デザインを研究およ...
国家発展改革委員会価格監督局の関係当局者はCCTVのインタビューで、電子商取引企業3社は要求に応じて...
A2HOSTING.com は、仮想ホスティングを 51% 割引で提供しています。1 回限りの割引コ...
SEO の定義については異論はありません。SEO は Search Engine Optimizat...
ある程度のレベルに達した業界は、非常に短い言葉で明確に説明できます。物事の本質を最も簡単な言葉で説明...
[慎重に購入し、データ セキュリティに注意してください] 一般的な状況: Intel Dual Xe...
Hewlett Packard Enterprise の子会社である Aruba は本日、業界初の ...
月収10万元の起業の夢を実現するミニプログラム起業支援プラン著者丨ルーティン編集部出典: Opera...
1. JD.comがデジタル音楽市場に参入し、デジタル音楽モールを立ち上げるJD.comはデジタル音...
SEO業界の友人たちは何を最も恐れているのでしょうか? 含まれるウェブサイトが少ない、外部リンクの品...
月収10万元の起業の夢を実現するミニプログラム起業支援プラン9月11日、Weibo主催の「巨石」をテ...
今日の主流の SEO 市場では、SEO 企業はいずれも事業範囲の拡大を望んでおり、そのため対外貿易 ...
2009年に設立されたtmhhostは、現在、米国でデュアルISP/ネイティブIPを備えたUS VP...
インターネットは本当に急成長しているのでしょうか? おそらくあなたはためらうことなく答えるでしょう、...