エッジAIとエッジコンピューティングについて学ぶ

エッジ人工知能 (EdgeAI) は、人工知能の分野における新しい注目の領域の 1 つです。目標は、ユーザーがプライバシーやデータ転送速度の低下の影響を心配することなく AI プロセスを実行できるようにすることです。エッジ AI を真に理解するには、まずエッジ コンピューティングを理解する必要があります。

エッジAIとエッジコンピューティング

エッジ AI は AI における新たな関心領域の 1 つであり、ユーザーがプライバシーやデータ転送速度の低下の影響を心配することなく AI プロセスを実行できるようにすることを目的としています。エッジ AI により AI テクノロジーの普及が促進され、スマート デバイスはクラウド プラットフォームにアクセスすることなく入力に迅速に応答できるようになります。これはエッジ AI の簡単な定義ですが、エッジ AI テクノロジーをより深く理解して探求し、エッジ AI の使用例のいくつかを理解する必要があります。

エッジ AI を真に理解するには、まずエッジ コンピューティングを理解する必要があります。エッジ コンピューティングを理解する最も良い方法は、それをクラウド コンピューティングと比較することです。クラウド コンピューティングは、パブリック インターネット経由でコンピューティング サービスを提供します。対照的に、エッジ コンピューティング システムはクラウド コンピューティング プラットフォームに接続されず、オンプレミスのデバイス上で実行されます。これらのデバイスは、専用のエッジ コンピューティング サーバー、オンプレミスの機器、またはモノのインターネット (IoT) デバイスである可能性があります。エッジコンピューティングを使用すると多くの利点があります。たとえば、インターネット/クラウド プラットフォームに基づくコンピューティング処理はネットワークの遅延と帯域幅によって制限されますが、エッジ コンピューティングはこれらの要因によって制限されません。

エッジ コンピューティングとは何かを理解した後は、エッジ人工知能を理解する必要があります。 Edge AI は、AI テクノロジーとエッジ コンピューティング テクノロジーを組み合わせて、エッジ コンピューティング対応のデバイス上で AI アルゴリズムを実行できるようにします。これの利点は、クラウド プラットフォームに接続しなくてもデータをリアルタイムで処理できることです。

高度な AI プロセスのほとんどは、大量の計算能力を必要とするため、クラウドで実行されます。その結果、これらの AI プロセスはネットワークの遅延やダウンタイムの影響を受けやすくなります。エッジ AI システムはエッジ コンピューティング デバイス上で実行されるため、必要なデータ操作をローカルで実行し、パブリック インターネット経由で送信することができ、多くの時間を節約できます。ディープラーニング アルゴリズムは、デバイス自体 (データの元) で実行できます。

クラウド プラットフォームにアクセスできない AI テクノロジーを必要とするデバイスが増えるにつれて、エッジ AI の重要性はますます高まっています。コンピューター ビジョン アルゴリズムを搭載した自律ロボットやスマート カーなどのアプリケーションでは、データ転送の遅延が壊滅的な結果を招く可能性があります。自動運転車は、道路上の人や障害物を検知する際に遅延が発生することは許されません。また、応答時間の高速化が非常に重要であるため、クラウド コンピューティング接続に依存せずに画像をリアルタイムで分析および分類できるエッジ AI システムを採用する必要があります。

通常はクラウドで行われる情報の処理をエッジ コンピューティング デバイスに任せると、低遅延またはリアルタイム処理が実現します。さらに、最も重要な情報を送信することで、転送されるデータ量を削減し、通信の中断を最小限に抑えることができます。

エッジAIとモノのインターネット

エッジ AI は、5G やモノのインターネット (IoT) などの他のデジタル テクノロジーと組み合わせることができます。 IoT はエッジ AI システムが使用するデータを生成し、5G テクノロジーはエッジ AI と IoT の継続的な開発に不可欠です。

モノのインターネットとは、パブリックインターネットを介して相互接続されたさまざまなスマートデバイスを指します。これらのデバイスはすべて、エッジ AI デバイスに供給できるデータを生成します。エッジ AI デバイスは、データの一時的なストレージ ユニットとしても機能します。データ処理方法の柔軟性が向上しました。

5G テクノロジーは、エッジ人工知能とモノのインターネットの開発に不可欠です。 5G は最大 20Gbps の高速でデータを送信できますが、4G では 1Gbps のデータしか送信できません。 5G は 4G よりも多くの同時接続と低い遅延もサポートします。モノのインターネットが拡大するにつれて、データ量も増加し、伝送速度が影響を受けるため、4G に対するこれらの利点は重要です。 5G により、より多くのデバイス間でのやり取りが可能になり、その多くはエッジ AI によって強化されます。

エッジAIのユースケース

エッジ AI のユースケースには、クラウド経由ではなくデバイス上でローカルにデータ処理をより効率的に実行できるほぼすべてのインスタンスが含まれます。エッジ AI の一般的な使用例としては、自動運転車、ドローン、顔認識、デジタル アシスタントなどがあります。

自動運転車はエッジ AI の典型的な使用例の 1 つです。自動運転車は常に周囲をスキャンして運転状況を評価し、予期しない出来事に基づいて軌道を修正する必要があります。このような状況では、リアルタイムのデータ処理が重要であり、オンボードのエッジ AI システムがデータの保存、処理、分析を担当します。したがって、レベル 3 およびレベル 4 (完全自動運転) 車両を市場に投入するには、エッジ AI テクノロジーが不可欠です。

ドローンは人間によって制御または操縦されないため、自動運転車と非常によく似た要件があります。飛行中にドローンが制御不能になったり故障したりすると、墜落して公共の財産に損害を与えたり、個人の安全を脅かしたりする可能性があります。さらに、ドローンはインターネットサービスの範囲を超えて飛行する可能性があるため、エッジ AI 機能を備えている必要があります。エッジ AI システムは、ドローンによる荷物の配達を目的とする Amazon Prime Air などのサービスに不可欠です。

エッジ AI のもう 1 つの使用例は、顔認識システムです。顔認識システムは、コンピュータービジョンアルゴリズムを利用して、カメラで収集されたデータを分析します。セキュリティなどのタスクのために実行される顔認識アプリケーションは、クラウド プラットフォームに接続していなくても確実に動作する必要があります。

デジタル アシスタントは、エッジ AI のもう 1 つの一般的な使用例です。 Google アシスタント、Alexa、Siri などのデジタル アシスタントは、スマートフォンやその他のデジタル デバイスがパブリック インターネットに接続されていない場合でも動作できる必要があります。データがデジタルデバイス上で処理された後は、クラウドに配信する必要がないため、トラフィックが削減され、プライバシーが確保されます。