エッジ分析がスマートコンピューティングを推進する方法

[[350617]]

エッジ コンピューティングと IoT デバイスをリアルタイム分析に活用することは大きな可能性を秘めていますが、エッジ展開用に設計された分析モデルにはいくつかの課題が伴います。

多くの分析および機械学習のユースケースでは、データ ウェアハウスまたはデータ レイクに保存されているデータを取得し、データセット全体またはデータのサブセットに対してアルゴリズムを実行し、クラウド コンピューティング アーキテクチャで結果を計算します。このアプローチは、データが頻繁に変更されない場合に適しています。しかし、データが頻繁に変更される場合はどうなるでしょうか?

今日、ますます多くの企業がリアルタイムでデータを処理し、計算分析を実行する必要が出てきています。下流のシステムを制御するために、センサーからのデータ ストリームを即座に処理および分析する必要があるため、モノのインターネットがこのパラダイム シフトを主に推進しています。リアルタイム分析は、医療、金融サービス、製造、広告など、データの小さな変化が財務、健康、安全、その他の業務に大きな影響を与える可能性がある多くの業界でも重要です。

企業がリアルタイム分析の導入に関心があり、これらのテクノロジーがエッジ コンピューティング、AR/VR、IoT センサー、大規模機械学習を組み合わせたものである場合は、エッジ分析の設計上の考慮事項を理解することが重要です。自律型ドローン、スマート シティ、小売チェーン管理、拡張現実ゲーム ネットワークなどのエッジ コンピューティングのユース ケースはすべて、大規模で信頼性の高いエッジ分析を展開することを目的としています。

エッジ分析、ストリーミング分析、エッジコンピューティング

機械学習とエッジ コンピューティングのパラダイム エッジ分析には、いくつかの異なる分析が関連しています。

•エッジ分析とは、クラウド コンピューティング インフラストラクチャおよびローカライズされたインフラストラクチャの外部のインフラストラクチャに展開されるエッジ分析と機械学習アルゴリズムを指します。

•ストリーミング分析とは、データを処理しながらリアルタイムで実行される計算分析を指します。ストリーミング分析は、ユースケースに応じてクラウドまたはエッジで実行できます。

•イベント処理は、データを処理してリアルタイムで意思決定を行う方法です。この処理はストリーミング分析のサブセットであり、開発者はイベント駆動型アーキテクチャを使用してイベントを識別し、下流のアクションをトリガーします。

•エッジ コンピューティングとは、エッジ デバイスとネットワーク インフラストラクチャへのコンピューティングの展開を指します。

•フォグ コンピューティングは、コンピューティングをエッジ、ニアエッジ、クラウド コンピューティング環境に分割する、より一般的なアーキテクチャです。

エッジ分析を必要とするソリューションを設計する場合、アーキテクトは、スペースと電力の制約、ネットワークのコストと信頼性、セキュリティ、処理要件などの要素を考慮する必要があります。

エッジで分析を展開する理由

分析のためにエッジにインフラストラクチャを展開するのはなぜかと疑問に思う人もいるかもしれません。これらの決定では、技術、コスト、コンプライアンスの要素を考慮する必要があります。

人間の安全に影響を与え、コンピューティング アーキテクチャの弾力性を必要とするアプリケーションは、エッジ分析のユースケースです。 IoT センサーや分析コンピューティング インフラストラクチャなど、データ ソース間の低レイテンシを必要とするアプリケーションは、エッジ分析を必要とすることが多いユース ケースです。これらのユースケースの例は次のとおりです。

•自律走行車、自律機械、または制御システムによってナビゲーションを完全にまたは部分的に自動化できる車両。

•スマート ビルディングにはリアルタイムのセキュリティ制御が備わっており、ネットワークやクラウド コンピューティング インフラストラクチャに依存しなくても、人々が安全に建物に出入りできるようにしたいと考えています。

•公共交通機関の追跡、電気料金の請求のためのスマートメーターの導入、スマート廃棄物管理ソリューションのためのスマートシティ。

製造システムでエッジ分析を使用する場合、コストは重要な要素です。高速で移動するコンベアベルト上の製造製品をスキャンして欠陥がないか確認するために、カメラの配列を使用することを検討してください。ビデオ画像をクラウドに送信するための高速ネットワークを設置するよりも、工場にエッジコンピューティングデバイスを導入して画像処理を行う方がコスト効率が良い場合があります。

「製造工場は主流の分析アプリケーションとは根本的に異なるため、導入を含めたAIを再考する必要がある」と、コンピュータービジョンソリューションに注力する産業用AI開発企業Landing AIのエンジニアリング担当副社長、Achal Prabhakar氏は語る。 「当社では、高性能でありながらコモディティ化されたエッジデバイスを使用して、洗練されたディープラーニングビジョンモデルを導入し、生産ラインで直接継続的な学習を実行することに重点を置いています。」

エッジ分析とコンピューティングを使用すると、遠隔地の建設現場や掘削現場に分析を展開することも可能になります。エンジニアは、コストがかかり、信頼性が低い可能性のある広域ネットワークに頼る代わりに、エッジ分析インフラストラクチャをオンサイトで展開して、必要なデータと分析処理をサポートできます。たとえば、ある石油・ガス会社は、エッジにインメモリ分散コンピューティング プラットフォームを備えたストリーミング分析ソリューションを導入し、掘削時間を通常の 15 日から 12 日に短縮し、20% の時間節約を実現しました。

コンプライアンスとデータ ガバナンスは、エッジ分析を実行するもう 1 つの理由です。ローカライズされたインフラストラクチャを導入すると、データが収集された国で制限されたデータを保存および処理することで、GDPR コンプライアンスやその他のデータ主権規制を満​​たすことができます。

エッジコンピューティング分析の設計

残念ながら、モデルやその他の分析を取得してエッジ コンピューティング インフラストラクチャに展開することは、必ずしも簡単ではありません。計算集約型データ モデルを通じて大規模なデータセットを処理する場合の計算要件により、エッジ コンピューティング インフラストラクチャ上で実行および展開する前に再設計が必要になる場合があります。

一方、多くの開発者やデータ サイエンティストは、パブリック クラウドとプライベート クラウドの両方で利用できる高度な分析プラットフォームを活用しています。 IoT やセンサーでは、C/C++ プログラミング言語で記述された組み込みアプリケーションが活用されることが多く、これはクラウドネイティブのデータ サイエンティストやエンジニアにとっては馴染みのない、難しい領域となる可能性があります。

もう 1 つの問題は、モデル自体にある可能性があります。データ サイエンティストがクラウドで作業し、比較的低コストでオンデマンドでコンピューティング リソースを拡張すると、多くの機能とパラメーターを備えた複雑な機械学習モデルを開発して、結果を完全に最適化できるようになります。ただし、モデルをエッジ コンピューティング インフラストラクチャに展開する場合、過度に複雑なアルゴリズムによって、インフラストラクチャのコスト、機器のサイズ、電力要件が大幅に増加する可能性があります。

SambaNova Systems の製品担当副社長 Marshall Choy 氏が、エッジに AI モデルを展開する際の課題について説明します。 「エッジAIアプリケーションのモデル開発者は、パラメータの削減と計算要件の改善を実現するために、非常に詳細なモデルにますます重点を置いています」と彼は述べています。 「これらのより小さく、より詳細なモデルのトレーニング要件は、依然として困難なままです。」

もう 1 つの考慮事項は、信頼性が高く安全なエッジ分析システムを導入するには、耐障害性が非常に高いアーキテクチャ、システム、ネットワーク、ソフトウェア、モデルを設計および実装する必要があることです。

Hazelcast のプロダクト マーケティング担当シニア ディレクターである Dale Kim 氏は、エッジでデータを処理する際のユースケースと制約を分析します。同氏は、機器の最適化、予防保守、品質保証チェック、重要なアラートはすべてエッジで利用できるものの、ハードウェアスペースの制限、物理的なアクセスの制限、帯域幅の制限、セキュリティ上の懸念の増大など、新たな課題もあると述べた。

「これは、企業がデータセンターで使い慣れているインフラが必ずしも適切に機能するとは限らないことを意味する」とキム氏は述べた。 「したがって、エッジ コンピューティング アーキテクチャを使用する新しいテクノロジーを調査する必要があります。」

分析の新たなフロンティア

現在、エッジ分析のより主流のユースケースは、データのフィルタリングや集約などのデータ処理機能です。しかし、より多くの企業が IoT センサーを大規模に導入するにつれて、分析、機械学習、人工知能アルゴリズムをリアルタイムで適用する必要が生じ、エッジでの導入がさらに必要になります。

センサーがより手頃な価格になり、アプリケーションでよりリアルタイムの分析が必要になり、エッジ向けのコスト効率の高い最適化アルゴリズムの開発が容易になるにつれて、エッジの可能性はインテリジェント コンピューティングの開発に刺激的な未来をもたらします。