エッジコンピューティングと人工知能が連携して、モノのインターネットがもたらすデータ氾濫の問題を解決

[[213167]]

IoTデバイスの数は急速に増加しています。 2020 年までに、世界中の IoT デバイスの数は 204 億に達すると予測されています。同時に、これらのデバイスは私たちの想像を超える速度でデータを生成しています。スマートカメラを例にとると、カメラの解像度が1080Pから4Kに変化すると、1日に収集されるデータの量は200GBに達します。同様に、スマート病院、自動運転、スマート工場では、それぞれ 1 日あたり 3TB、4TB、1PB を超えるデータが生成されます。 2020 年までに、インターネット ユーザーが 1 日に生成するデータの平均量は約 1.5GB になると予測する人もいます。世界はデータの急増に直面していることがわかります。

継続的に生成されるデータがすべてクラウドに送信されると、クラウド サーバーは膨大なストレージ容量の圧迫に直面することになるため、エッジ コンピューティング ソリューションを提案する人もいます。エッジ コンピューティングは、データが生成される場所の物理的に近い場所でデータを処理する方法です。最近、インテル中国の IoT 部門の最高技術責任者である張宇博士は、ネットワークのエッジでインテリジェンスを実現する方法を共有しました。これは、データの氾濫を制御するための重要なリンクの 1 つであり、IoT の将来の発展における重要なトレンドです。同氏は、「モノのインターネットの時代では、デジタル変革により、より機敏な接続、より効率的なデータ処理、より優れたデータ保護が求められます。エッジコンピューティングは、帯域幅要件を効果的に削減し、タイムリーな応答を提供し、データのプライバシーを保護できるため、モノのインターネットの今後の発展において非常に重要な役割を果たすでしょう」と述べました。

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に取って代わるものではなく、相互に補完し合うものになります。

エッジ コンピューティングは非常に重要なので、クラウド コンピューティングに取って代わることができるということでしょうか?張宇氏は、「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に取って代わるものではなく、互いに補完し合うものとなる。エッジコンピューティングで処理されるデータはローカルデータであるため、グローバルな理解を形成することはできない。こうした理解を形成するには、バックエンドでさまざまなエッジによって収集されたデータを統合するクラウドコンピューティングプラットフォームも必要となる」と強調した。

彼はスマート交通分野と双十一を例に挙げた。スマートカメラは、さまざまなインテリジェントな方法を通じて、カメラの前を通過するさまざまな人物、および車両のモデル、色、モデル、ナンバープレートを識別できますが、車両の軌跡を理解することはできません。車両の完全な軌道を形成するには、クラウド コンピューティング プラットフォームのサポートが依然として必要です。天猫百貨店のダブル11の売上高は1秒あたり25億を超えた。このような大量のコンピューティングをサポートするには、大規模なクラウド コンピューティング プラットフォームも必要です。

張宇博士は、モノのインターネットの発展は相互接続、インテリジェンス、自律性の 3 つの段階に分けられると考えています。モノのインターネットシステムが自律段階に発展すると、エッジコンピューティングとクラウドコンピューティングが連携したエンドツーエンドのシステムになります。

人工知能と負荷統合の組み合わせはエッジコンピューティングシステムで実現する

データ トレントを分析すると、過去に処理する必要があったデータの多くは構造化データであり、Excel スプレッドシートまたは単純なリレーショナル データベースを通じて維持および管理できることがわかります。しかし将来的には、モノのインターネットによって、ますます多くの非構造化データがもたらされるでしょう。非構造化データから本質的なつながりを発見したい場合は、人工知能技術を使用する必要があります。

2012年以前は、画像認識における人工知能の精度は人間よりも低かった。点線部分は人間の認識レベルを表し、このような曲線は機械認識のエラー率を表しています。 2012 年までに、AlexNet などの多数の新しい人工ニューラル ネットワークの出現により、人工知能は新たなレベルに到達しました。新しい人工知能技術の推進により、機械は画像認識において人間を超え始めています。

人工知能は大きな進歩を遂げてきましたが、依然として多くの課題に直面しています。最も重要なことは、人工知能も処理時に多くのコンピューティングリソースとストレージリソースを消費することです。 Baidu 検索を例にとると、検索を完了するには数百兆回の計算が必要です。推論段階では、非常に典型的な 224×224 解像度の画像を処理する場合でも、AlexNet や GoogleNet などの一部の人工知能ネットワークでは 10 億回を超える計算が必要になります。このような大量の計算には、非常に強力なコンピューティング チップのサポートが必要です。したがって、人工知能の開発は実際にはチップにさらに高い要求を課すことになります。

チップ開発の過程では、チップ技術が決定的な要素となります。インテルはムーアの法則の創始者であり実践者です。半導体トランジスタの密度変化を22nmから14nm、14nmから10nmでみると、密度成長率は実に2倍を超えています。 Intel のプロセス反復時間は延長されましたが、更新レートの観点から見ると、依然としてムーアの法則の速度で前進しています。ムーアの法則は、半導体技術の進歩を推進し続けると同時に、人工知能などの新しいコンピューティング モデルに安定したコンピューティング能力を提供します。そのため、人工知能の応用により、エッジ コンピューティングに対する要件が高まり、エッジ コンピューティング デバイスの進化が促進されました。

張宇博士は、エッジ側での負荷統合の傾向は、モノのインターネットの進化における避けられない傾向であると強調しました。従来はさまざまなデバイスに分散されていた負荷は、仮想化などのテクノロジーを通じて単一の高性能コンピューティング プラットフォームに統合され、包括的かつ複雑な機能が実現されるようになります。各機能サブシステムは、デバイスが提供するコンピューティング、ストレージ、ネットワークなどのリソースを共有できると同時に、相互の影響を回避するためにある程度の独立性も備えているため、システム アーキテクチャが簡素化され、全体的なシステム コストが削減されます。同時に、負荷統合は実際にエッジ コンピューティングの実現と人工知能アプリケーションの実装のための条件を提供します。統合デバイスは、エッジ データの集約ノードであると同時にエッジ制御の中心でもあり、処理に必要なデータをエッジ インテリジェンスに提供し、制御のエントリ ポイントも提供します。そのため、Intel は、将来のエッジ コンピューティング システムでは人工知能と負荷統合の組み合わせが実現すると考えています。

ハードウェアを活用してユーザーに包括的かつ適切なソリューションを提供する

張宇博士は、モノのインターネットシステムはエッジコラボレーションを備えたエンドツーエンドのシステムである必要があり、モノのインターネットシステムではフロントエンドだけでなくバックエンドでも人工知能が広く使用されるようになると指摘しました。モノのインターネットにおけるさまざまなネットワーク ソースには、さまざまなコンピューティング能力の要件があります。さらに、人工知能の導入には、さまざまな特性を持つハードウェア プラットフォームと、ソフトウェアとハ​​ードウェアの調整された最適化が必要です。 Intel は、Xeon プロセッサー、Xeon Phi プロセッサー、Intel Nervana ニューラル ネットワーク プロセッサーおよび FPGA などの最先端の完全なハードウェア プラットフォーム、ネットワークおよびストレージ テクノロジー、オープンソース フレームワークを最適化するためのさまざまなソフトウェア ツールおよび関数ライブラリを含む、エンドツーエンドで業界をリードするフルスタック AI ソリューションを提供します。エッジ コンピューティングが直面している大きな課題の 1 つは、電力消費とコンピューティング能力のバランスをどのように取るかということだということは言及する価値があります。 Movidius の優れたシングルワット コンピューティング機能により、Intel は業界に低電力で高性能なエッジ コンピューティング ソリューションを提供できます。電力消費に関して厳しい要件があるフロントエンドカメラの場合、Movidius などの低電力チップを使用する方が適しています。エッジでカメラに接続されたデバイスや、アルゴリズムを実行するサーバー サービス センターの場合は、FPGA を使用する方が適切です。

現在、人工知能アプリケーション向けの AI チップ設計企業が登場しています。今後のAIチップの開発動向はどうなるのでしょうか？張宇氏は、「実際のシステムには解決すべき問題やシステム内の位置が異なり、ハードウェアとコンピューティングの要件も異なります。ユーザーは、さまざまな要件に基づいて、より適切なハードウェア アーキテクチャを選択する必要があります」と考えています。現在の多くの人工知能アプリケーションは、実際には画像処理を中心にしています。AlphaGo でさえ、囲碁をプレイするときに、チェス盤を 2 次元画像に変換して入力し、ニューラル ネットワーク分析を使用して最終結果を取得します。これには、重みネットワーク、評価ネットワークなどが含まれており、次にチェスの駒をどこに配置すると最も勝つことができるかという結論を得ています。しかし、これが人工知能の未来を表しているのでしょうか。それは難しいことです。その理由は、将来、人間の脳や機械によって分析される問題には多くの種類があるためです。画像に起因するものもあれば、そうでないものもあります。画像に起因するものであれば、畳み込みを使用できます。画像に起因するものでない場合、より効果的な別のアーキテクチャはありますか。処理される問題の複雑さが増し、処理される問題の種類が増え、問題の理解が明確になるにつれて、将来的には特定のアプリケーションや問題に適したアプリケーション アーキテクチャが見つかる可能性があります。」

エッジ コンピューティングとクラウド コンピューティングでは、開発者は設計時にエッジ コンピューティングとクラウド コンピューティングをどのように定義するかについてより懸念しています。どちらがより適切でしょうか? Intel は、コンピューティング アーキテクチャをより簡単にソフトウェア定義できるようにするには、理解して習得する必要がある共通のテクノロジがあると考えています。どのようなタイプのビジネスであっても、クラウド、エッジ、さらにはターミナルノード上でより柔軟に実行できます。ソフトウェア定義の柔軟性がなければ、ワークロードをクラウドからフロントエンドに移行することは非常に困難になります。チップメーカーの観点からは、そういった配慮も必要になります。

ネットワーク最適化はエッジコンピューティングにAIを適用する鍵となる

人工知能の理論的基礎はまだ不完全であり、その結果、現在の人工知能の計算の大部分は冗長になっています。エッジ側で人工知能を活用する場合、ネットワーク最適化が重要な技術となります。 Intel のネットワーク最適化の考え方は、低ビット、プルーニング、パラメータ量子化の 3 つの側面に分かれています。

いわゆる低ビットですが、従来のディープラーニング分野では、パラメータは32ビットの単精度浮動小数点数を使用して表現されることが多いのですが、セキュリティ分野、機械学習、マシンビジョン分野など、多くの応用シナリオでは、実際の精度要件はそれほど高くないことがわかりました。 Intel は、最終的な認識率に影響を与えることなく、パラメータ全体の精度を 32 ビット単精度浮動小数点から 16 ビット半精度、さらには 8 ビット完全精度や 2 ビット完全精度に変換します。ビット数が減少し続けると、ストレージと計算の量が削減されるため、もともと計算能力が比較的限られていたプラットフォームでも、より複雑な操作を実行できるようになります。

剪定も同様です。人工知能ネットワークを木の枝に例えると、木のそれぞれの枝は実際には異なる検出機能に対応しています。さまざまなアプリケーション シナリオではさまざまな機能に重点が置かれており、これらの処理機能と検出機能が最終的な検出に影響を与えない可能性が非常に高くなります。効果のないブランチは完全に剪定できます。剪定により計算量を大幅に削減できます。

量子化とは、パラメータをその特性に応じてクラスター化できることを意味します。パラメータの種類は比較的単純な記号や数字を使用して表現できるため、人工知能のストレージ要件を大幅に削減できます。この最適化のアイデアに応えて、Intel は良好な相互作用を形成するために人工知能技術とハードウェアを継続的に開発しています。

エコシステムを強化することによってのみ、開発をより良く促進することができる

エッジ コンピューティングは巨大なエコシステムであり、この業界チェーンに関係する上流および下流のリンクをすべて単一の企業で提供することはできません。この業界チェーンにおいて、Intel はコンピューティング、通信、ストレージに必要なチップ ソリューションを提供するチップ企業としての地位を確立しています。張宇氏は、「エッジコンピューティング業界の壮大な目標は、私たちだけでは達成できません。ECCエッジコンピューティングアライアンスでご覧いただいたように、学術機関の参加や政府機関の支援など、さまざまな企業や機関の参加が必要です。このようにしてのみ、私たちは共に前進し、人工知能の潜在能力を真に解き放ち、人々が人工知能技術を使用してこれまでできなかったことをより多く行うことができるようになります」と述べました。

エッジ コンピューティングにはチップが必要ですが、ハードウェアだけでは不十分で、連携するソフトウェアも必要です。張宇氏は「当社はチップに関連する基盤ソフトウェアやミドルウェア要素もユーザーに提供しています。当社が提供する部品を使用することで、パートナーは対応する製品をより良く開発できるようになります」と語った。インテルはファーウェイおよび瀋陽自動化研究所と協力関係を結んだ。 Huaweiは、Intelプロセッサをベースにしたエッジゲートウェイ製品AR550iをリリースしました。この製品により、Huawei は業界チェーン全体において ODM と OEM の役割を果たします。このエッジ コンピューティング インダストリー アライアンス サミットで、インテルと瀋陽自動化研究所は、ディープラーニング ベースのマシン ビジョン ソリューションの実際のシステムでの動作効果を検証することを目的として、エッジ コンピューティング テスト ベッドであるインテリジェント ロボットを実演しました。

張宇氏は次のように強調した。「当社は業界パートナーほど垂直産業について深く理解しているわけではありません。その点では、当社は彼らと非常にうまく連携しています。当社はソリューションを提供し、彼らはアプリケーションソリューションを提供し、私たちは協力して特定の垂直産業の要件を満たす総合的なソリューションを構築し、その実装を加速しています。インテルはエッジコンピューティングノードの研究開発を継続するだけでなく、クラウドコンピューティング機能やネットワーク通信インフラストラクチャの機能も備えています。当社はよりマクロ的かつ総合的な方法で業界全体のニーズに応えることができます。」