エッジ AI およびエッジ コンピューティングとは何ですか?

エッジ AI は人工知能の最も注目すべき新しい分野の XNUMX つであり、人々がプライバシーやデータ送信による速度の低下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 のより広範囲にわたる使用が可能になり、スマート デバイスがクラウドにアクセスせずに入力に迅速に反応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、それを可能にするテクノロジーを調査し、エッジ AI のいくつかのユースケースを確認することで、エッジ AI をよりよく理解しましょう。

エッジコンピューティングとは

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と、それを理解するための最良の方法を理解する必要があります。 エッジコンピューティング それをクラウド コンピューティングと対比させることです。 クラウド コンピューティングは、インターネット経由でコンピューティング サービスを提供することです。 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に接続されず、ローカル デバイス上で動作します。 これらのローカル デバイスは、専用のエッジ コンピューティング サーバー、ローカル デバイス、 またはモノのインターネット (IoT)。 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/クラウドベースのコンピューティングは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パラメーターによって制限されません。

エッジAIとは何ですか？

エッジ コンピューティングを理解したところで、 Edge AI を見てみましょう。 エッジ AI は、人工知能とエッジ コンピューティングを組み合わせたものです。 AI アルゴリズムは、エッジ コンピューティングが可能なデバイス上で実行されます。 この利点は、クラウドに接続する必要がなく、データをリアルタイムで処理できることです。

最先端の AI プロセスのほとんどは、大量のコンピューティング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 プロセスはダウンタイムに対して脆弱になる可能性があります。 Edge AI システムはエッジ コンピューティング デバイス上で動作するため、必要なデータ操作をローカルで実行でき、インターネット接続が確立されたときに送信されるため、時間を節約できます。 深層学習アルゴリズムは、データの原点であるデバイス自体で動作できます。

クラウドにアクセスできない状況でも AI を採用する必要があるデバイスが増えているため、エッジ AI の重要性はますます高まっています。最近の工場用ロボットや自動車の何台がコンピューター ビジョン アルゴリズムを搭載しているかを考えてみましょう。このような状況でのデータ送信の遅延は、致命的なものになる可能性があります。自動運転車は、路上の物体を検出する際に遅延に悩まされることはありません。素早い応答時間は非常に重要であるため、デバイス自体には、クラウド接続に依存せずに画像を分析および分類できるエッジ AI システムが搭載されている必要があります。

通常はクラウド上で実行される情報処理タスクをエッジ コンピューターに任せると、低遅延のリアルタイム処理が実現します。 また、送信するデータを重要な情報のみに限定することで、データ量自体を削減し、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 テクノロジーと連携します。 IoT はエッジ AI システムが利用できるデータを生成できますが、5G テクノロジーはエッジ AI と IoT の両方の継続的な進歩に不可欠です。

モノのインターネットとは、インターネットを通じて相互に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、Edge AI デバイスに供給できるデータを生成します。このデータは、クラウドと同期されるまでのデータの一時ストレージ ユニットとしても機能します。 データ処理方法により、柔軟性が高まります。

第 XNUMX 世代のモバイル ネットワーク、 5G、エッジ AI とモノのインターネットの両方の開発にとって重要です。 5G は最大 20 Gbps というはるかに高速なデータ転送が可能ですが、4G はわずか 1 Gbps でデータを配信できます。 5G は、4G よりもはるかに多くの同時接続 (平方キロメートルあたり 1,000,000 対 100,000) と、より優れた遅延速度 (1ms 対 10ms) もサポートします。 IoT の成長に伴いデータ量も増加し、転送速度に影響を与えるため、4G と比較したこれらの利点は重要です。 5G により、より幅広いデバイス間の対話が可能になり、その多くは Edge AI を搭載できます。

エッジAIのユースケース

Edge AI のユースケースには、データ処理がクラウド経由よりもローカル デバイスでより効率的に行われるほぼすべてのインスタンスが含まれます。 ただし、Edge AI の最も一般的な使用例には次のようなものがあります。 自己駆動車, 自律ドローン, 顔認識, デジタルアシスタント.

自動運転車は、エッジ AI に最も関連性の高いユースケースの 3 つです。 自動運転車は常に周囲の環境をスキャンして状況を評価し、近くの出来事に基づいて軌道を修正する必要があります。 このようなケースではリアルタイムのデータ処理が重要であるため、オンボードの Edge AI システムがデータの保存、操作、分析を担当します。 エッジ AI システムは、レベル 4 およびレベル XNUMX (完全自動運転) 車両を市場に投入するために必要です。

自律型ドローンは人間のオペレーターによって操縦されないため、自律型自動車と非常に似た要件があります。 ドローンが飛行中に制御を失ったり故障したりすると、墜落して財産や人命に損害を与える可能性があります。 ドローンはインターネット アクセス ポイントの範囲をはるかに超えて飛行する可能性があるため、エッジ AI 機能が必要です。 ドローンによる荷物の配送を目的としたAmazon Prime Airのようなサービスには、エッジAIシステムが不可欠となる。

Edge AI のもう XNUMX つのユースケースは、顔認識システムです。 顔認識システムはコンピュータ ビジョン アルゴリズムに依存し、カメラによって収集されたデータを分析します。 セキュリティなどの目的で動作する顔認識アプリは、クラウド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もエッジAIの一般的なユースケースの一つです。Googleアシスタント、Alexa、Siriといったデジタルアシスタントは、スマートフォンなどのデジタルデバイスがインターネットに接続されていない状態でも動作する必要があります。デバイス上でデータが処理される場合、クラウドに送信する必要がないため、トラフィックの削減とプライバシーの確保につながります。