エッジAIとエッジコンピューティングとは

エッジAIは、最も注目される新しい分野の1つであり、人々がプライバシーまたはデータ伝送による遅延について心配することなく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は、スマートデバイスがクラウドにアクセスしなくても入力に迅速に反応できるように、AIのより広範な使用を可能にします。エッジAIの簡単な定義は以上ですが、エッジAIを可能にする技術を探り、エッジAIの使用例を見てみましょう。

エッジコンピューティングとは

エッジAIを真正に理解するには、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、クラウドコンピューティングと対比することです。クラウドコンピューティングは、インターネットを介してコンピューティングサービスを提供することです。一方、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ていない代わりに、ローカルデバイスで動作します。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、またはインターネット・オブ・シングス（IoT）デバイスになります。エッジコンピューティングを使用する利点は、いくつかあります。たとえば、インターネット/クラウドベースの計算は待ち時間と帯域幅によって制限されるのに対し、エッジコンピューティングはこれらのパラメータによって制限されません。

エッジAIとは

エッジコンピューティングを理解したので、エッジ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で実行されます。これにより、データをリアルタイムで処理できます。クラウドに接続する必要がないためです。

ほとんどの最先端のAIプロセスは、多大な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プロセスはダウンタイムに弱くなります。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で動作するため、必要なデータ操作はローカルで実行できます。インターネット接続が確立されると、データが送信されます。これにより、時間が節約されます。ディープラーニングアルゴリズムは、データの元の場所であるデバイス自体で動作できます。

エッジAIは、クラウドにアクセスできない状況でAIを使用する必要があるデバイスが増えてきているため、ますます重要になっています。例えば、どれだけの工場ロボットやどれだけの車がコンピュータビジョンアルゴリズムを使用しているか考えてみましょう。データ伝送の遅延は、これらの状況では致命的になる可能性があります。自律走行車は、道路上の物体を検知する際に遅延を許容できません。応答時間が非常に重要であるため、車載のエッジAIシステムがクラウド接続に頼ることなく画像を分析および分類できるようにする必要があります。

エッジコンピューターが通常クラウドで実行される情報処理タスクを担当すると、結果はリアルタイムの低遅延、リアルタイム処理になります。さらに、データの送信を最も重要な情報に制限することで、データ量を削減し、通信の断絶を最小限に抑えることができます。

エッジAIとインターネット・オブ・シングス

エッジAIは、5Gやインターネット・オブ・シングス（IoT）などの他のデジタル技術と組み合わせます。IoTは、エッジAIシステムが使用するデータを生成できます。5Gテクノロジーは、エッジAIとIoTの両方の進歩に不可欠です。

インターネット・オブ・シングスとは、インターネットに接続されたさまざまなスマートデバイスのことです。これらのデバイスはすべてデータを生成し、エッジAIデバイスにフィードできます。エッジAIデバイスは、クラウドと同期されるまでデータを一時的に保存するユニットとしても機能できます。データ処理方法により、柔軟性が向上します。

モバイルネットワークの5世代、5Gは、エッジAIとインターネット・オブ・シングスの両方の開発に不可欠です。5Gは、最大20Gbpsの高速でデータを転送できます。一方、4Gは最大1Gbpsの速度でしかデータを提供できません。5Gは、4Gよりもはるかに多くの同時接続をサポートし（1平方キロメートルあたり1,000,000対100,000）、待ち時間も短縮されます（1ミリ秒対10ミリ秒）。これらの4Gに対する利点は重要です。IoTが成長するにつれて、データ量も増加し、転送速度に影響します。5Gにより、より幅広いデバイス間のやり取りが可能になり、多くのデバイスにエッジAIを搭載できます。

エッジAIのユースケース

エッジAIのユースケースには、ローカルデバイスでデータ処理を実行する方がクラウドで実行するよりも効率的である場合があります。ただし、エッジAIの最も一般的なユースケースには、自律走行車、自律ドローン、顔認識、およびデジタルアシスタントが含まれます。

自律走行車は、エッジAIの最も関連性の高いユースケースの1つです。自律走行車は、周囲の環境を常にスキャンし、近くのイベントに基づいて軌道を修正する必要があります。リアルタイムのデータ処理は、これらのケースでは非常に重要です。したがって、車載のエッジ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3およびレベル4（完全に自律）の車両を市場に導入するために不可欠です。

自律ドローンは人間の操作者によって操作されないため、自律車と同様の要件があります。ドローンが制御を失ったり故障したりして墜落した場合、物や人に被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外で飛行する可能性があり、エッジAIの機能が必要です。エッジAIシステムは、Amazon (AMZN ) Prime Airなどのサービスに不可欠です。このサービスは、ドローンでパッケージを配達することを目的としています。

エッジAIのもう1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を使用して、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タスクのために動作する顔認識アプリは、クラウドに接続されていない場合でも信頼性が高く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の一般的なユースケースです。Google Assistant、Alexa、Siriなどのデジタルアシスタントは、インターネットに接続されていない場合でも、スマートフォンやその他のデジタルデバイスで動作する必要があります。デバイスでデータを処理すると、クラウドに送信する必要がなくなり、トラフィックが削減され、プライバシーが確保されます。