雲、円グラフ、グラフのピクトグラムをコラージュしたイラスト
エッジAIとは、センサーやモノのインターネット（IoT）デバイスなどのローカル・エッジ・デバイスにAIアルゴリズムやAIモデルを直接展開することを指します。これにより、クラウド・インフラストラクチャーに常に依存することなく、リアルタイムでのデータ処理と分析が可能になります。
簡単に言うと、エッジAI（「エッジ上の AI」）とは、エッジコンピューティングと人工知能を組み合わせて、相互接続されたエッジ・デバイス上で機械学習タスクを直接実行することを指します。エッジコンピューティングにより、データをデバイスの近くに保存できるようになり、AIアルゴリズムにより、インターネット接続の有無にかかわらず、ネットワーク・エッジ上でデータを直接処理できるようになります。これにより、ミリ秒以内でのデータ処理が容易になり、リアルタイムのフィードバックが得られます。
自動運転車、ウェアラブル・デバイス、セキュリティー・カメラ、スマート家電は、エッジAI機能を活用して、最も重要なときにリアルタイムの情報をユーザーに迅速に提供するテクノロジーの一例です。
レイテンシー、セキュリティー、コスト削減といった懸念に対処しながら、ワークフローを最適化し、ビジネス・プロセスを自動化し、イノベーションの新たな機会を開拓する新たな方法を業界が模索する中で、エッジAIの注目が高まっています。
IBMのエッジコンピューティング・ソリューションの詳細をご覧ください。
エッジAIのおかげで、ローカライズされた意思決定により、常に中央のロケーションにデータを送信して待つ必要がなくなり、業務の自動化が促進されます。とはいえ、これらのAIパイプラインを再トレーニングして展開する目的で、データをクラウドに送信する必要性は依然としてあります。このパターンを多数のロケーションと多様なアプリケーションに展開することには、データ・グラビティ―、異質性、規模、リソースの制約といった課題があります。分散AIは、インテリジェントなデータ収集の統合、データとAIのライフサイクルの自動化、スポークの適応と監視、データとAIのパイプラインの最適化によって、エッジAIが直面している課題に対処することができます。
分散AI（DAI）は、マルチエージェント環境内でタスク、目的、または意思決定のパフォーマンスを分散、調整、および予測する役割を担います。DAIは、アプリケーションを多数のスポークに拡張し、AIアルゴリズムがエッジ上の複数のシステム、ドメイン、デバイスにわたって自律的に処理できるようにします。
今、機械学習モデルのトレーニングと展開には、クラウド・コンピューティングとAPIが使用されています。エッジAIは、予測分析、音声認識、異常検知などの機械学習タスクをユーザーの近くで実行し、多くの点で一般的なクラウド・サービスとは一線を画しています。アプリケーションをクラウド上で開発・実行するのではなく、エッジAIシステムは、データが作成された場所の近くでデータを処理・分析します。機械学習アルゴリズムはエッジで実行でき、情報はプライベート・データセンターやクラウド・コンピューティング施設ではなく、IoTデバイス上で直接処理できます。
エッジAI は、リアルタイムでの予測とデータ処理が必要な場合に、常に優れた選択肢を提示します。最新の自動運転技術について考えてみましょう。自動車の安全な移動と潜在的な危険の回避を実現するためには、信号、不安定なドライバー、車線変更、歩行者、カーブ、その他多数の変数など、さまざまな要素を迅速に検出して対応する必要があります。この情報を車両内でローカルに処理できるエッジAIは、クラウド・ベースのAIを介してリモート・サーバーにデータを送信することで生じる可能性のある、接続の問題の潜在的なリスクを軽減します。迅速なデータ応答が生死を分ける可能性があるこのようなシナリオでは、車両が迅速に対応できる能力が極めて重要です。
逆に、クラウドAIとは、クラウド・サーバー上でAIアルゴリズムとモデルを展開することを指します。データ・ストレージと処理能力が向上し、より高度なAIモデルのトレーニングと展開が容易になります。
クラウドAIは、エッジAIに比べてより大きな計算能力とストレージ容量を提供することができ、より複雑で高度なAIモデルのトレーニングと展開を容易にします。エッジAIには、デバイスのサイズの制約により処理能力に限界があります。
レイテンシーは、生産性、コラボレーション、アプリケーションのパフォーマンス、ユーザー・エクスペリエンスに直接影響します。レイテンシーが大きいほど（応答時間が遅れるほど）、その影響も大きくなります。エッジAIはデバイス上で直接データを処理することでレイテンシーを低減しますが、クラウドAIは遠隔のサーバーにデータを送信するため、レイテンシーが大きくなります。
帯域幅とは、世界中におけるインバウンドおよびアウトバウンドのネットワーク・トラフィックのパブリック・データ転送を指します。エッジAIはデバイス上でローカルにデータ処理を行うため、狭い帯域幅で十分ですが、クラウドAIは遠隔のサーバーへのデータ送信を伴うため、より広いネットワーク帯域幅を必要とします。
エッジ・アーキテクチャーでは、機密データをデバイス上で直接処理することでプライバシーが強化されますが、クラウドAIでは外部サーバーにデータを送信するため、機密情報がサードパーティーのサーバーに露出される可能性があります。
Grand View Research, Inc.（ibm.com外部へのリンク）のレポートによると、2022年の世界のエッジAI市場規模は1,478万米ドルで、2023年までに6,647万米ドルに成長すると予想されています。 エッジコンピューティングのこの急速な拡大は、エッジAIの強みと併せて、IoTベースのエッジコンピューティング・サービスの需要の増加によるものです。エッジAIの主なメリットは次のとおりです。
完全なデバイス上での処理により、ユーザーは遠隔地にいるサーバーから情報を返す必要性によって生じるレイテンシーなく、迅速な応答間隔を体験できます。
エッジAIはローカル・レベルでデータを処理するため、インターネット経由で送信されるデータ量を最小限に抑え、インターネット帯域幅を確保できます。使用する帯域幅が少ない場合、データ接続で大量の同時データ送受信を処理できます。
ユーザーは、システムへの接続や統合を必要とせずにデバイス上でリアルタイムにデータ処理を実行できるため、他の物理的な場所と通信することなく、データを統合して時間を節約できます。しかし、エッジAIは、特定のAIアプリケーションで要求される膨大な量のデータと多様なデータを管理する際に制約に直面する可能性があり、リソースと容量を活用するためにクラウド・コンピューティングと統合する必要がある場合があります。
サイバー攻撃に対して脆弱である可能性のある別のネットワークにデータが転送されないため、プライバシーが強化されます。エッジAIは、デバイス上でローカルに情報を処理することにより、データの取り扱いミスのリスクを軽減します。データ主権規制の対象となる業界では、エッジAIは、指定された管轄区域内でデータをローカル処理および保存することで、コンプライアンスの維持に役立ちます。一方、集中型データベースは潜在的な攻撃者にとって魅力的なターゲットになる可能性があるため、エッジAIはセキュリティー・リスクを完全に回避できるわけではありません。
エッジAIは、クラウド・ベースのプラットフォームと、OEMテクノロジーに固有のエッジ機能を使用してシステムを拡張し、ソフトウェアとハードウェアの両方を網羅します。これらのOEM企業は、ネイティブ・エッジ機能を自社の装置に統合し始めており、システム拡張のプロセスを簡素化しています。この拡張により、ノードの上流または下流でダウンタイムが発生した状況でも、ローカル・ネットワークの機能を維持できるようになります。
クラウド上でホストするAIサービスに関連する費用は、高額になる可能性があります。エッジAIは、コストのかかるクラウド・リソースを、即座の現場作業ではなく、その後の分析を目的とした、後処理データの蓄積のためのリポジトリーとして利用するオプションを提供します。これにより、クラウド・コンピューターとネットワークのワークロードが軽減されます。CPU、GPU、メモリの使用率は、ワークロードがエッジ・デバイス間で分散されるため大幅に削減され、この2つの間でエッジAIがよりコスト効率の高い選択肢になることが特徴です。
クラウド・コンピューティングがサービスのすべての計算を処理する場合、一元化された場所では多大なワークロードが発生します。ネットワークは、高いトラフィックに耐えて中央ソースにデータを送信します。マシンがタスクを実行すると、ネットワークは再びアクティブになり、データをユーザーに送信します。エッジ・デバイスは、この継続的な双方向のデータ転送を排除します。その結果、ネットワークとマシンの両方が、あらゆる側面の処理の負担から解放され、ストレスが軽減されます。
さらに、エッジAIの自律的な特性により、データサイエンティストによる継続的な監督が不要になります。人間の解釈は、データの究極的な価値とそれがもたらす結果を決定する上で常に極めて重要な役割を果たしますが、エッジAIプラットフォームはこの責任の一部を引き受け、最終的にはビジネスのコスト削減につながります。
エッジAIは、ニューラル・ネットワークとディープラーニングを利用してモデルをトレーニングし、与えられたデータ内のオブジェクトを正確に認識、分類、記述します。このトレーニング・プロセスでは通常、一元化されたデータセンターまたはクラウドを利用して、モデルのトレーニングに必要な大量のデータを処理します。
エッジAIモデルは展開後、時間の経過とともに徐々に改善されていきます。AIが問題に遭遇した場合、問題のあるデータがクラウドに転送され、多くの場合、初期のAIモデルの追加トレーニングのためにクラウドに転送され、最終的にエッジの推論エンジンに置き換えられます。このフィードバック・ループは、モデルのパフォーマンス向上に大きく貢献します。
エッジAIの一般的な例としては、スマートフォン、ウェアラブル・ヘルス・モニタリング・アクセサリー（スマート・ウォッチなど）、自動運転車のリアルタイム交通情報、コネクテッド・デバイス、スマート家電などが挙げられます。また、コストの削減、プロセスの自動化、意思決定の改善、運用の最適化のために、さまざまな業界でエッジAIアプリケーションの導入が進んでいます。
医療プロバイダーは、エッジAIの実用的な実装と最先端のデバイスの導入を通じて、大きな変革を遂げています。このテクノロジーは、さらなる最先端技術と組み合わせることで、患者のプライバシーを保護し、応答時間を短縮しながら、よりスマートな医療システムを構築すると予測されています。
ウェアラブル・ヘルス・モニターは、ローカルに埋め込まれたAIモデルを利用して、心拍数、血圧、血糖値、呼吸などの指標を評価します。ウェアラブルなエッジAIデバイスは、患者の指標の急降下を検知し、介護者に警告することもできます。これは、一般的に販売されているスマートウォッチにすでに搭載されている機能です。
救急車に迅速なデータ処理機能を装備することで、救急隊員はモニタリング・デバイスからインサイトを抽出し、医師に相談して効果的な患者の対処方法を決定できます。同時に、救急治療室のスタッフは、患者固有のケア要件に対処する準備できます。このような状況にエッジAIを統合すると、重要な医療情報のリアルタイムの交換が容易になります。
世界中のメーカーがエッジAIテクノロジーの統合を始め、製造のオペレーションに革命を起こし、それによってプロセスの効率と生産性を向上させています。
センサーのデータを活用することで、異常を事前に特定し、機械の故障を予測することができます。これは予知保全とも呼ばれます。機器のセンサーは欠陥を特定し、重要な修理の必要性について経営陣に迅速に通知します。これにより、タイムリーな解決が可能になり、運用上のダウンタイムを回避できます。
エッジAIは、品質管理、作業員の安全性、歩留まりの最適化、サプライチェーン分析、フロアの最適化など、この業界で必要とされるその他の領域にも適用できます。
Eコマースやオンライン・ショッピングの人気の高まりにより、企業が大きなトレンドを経験していることは周知の事実です。従来型の実店舗は、シームレスなショッピング体験を提供し、顧客を惹きつけるために革新を求められています。この変化に伴って、「ピックアップ・アンド・ゴー」店舗、センサー付きのスマート・ショッピング・カート、スマート・チェックアウトなどの新しいテクノロジーが登場しました。これらのソリューションは、エッジAIテクノロジーを活用して、従来の店舗内での顧客体験を向上させ、迅速化しています。
今日の環境には、ドアベル、サーモスタット、冷蔵庫、エンターテイメント・システム、制御電球などの「スマート」デバイスがあふれています。これらのスマート・ホームには、エッジAIを活用して住民の生活の質を向上させるデバイス・エコシステムが含まれています。住民がドアにいる人を識別する必要がある場合でも、デバイスで家の温度をコントロールする必要がある場合でも、エッジ・テクノロジーは、集中型のリモート・サーバーに情報を送信することなく、現場でデータを迅速に処理できます。これにより、居住者のプライバシーを維持し、個人データへの不正アクセスのリスクを軽減しています。
セキュリティー・ビデオ分析では、スピードが最も重要です。多くのコンピューター・ビジョン・システムには、リアルタイムでの分析に必要な適切なスピードがないため、セキュリティー・カメラがキャプチャした画像やビデオをローカルで処理するのではなく、高性能処理機能を備えたクラウド・ベースのマシンに送信します。これらのクラウド・ベースのシステムは、ローカルでデータを処理しないと、データのアップロードと処理の遅延といったレイテンシーの問題によって障害が発生します。
エッジAIのコンピューター・ビジョン・アプリケーションとスマート・セキュリティー・デバイス上の物体検出機能は、不審なアクティビティーを特定し、ユーザーに通知し、アラームをトリガーします。これらの機能は、より強い安全・安心感を住民にもたらします。
IBMの次世代AIとデータのプラットフォームでAIの力を倍増します。
IBMは、エッジ環境の規模、変動性、変化率に対応する自律的な管理サービスと、企業がネットワークをモダナイズし、エッジでサービスを提供するためのソリューションを提供します。
IBM Power Systems および IBM Storage ソリューションは、AIモデルをエッジで機能させます。エッジで生成されたライブ・ビジュアル・データからインサイトを解き放ちます。
エッジコンピューティングを活用して、新たなテクノロジーによるネットワークの混雑を緩和しましょう。
IBM ResearchのNirmit Desaiが分散型AIとその機能についてご紹介します。
エンタープライズ・アプリケーションを実際のデータ・ソースの近くに移行することを検討しましょう。
IBMのエッジコンピューティングが5Gとエッジ・テクノロジーの融合をどのように実現するかをご覧ください。
エッジ・デバイス管理とオン・デバイス分析のためのソリューションをデータソースで開発します。
エッジコンピューティングを導入する業界別のメリット、課題、アーキテクチャについてお読みください。