タグ

エッジでの分析

Edge分析 — IoT（モノのインターネット）タイプのデバイスからデータを収集・分析し、リアルタイムで実行可能な洞察を生み出すプロセスを詳しく見る。

エッジコンピューティングに関するブログ・シリーズの第8回となりますが、以前の投稿の1つでは、エッジにおける機械学習モデリングについて取り上げました。その中で、機械学習（ML）モデルがどのように構築され、エッジ・ノードにデプロイされるかについて説明しました。しかし、モノのインターネット（IoT）タイプのデバイスによって生成されているビデオ・フィードやその他の非構造化データについてはどうでしょうか。そのすべてのデータを分析し、リアルタイムで成果を生成できますか。どのように実現されますか。エッジでリアルタイムに分析できない場合、そのデータはどこに送信され、そのデータの形式はどのようなもので、どれくらいの時間で分析できるでしょうか。最後に、そのデータは保管する必要があるのでしょうか、また、保管する必要がある場合、すべてのデータをどこに保管する必要がありますか。また、その理由は。このブログ記事は、そのような質問に答えようとしています。これを「Edge分析」または「エッジAI」と呼ぶ人もいます。

エッジコンピューティングに関するこのブログ記事のすべてをご覧ください。

IBMニュースレター

The DX Leaders

AI活用のグローバル・トレンドや日本の市場動向を踏まえたDX、生成AIの最新情報を毎月お届けします。登録の際はIBMプライバシー・ステートメントをご覧ください。

Edge分析とは

エッジ分析の定義は、データを生成するIoT（モノのインターネット）デバイスから直接、実行可能な洞察をリアルタイムで収集、分析、作成するプロセスです。これはエッジコンピューティングだと主張する人もいるかもしれませんが実際、Edge分析は物事を次のレベルに引き上げ、より多くのデータが取得され、迅速なアクションが実行される前に複雑な分析が行われます。エッジコンピューティングは、ソフトウェアプログラミングのif/then構造に似ています。Edge分析は、what ifアプローチを採用します。

人工知能（AI）の純粋主義者は、Edge分析は予測（推論）、つまりトレーニング済みのニューラル・ネットワークからの知識を適用し、それを使用して成果を推論するものであると主張するでしょう。

エッジコンピューティング

エッジコンピューティングの未来

小売業から銀行業、通信事業者まで、ほぼあらゆる業種の企業が、エッジコンピューティングがより迅速な洞察と行動、より良いデータ管理、継続的なオペレーションを可能にする方法を模索しています。このビデオでは、IBMフェロー兼IBM Edge ComputingのCTOであるRob Highが、IBMの専門家と対談し、エッジコンピューティングの未来について詳しく説明します。

エッジコンピューティングの詳細はこちら

データはどこで分析すべきか。

実際のところ、データ生成はネットワーク容量を上回っています。したがって、どのようなデータを分析するか、どのようなデータをクラウドのストレージに送信して保存するか、そして、最も重要なことですが、データを分析する場所についてインテリジェントである必要があります。これらの質問に対する簡単な答えは「依存する」ですが、ビジネス上および技術的な理由と推奨事項もあります。

その答えは、データをリアルタイムで分析することがどの程度クリティカルなのか、そしてそのデータを使って追加分析を行う必要があるかどうかという2つの要素によって決まります。次にビジネスや管轄区域のコンプライアンス要件を満たすためのストレージ要件（またはそうでない）もあります

クラウドはリアルタイム分析には適していないと考える人もいます。したがって、すべてのデータをクラウドに送信することは、解決策ではありません。クラウドに保存されているデータのほとんどは分析されることがないからです。最終的には、データベースまたはビット・バケットに収まり、そこにとどまることになります。

リモート・カメラによる動画撮影を例に挙げながら、エッジ上での分析とサーバー上での分析の長所と短所を以下の表にまとめました。

分析は状況アウェアネスに依存します

状況認識とは、時間または空間に関する環境要素とイベントのアウェアネス、その意味の理解、および将来の状態の予測のことです。その定義はWikipediaから引用したもので、アウェアネス3つのレベルは以下の図に示しています。時間が状況認識において最も重要な側面であることを考慮すると、ひいては分析、特にエッジでの分析の推進力となると言えます。

図1：3つのレベルのアウェアネス。

エッジでのイベントでは、カメラが見ているものやセンサーが何を感知しているかをリアルタイムで分析する必要があるため、迅速に意思決定を行い、即座に行動を起こすことができます。2台の車が衝突経路上にある場合、情報をクラウドに送信したり、誰かに通知したりするタイミングはありません。現在の経路を維持することによる影響を構想し、即時の措置を講じることで衝突を回避することができます。自動車製造工場で塗装ロボットを監視しているスマート・カメラが、車体部品に適用されている塗料の量が間違っていることを確認した場合、是正措置が必要になります。これらはすべて、そのようなデバイスまたはシステムにデプロイされた事前構築モデルのみが可能です。

しかし、新しい状況やこれまでの構想外の状況についてはどうでしょうか。建設現場では、ヘルメットをかぶっていない人を検出し、警報を発したり、現場の監督者に知らせたりするようにカメラをトレーニングできます。エントリー・センサーは、人々がバッジを着用しているか、武器を持ち歩いているかなどを検知できます。パンデミックのような自然災害が発生した場合、これらの同じデバイスにマスクや手袋などの健康関連アイテムを検出させたいと考えます。

エッジデバイスがそのような状況を検知および分析し、必要なアクションを実行できるように、既存のモデルを強化するか、新しい機械学習（ML）モデルをデプロイする必要があります。結果のアクションはプログラム可能で、特定の状況に依存します。警報を作動させたり、適切な担当者に通知したり、人々の侵入を禁止したりすることができます。Edge分析の力です。

Edge分析：内容と方法

デバイスが特定のしきい値に達したときにアラートを発するのは非常に単純ですが、真の価値は、複数のデータ変数のリアルタイムでの視覚的分析を行い、データ・ストリームから予測的な意味を見つけることにあります。これは、企業が潜在的な外れ値や問題を特定するのに役立ち、掘り下げてさらなる分析を実行する必要があります。

エッジ分析は必ずしも視覚的なものではありません。衝撃や振動の分析、ノイズ検知、温度センシング、圧力計、流量メーター、オーディオやトーン分析など、他にも多くのデータを生成する側面があります。自動車の衝突回避システムはカメラではなくセンサーで行われます。Edge分析アプリケーションは、メモリー、処理能力、または通信の制約がある可能性のあるエッジ・デバイスで動作する必要がありますが、これらのデバイスは、コンテナ化されたアプリケーションが実行されるエッジ・サーバー/ゲートウェイに接続されます。

デバイスからサーバーまたはゲートウェイ（通常、ファースト・マイルとして知られる）にデータを送信するために、さまざまなプロトコルが使用されます。これらは一般的なプロトコルの一部ですが、包括的なセットではありません。

HTTP/HTTPS：Hypertext Transfer Protocol/Secureは、インターネットの基礎となるステートレス通信プロトコルです。
MQTT：Message Queuing Telemetry Transportは、軽量のパブリッシュ/購読するマシン間メッセージング接続プロトコルです。
RTSP：Real-Time Streaming Protocolは、ビデオ投稿に使われるステートフルなプロトコルです。
Streams over HTTP： HTTPベースのアダプティブ・プロトコルのひとつです。
WebRTC：リアルタイム通信を可能にする標準規格、プロトコル、JavaScriptとHTML5のAPIの組み合わせ。
Zigbee： 産業用環境での低コストのバッテリー駆動のデバイス向けのパケットベースの無線プロトコルを使用する無線テクノロジーです。

ソフトウェアスタックは特定の業種・業務のユースケースによって異なりますが、大まかに言うと、Edge分析のトポロジーには通常、製品の組み合わせが含まれます。エッジには、視覚、オーディオ、または感覚的なデバイスがあり、コンテナ化された推論モデルを実行できるものもあります。推論サーバーにデータを送信し、IBM® Visual Insights とIBM® Edge Application Managerを実行する可能性があります。非視覚的データは、IBM® Event StreamsまたはApache Kafkaを使用してイベント・バックボーンに送信されます。さらに、モデルをトレーニング/再トレーニングする IBM® Watson などのソフトウェア製品や、IBM® Cloud Pak for Dataや AI などのミドルウェアにより、次のレイヤーでデータを集約、クレンジング、分析できるようになります。

上記のアウェアネス・グラフィックを念頭に置いてください。認識から行動まで、Edge分析はリアルタイムで動作する必要がありますブロック・アーキテクチャー図は、実行中のさまざまなコンポーネントを示しており、異なるレイヤー間のレイテンシーがミリ秒単位で示されています。

図2：Edge分析コンポーネントのアーキテクチャー。

Edge分析：いつ、どこで

人間は高度に調整されており、認知レベルではミリ秒単位（場合によってはマイクロ秒単位）で動作していることが判明しました。そのため、クラウドにデータを送信することによって、機械やデバイスによる応答や決定を、100ミリ秒でも500ミリ秒でもかからずに実現する必要があります。

エッジ分析の重要な要件の1つは、レイテンシーを短縮することでエクスペリエンスを向上させることです。もう1つは拡張性です。増え続けるセンサーやネットワーク・デバイスの数は、ますます多くのデータが生成されます。これにより、中央のデータ分析参考情報の負担が増えます。エッジ分析により、組織はデータを収集する場所に分散することで、機能および分析能力を拡張できます。

最後に、Edge分析は中央データ分析に代わるものではありません。どちらのオプションも、データの洞察を提供する際に相互に補完し合うことができます。先ほど、Edge分析が好まれるシナリオや、詳細な分析が必要であるためデータ・モデリングと分析の方が適しているシナリオがあるという事実を暗に示しました。Edge分析の主な目的は、できるだけリアルタイム（またはできるだけリアルタイムに近い）ビジネスに関する洞察を提供することです。