2022 年に注目すべき主要なエッジ AI トレンド

1956 年に大学の研究分野として取り入れられて以来、AI は楽観的な時期と悲観的な時期を同程度に経験してきました。今日私たちが目にしているものは非常に楽観的な姿勢であることに疑いの余地はありません。

データサイエンスは世界で3番目に人気のある職業です。実際、スペインのエッジ コンピューティングの現状に関する最近の調査では、データ サイエンティストはスペインの企業で最も需要のある専門家であることがわかりました。この市場は急成長を遂げており、2025 年までに 1,900 億ドルに達すると予想されています。

市場業界における人工知能の重要な地位により、人工知能はもはや単一の技術ではなく、さまざまな業界にさまざまな用途を提供する多数の分野になりました。

最も成熟し、生産段階に最も近いと特定されたトレンドの中で、私たちは日常生活の中でこれらのトレンドを認識することができます。例えば、ますます人間らしくなっているチャットボットと会話するときに使用する簡単な言語処理、リアルタイムのビデオ処理を自動化することを可能にするマシンイメージング、より良い検索結果につながるセマンティック検索などです。

反対に、少なくとも今後 10 年間は未来主義は見られなくなるでしょう。興味深い例としては、AI モデルを正規化してセキュリティやプライバシー攻撃に対する耐性を高めることができる AI TRISM (信頼、リスク、セキュリティ管理) テクノロジや、AI モデルを環境に適応させ、翻訳の改善、自動ドキュメント作成、生物学的配列分析などのアプリケーションに大きな影響を与える Transformers などがあります。

これら 2 つの極端な例の中間には、導入から市場での成熟までに 2 ～ 5 年かかる他の実現技術があり、これは「AI の近未来」と呼べるものです。これらには、人間中心の AI、生成 AI、AI のオーケストレーションと自動化、そして成熟曲線において他のすべてよりも進んでいるエッジ AI (「エッジ AI」とも呼ばれる) が含まれます。 2021年にはエッジAIは成熟した技術になるでしょう。

エッジ AI と産業界における分散型インテリジェンス革命

エッジ AI またはエッジ上の AI は、データ ソースに非常に近いデバイス (IoT デバイス、エッジ デバイス) 上で人工知能アルゴリズムを実行する機能として要約できます。

このテクノロジーは飛躍的に成長しており、それを裏付ける驚くべき統計があります。産業組織の 60% 以上が、効率的なイノベーションを支援するクラウド インフラストラクチャを導入していません。

では、エッジ AI プロジェクトを拡大鏡で見ると、2022 年と 2023 年に目撃する最も破壊的なトレンドは何でしょうか?

トップ 5 の概要は次のとおりです。

1. 主要産業が主な原動力となる：SCADAからエッジAIまで

Barbara IoT では、エッジ AI の最前線にある業界に共通するパターンが見られます。つまり、どの業界も多くの重要な分散資産を扱っているということです。言い換えれば、これらの業界は、テクノロジーの断片化、スケーラビリティ、サイバーセキュリティといった大きな課題に直面しています。これらは、エッジで AI アルゴリズムを実行することで最小限に抑えることができます。これらの業界では、非常に野心的で変革的なユースケースが開発されると予測できます。

1980 年代から使用されている SCADA システムは、データの取得と処理に関して同様の目的を持っています。しかし、相互運用性、オープン性、セキュリティに対するますます厳しくなる要件に対応できるように、SCADA システムにはより現代的なテクノロジーを補完する必要があります。ここでエッジ AI が役立ち、これらのシステムの価値を増大させます。

2. 細いエッジは太いエッジを引き立てる

エッジ AI について言及する場合、「エッジ」の意味についてはさまざまな解釈があります。従来、エッジはユーザーに最も近いネットワーク オペレータ インフラストラクチャであると考えられてきました。たとえば、5G ネットワークについて話すとき、通信事業者が近距離データ処理のために「マルチアクセス エッジ コンピューティング」と呼ばれる多数のノードを展開していることを意味します。これらのノードは、クラウド サービスをホストするために設計されたデータ センターに非常によく似たサーバーにインストールされており、複雑な人工知能アルゴリズムを処理する大きな可能性と能力を備えています。これは、一部のアナリストが「厚い」エッジと呼ぶものです。

しかし、最近では別のタイプのエッジ ノードが開発され始めています。これは、センサーやスイッチに直接接続し、ゲートウェイやコンセントレータなどの低電力デバイスに搭載すると、よりリアルタイムに近い、より高速な応答時間でよりシンプルな AI アルゴリズムを実行するために使用されるエッジ ノードです。 「シン」エッジと呼ばれるこの新しいタイプのエッジにより、遠隔地や高度なセキュリティとデータ分離の要件を含む大規模なプロジェクトを迅速かつ柔軟に処理できるようになります。

3. 分散型 AI の新しいパラダイムとしてのエッジ グリッド

エッジ AI は従来、ビッグデータを使用してトレーニングされた意思決定モデルに基づいています。モデルは一連の数式で構成され、エッジ ノードにインストールされます。そこから、各ノードは受信したデータとインストールしたモデルに基づいて独自の決定を下すことができます。

エッジ メッシュと呼ばれるこの新しいパラダイムにより、メッシュ ネットワークのように、あるノードの決定が別のノードの決定によって制約されるようになります。この新しいアーキテクチャの威力を理解するための良い例は、インテリジェント交通システムです。

エッジノードは、センサーによって検出された車や人の数を考慮した人工知能アルゴリズムを使用して、信号のタイミングを決定できます。ただし、この決定は、近くの通りにある他のノードによって行われた決定によって完全に補完される可能性があります。

Edge Mesh の目的は、従来のアーキテクチャよりも優れたパフォーマンス、応答時間、フォールト トレランスを実現するために、ノード全体にインテリジェンスを分散することです。

4. MLOpsを使用したライフサイクル管理がますます重要になる

業界がより分散化されたノードとより複雑なトレーニング アルゴリズムを備えたエッジ AI の導入に向けて進むにつれて、これらのトレーニング済みモデルとそれを実行するデバイスのライフサイクルを維持する能力が、このテクノロジーの将来にとって重要になります。

そういった意味では、AIアルゴリズムの開発、推進、保守にDevOpsのコンセプトを適用するプロジェクトや企業が強化されるでしょう。

この作業方法は、機械学習と DevOps を組み合わせた MLOps と呼ばれます。

しかし、それは正確には何でしょうか? 基本的には、デバイスと開発環境、テスト、運用の継続的な統合を通じて、エッジモデル上の AI の開発、テスト、実装時間を短縮することを目的としています。

5. エッジAIが主権データ交換を可能にする

バリューチェーンに多くの利害関係者が関与する産業部門において、データ共有がプロセス改善に極めて重要であることは間違いありません。

近未来のグリッドモデルであるスマートグリッドを見てみましょう。 より良いサービスを獲得または提供するには、サプライヤーはプロシューマー、オペレーター、ディストリビューター、アグリゲータなどの多くの利害関係者からの情報を分析および処理できる必要があります。 透明性と俊敏性を備えたデータ交換がなければ、2050 年までに必要なグリッド最適化を達成することは不可能になります。

エッジ AI を使用すると、集中的なデータ処理が可能になり、データセキュリティ、プライバシー、主権など、業界が現在直面しているいくつかの障害を克服するのに役立ちます。