AIがクラウドに依存しない理由：将来AIは疎外される

[[268251]]

[51CTO.com 速訳] 人工知能の発展は希望と課題に満ちている。その「不屈の」進歩の中で、人工知能は一つのハードルに直面している。人工知能アプリケーションのアルゴリズムは大きくて複雑であり、強力なクラウドコンピューティングとデータセンターで処理する必要があり、スマートフォンなどの「エッジ」デバイスでの広範な応用には限界がある。

今年は、AIソフトウェア、ハードウェア、および関連する新エネルギー技術の急速な発展により、このハードルは克服されると期待されています。

AI ベースの製品とサービスは、クラウド コンピューティング サービスへの依存からさらに脱却し、私たちの生活のあらゆる部分に急速に統合されるでしょう。今後数年のうちに AI サービスはあらゆるところに普及し、社会全体を揺るがすことになるだろう。これにより、コンサルティング会社デロイトが2018年末に「パーベイシブ・インテリジェンス」と呼んだものがようやく実現しました。

市場調査会社ガートナー社によると、2022年までにスマートフォンの80％が人工知能機能を搭載する見込みで、2017年より10％増加するという。 ABIリサーチによると、AIコンピューティング機能を備えたAIデバイスの販売台数は2023年までに約12億台に達し、2017年より7,900万台増加する見込みだ。

多くのスタートアップ企業とその投資家にとって大きなチャンスがあります。 2019年5月にシリコンバレーで記者会見を行ったエンベデッド・ビジョン・アライアンスの創設者ジェフ・ビア氏は、過去3年間で投資家らが人工知能チップの新興企業に約15億ドルを投資し、他のすべてのチップ新興企業への投資を上回ったと述べた。市場調査会社Yole Développementは、2023年までに人工知能プロセッサの複合年間成長率が46％に達し、現在は20％未満だが、それまでにほぼすべてのスマートフォンがAIプロセッサを使用するようになると予測している。

動きを見せているのは新興企業だけではない。インテル社は5月、グラフィックス処理装置に「ディープラーニング・ブースト」ソフトウェアやその他のAI命令を搭載した、近日発売予定の「アイスレイク」チップを披露した。アーム社も、スマートフォンやその他のハイエンドデバイス向けのプロセッサを含む、人工知能アプリケーション向けのプロセッサシリーズを発売した。同時に、Nvidia社は接続されたAIデバイス向けの初の人工知能プラットフォームを発表しました。

「今後2年間で、ほぼすべてのチップベンダーがAI向けの何らかの競争力のあるプラットフォームを提供するだろう」と、IHSマークイットの主席アナリスト、トム・ハケット氏はエンベデッド・ビジョン・アライアンス・サミットで語った。

これらのチップメーカーは、スマートフォンの枠を超え、ロボット、ドローン、自動車、カメラ、ウェアラブルデバイスなど、数百万の IoT デバイスに進出しています。例えば、機械学習チップを開発しているイスラエルの企業Hailoは、1月に2,100万ドルの資金調達ラウンドを実施しました。同社は5月中旬、ディープラーニング専用に設計されたプロセッサを発表した。ディープラーニングは機械学習の分野であり、最近では音声認識や画像認識の分野で大きな進歩をもたらしました。

新たな研究によると、よりコンパクトで強力なソフトウェアがエッジでの人工知能への道を開く可能性があるという。この研究では、ニューラルネットワークは従来よりも 10 倍小さくても、同じ結果を生み出すことができることが示された。すでに一部の企業では、AIに必要なソフトウェアのサイズを縮小しようとしています。

たとえば、Google LLC は 2017 年後半にモバイル デバイス向けの TensorFlow Lite 機械学習ライブラリをリリースしました。これにより、スマート カメラはインターネット接続なしで野生動物を識別したり、医療診断を行ったりできるようになります。 Google のエンジニア Pete Warden 氏は、Embedded Vision Summit で、現在 TensorFlow Lite がインストールされた携帯電話は約 20 億台あると述べました。

Google は 3 月に、Google の仮想キーボード アプリである Gboard の音声入力を可能にする音声認識機能を導入しました。自動音声認識アルゴリズムはわずか 80 メガバイトなので、Arm Ltd. の CPU 上で実行できます。つまり、オフラインで動作するため、ネットワークの遅延はありません。

重要なのは、クラウドを通過するデータのプライバシーに関する懸念が高まっており、規制当局がデバイスからクラウドへの一部のデータの転送を禁止する可能性が高いことです。

「将来的にはほぼすべての機械学習がデバイス上で行われるようになるだろう」と、組み込みデジタル信号処理技術の分析とサービスを提供するバークレー・デザイン・テクノロジーズの共同創設者兼社長であるビル氏は語った。現在、世界には 2,500 億個のアクティブな組み込みデバイスがあると推定されており、この数は年間 20% の割合で増加しています。

しかし、そのようなデバイス上で人工知能を実行するのは簡単ではありません。問題は機械学習アルゴリズムのサイズだけではなく、その実行に必要なエネルギーです。特に、スマートフォン、カメラ、さまざまなセンサーなどの IoT デバイスは、電源として壁のコンセントやバッテリーに頼ることができないからです。バッテリーを交換したり充電したりしなければならない場合、これらのデバイスは拡張できません。

クラウドとの間でデータを送受信するために必要な無線も大量の電力を消費するため、多くの小型で安価なデバイスでは、携帯電話ネットワークやその他の接続を介した通信が行き止まりになってしまいます。 「私たちがやりたいことを実現するには、専用のアーキテクチャが必要でした」と、Yole Développement の技術および市場アナリスト、Yohann Tschudi 氏は語ります。

また、スマートフォンの消費電力の約1000分の1にあたる1ミリワット未満の電力を使用するデバイスの開発も必要となる。良いニュースとしては、まさにそれを実現するセンサーやマイクロプロセッサの数が増えつつあることです。

たとえば、米国エネルギー省は、ビルオートメーション会社 SkyCentrics Inc. と協力し、ビルのエネルギー管理用の低コストのワイヤレス剥がして貼るセンサーの開発を支援しました。実験により、新しいセンサーは周囲の光を利用して電力を供給できることがわかった。

コアコンピューティング用のマイクロプロセッサでさえ低消費電力化が可能であり、Ambiq Micro、Eta Compute、Syntiant Corp.、Applied Brain Research、Silicon Laboratories Inc.、GreenWaves Technologies などの新興企業の新しいプロセッサは、マイクロワット、つまり 1 ミリワットの 1000 分の 1 未満の電力で計算を実行します。

これらすべては、機械学習がスマートフォン、スマートカメラ、工場監視センサーなどの分野で幅広い新しい用途を持っていることを示唆しています。これらのアプリケーションには次のものが含まれます。

• 加速度計を使用して、機械が過度に振動しているか、または異常な音を立てていないかを判断する予測メンテナンス。
• 街灯のセンサー検知は、誰かが近くにいるときのみ点灯します。
• 農地全体に散在する視覚センサーまたはマイクロカメラを使用した農業害虫の識別。
• 木に設置された太陽光発電の Android スマートフォンを使用して違法伐採を検出します。
• センサーを使用して、心拍数、インスリンレベル、身体活動を測定します。
• ビデオを使用した音声分離。

将来的には、センサーが相互に通信できるようになるため、たとえばスマートホームでは、煙探知機が火災の可能性を検知し、トースターはトーストが焦げたにおいがするだけだと報告するようになる。

もちろん、これはクラウドが機械学習における重要な役割を失うことを意味するものではありません。こうしたデバイス上の機械学習モデルは、依然として強力なコンピュータークラスター上の大量のデータを使ったトレーニングを必要としており、グーグル、アマゾン・ドット・コム、アームなどの企業は昨年、一部はクラウドコンピューティングサービスを通じてAIチップの提供を開始した。

しかし、AI ソフトウェア、ハードウェア、および関連する新エネルギー技術の急速な進歩により、AI の未来はクラウドではなくエッジにあることは明らかです。

原題: クラウドは不要: AI の未来がエッジにある理由、著者: ROBERT HOF

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください]