すべてのセクターは、より多くの自動化を実装することにより、運用、生産性、および安全性を強化しようとしています。 コンピュータプログラムは、パターンを識別し、それらを支援するために確実かつ安全にジョブを実行できなければなりません。
しかし、世界は構造化されておらず、人間が実行する仕事の範囲には、プログラムやルールで適切に表現するのが難しい無限の数のシナリオが含まれています。
Edge AIの進歩により、コンピューターやガジェットは、どこにいても、人間の認知の「知性」を利用できるようになりました。 スマートAI対応アプリは、人間が実際に行うのと同じように、さまざまな状況で同等のタスクを実行することを学習します。
この投稿では、Edge AI、その利点、使用例などについて詳しく見ていきます。
エッジAIとは何ですか?
エッジコンピューティング ユーザーは、データ ストレージと処理に簡単にアクセスできます。 これは、ラップトップ、IoT デバイス、特殊なエッジ サーバーなどのローカル デバイスでプロセスを実行することによって実現されます。
遅延と帯域幅の懸念は、クラウドベースの操作がエッジ機能にとって問題にならない場合があることです。
エッジAIブレンド 人工知能 およびエッジコンピューティング(AI)。 これには、エッジで処理能力を備えたローカルデバイスでAIアルゴリズムを実行する必要があります。
Edge AIは、システムの接続と統合の必要性を排除し、ユーザーがデバイス上でリアルタイムにデータを処理できるようにします。 AIの運用には多くの計算能力が必要ですが、その大部分は現在、クラウドベースのセンターで実行されています。
欠点は、接続またはネットワークの問題により、サービスの中断またはかなりの速度低下が発生する可能性があることです。
AIプロセスをエッジコンピューティングデバイスに統合することで、エッジAIはこれらの懸念を克服します。 他の物理サイトと通信することなくデータを収集してユーザーにサービスを提供することにより、ユーザーは時間を節約できます。
Edge AIテクノロジーはどのように機能しますか?
機械は、物体を見たり、識別したり、自動車を操作したり、会話を理解したり、話したり、動かしたり、その他の人間のようなタスクを実行したりできる必要があります。 人間の認知を複製するために、AIはディープと呼ばれるデータ構造を使用します ニューラルネットワーク.
これらのDNNは、正確な応答とともにその質問のいくつかのサンプルが表示されることにより、特定の種類のクエリに応答するように教えられています。
正確なモデルをトレーニングするために必要な大量のデータと、データサイエンティストがモデルの構築に協力する必要があるため、「ディープラーニング」と呼ばれるこのトレーニングプロセスは、通常、データセンターまたはクラウドで実行されます。 このモデルは、トレーニング後に実際の問題に答えることができる「推論エンジン」に発展します。
エッジAI展開の推論エンジンは、工場、病院、自動車、衛星、人の家など、離れた場所にあるコンピューターまたはデバイスで動作します。
AIで問題が発生すると、問題のあるデータが頻繁にクラウドに転送され、元のAIモデルの追加トレーニングが行われ、最終的にエッジ推論エンジンが置き換えられます。 エッジAIモデルが実装されると、このフィードバックループのおかげで、ますます賢くなるだけです。
福利厚生
AIアルゴリズムは、言語、視覚、音、香り、体温、顔、その他のアナログの非構造化情報を解釈できるため、現実世界の問題を抱えるエンドユーザーが頻繁に訪れる場所で特に役立ちます。
遅延、帯域幅、プライバシーに関する懸念から、一部のAIアプリケーションは、一元化されたクラウドまたはビジネスデータセンターに実装することが非現実的または不可能ですらあります。
エッジAIの利点のいくつかを次に示します。
- リアルタイムの洞察:エッジテクノロジーは、長距離接続によって遅延する遠隔クラウドではなくローカルでデータを分析するため、ユーザーの要求にリアルタイムで応答します。
- インテリジェンス:AIアプリケーションは、プログラマーが予測した入力にのみ応答できる従来のプログラムよりも強力で適応性があります。 AI ニューラルネットワーク一方、特定の質問に答えるのではなく、質問自体が斬新であっても、特定の種類の質問に答えるように訓練されています。 アプリケーションは、AIなしでは、テキスト、話し言葉、ビデオなどのさまざまな入力を際限なく処理することはできません。
- プライバシーの向上:AIは、実際のデータを人間に公開することなく調査できるため、外観、音声、医療画像、またはその他の個人情報を調査する必要がある人のプライバシーが大幅に向上します。 Edge AIは、データをローカルに保存し、分析と洞察だけをクラウドに転送することで、プライバシーをさらに向上させます。
- コスト削減:コンピューティングパワーをエッジに近づけることで、アプリケーションに必要なインターネット帯域幅が少なくなり、ネットワークコストが大幅に節約されます。
- 一貫した改善:AIモデルがより多くのデータでトレーニングされると、より正確になります。 エッジAIアプリケーションは、正確にまたは自信を持って処理できないデータに遭遇すると、AIが再トレーニングしてそこから学習できるように、データをアップロードすることがよくあります。 その結果、モデルがエッジで生産される時間が長くなるほど、モデルはより正確になります。
エッジAIのユースケース
産業機械と消費者向けガジェットは、エッジAI市場のXNUMXつの主要なセグメントです。 実証試験では、設備の規制や最適化、熟練労働者の自動化などの分野で改善が見られます。
被写体を自動的に検出するAI対応カメラを搭載した民生用ガジェットも進歩しています。 民生用デバイス市場は、デバイスの数が産業用機器の数よりも多いという事実により、2021年以降劇的に成長すると予測されています。 以下に、人気のあるエッジAIのユースケースをいくつか示します。
- 自律型ドローン–ドローン ニュースによると、遠隔飛行試験を実施している間、制御を失い、姿を消している。 自律型ドローンのパイロットは、ドローンの飛行には関与していません。 彼らは遠くから物事を監視し、それが絶対に不可欠な場合にのみドローンを使用します。 アイテムを配達する自動運転ドローンを開発しているドローン配達事業であるAmazonPrimeAirは、この最もよく知られた例です。
- 自動運転車– エッジコンピューティングの最もエキサイティングな用途は、自動運転車です。 自動運転車は、多くの状況で状況を即座に評価する必要があり、リアルタイムのデータ処理が必要になります。 2019年3月に日本の道路交通法と道路輸送車両法が改正され、レベル4の自走式車両をより簡単に道路に乗せることができるようになりました。 自動運転車が満たさなければならない安全要件や、自動運転車が運転できる場所などがあります。 その結果、自動車メーカーはこれらの要件を満たす自動運転車を開発しています。 たとえば、トヨタはTRI-P4を完全な自動化(レベルXNUMX)でそのペースに乗せています。
- スマートフォン–これ は、私たち全員が最もよく知っているエッジAIガジェットです。 SiriとGoogleアシスタントは、エッジAIを使用して音声を強化します ユーザーインターフェースは、スマートフォンのエッジAIの理想的なインスタンスです。 オンデバイスAIは、デバイス(エッジ)で処理が行われるため、デバイスデータをクラウドに送信する必要がありません。 これは、トラフィックを減らしながらプライバシーを保護するのに役立ちます。
- エンターテインメント–仮想 エンターテインメント向けのリアリティ、拡張現実、および複合現実アプリケーションには、仮想現実メガネへのビデオ素材のストリーミングが含まれます。 メガネからエンドデバイス近くのエッジサーバーに処理をアウトソーシングすることで、このようなメガネのサイズを最小限に抑えることができます。 たとえば、マイクロソフトは、ユーザーが拡張現実を体験できるようにするヘッドギアに取り付けられたホログラフィックコンピューターであるHoloLensを発表しました。 MicrosoftはHoloLensを使用する予定です 従来のコンピューティング、データ分析、医用画像処理、および最先端のゲームアプリケーションを提供します。
- 顔認識–顔 認識システムは、顔に基づいて個人を認識することを学ぶことができる監視カメラの進歩です。 エッジAIコンピューター技術を使用して顔の特性をリアルタイムで評価するAIカメラモジュール。 顔をすばやく正確に検出できるため、年齢などの特定の特性を対象とするマーケティングツールや、デバイスのロックを解除するための顔認識に最適です。
5G&エッジAI
完全自動運転車、リアルタイムのバーチャルリアリティ体験、ミッションクリティカルなアプリケーションなどの高成長分野における5Gの重要な要件は、エッジコンピューティングとエッジAIのさらなる革新を推進します。
5Gは次世代セルラーネットワークです これは、スループットの向上や遅延の削減など、サービス品質を大幅に向上させることを目的としており、既存の10Gネットワークよりも5倍高速なデータレートを提供します。
自動運転車でのリアルタイムのパケット配信を検討してください。これは、高速データ転送とローカルのデバイス上の計算の要件を理解するために、10ミリ秒未満のエンドツーエンドの遅延を必要とします。
クラウド アクセスのエンド ツー エンドの最小遅延は 80 ミリ秒を超えており、これは多くの実際のアプリケーションでは受け入れられません。 エッジコンピューティング 5G アプリケーションのミリ秒未満の要件を満たしながら、エネルギー使用量を 30 ~ 40% 削減し、クラウド アクセスと比較して最大 5 分の XNUMX のエネルギー消費を実現します。
エッジコンピューティングと5Gはネットワーク速度を向上させ、低遅延のデータ転送に依存するAIベースのリアルタイムビデオ分析などのさまざまなリアルタイムAIアプリケーションの実装と展開を可能にします。
未来
エッジAIの人気が高まり、この分野で多大な投資が行われています。 たとえば、2020年200月、Appleはシアトルを拠点とするAI企業Xnor.aiを購入するためにXNUMX億ドルを支払ったと発表されました。
エッジ処理は、Xnor.aiのAIテクノロジーによって、ユーザーのスマートフォンでデータを処理するために使用されます。 スマートフォンにAIが組み込まれているため、音声処理、顔認識技術、プライバシーの向上が期待できます。
5Gの導入により、世界中でエッジAIサービスの低価格と需要の増加が期待できます。
まとめ
人々がモバイルデバイスにより多くの時間を費やすにつれて、より多くの企業や開発者が、利益率を高めながら、より速く、より効率的なサービスを提供するためにEdgeテクノロジーを実装することの価値を認識しています。
エンタープライズレベルのAIベースのサービス、および消費者の快適さと幸福の観点から、これはまったく新しい可能性の世界を開きます。
アマゾンやグーグルのような大企業は、エッジAIシステムの開発に数百万ドルを投資してきました。したがって、これらのテクノロジーを主導して投資することが、競争力を維持する唯一の方法です。
一方、IoTデバイスの需要が高まると、5Gネットワークとエッジコンピューティングがより広く使用されるようになります。
コメントを残す