AI搭載エッジデバイスの最新事例

人工知能（AI）は、遠い世界のものと感じるかもしれませんが、私たちの多くは、音声をテキスト化するバーチャルサポートやスマートフォンの指紋認証などのアプリケーションを毎日のように利用しています。IoTアプリケーション面でのAIの機能は、温度や気圧など環境パラメーターのセンサーを搭載したIoTのエッジデバイスがパターンの特定や変動幅の検出をする上で役立ちます。

従来の単純な組み込み式のエッジデバイスは、アプリケーション環境のセンサーからデータを収集し、分析を行い、推論を導き出すためにそのデータをクラウドインフラストラクチャーに構築されたAIシステムに送信します。しかし、IoTの導入に際して即時に意思決定をする必要性が高まるにつれて、接続性や処理の必要性も高まっています。また、常にすべてのデータをAI処理対応のクラウドに送信できるとは限りません。本文書では、エッジデバイスにAIを搭載することが、いかに効率性の改善に寄与しIoT導入による費用対効果をもたらすかについて説明します。

エッジデバイスへのAI搭載

典型的なエッジ用AIモデルの基本コンポーネントには、センサーデータを収集するハードウェアとソフトウェア、アプリケーションのシナリオモデルを習熟するソフトウェア、AIのモデルをIoT機器で作動させるソフトウェアが必要です。
エッジデバイスで作動しているマイクロサービスのソフトウェアは、ユーザーリクエストに基づきエッジデバイスに組み込まれたAIパッケージを起動します。エッジデバイス内では、習熟段階で定義付けされた特徴選択と特徴変換が行われます。こうしたモデルは適切な特徴設定にカスタマイズされます。拡張してアグリゲーション機能や工学的特徴を付与することも可能です。

高度な知能を有するエッジデバイスは、低帯域幅でネットワーク接続が断続的な地域においてはバッテリー駆動のアプリケーションに搭載されています。エッジデバイスメーカーは、統合処理とメモリ機能、BLE、Lora、NB-IoTなど広く使われている低速通信プロトコルを備えた、コンパクトで消費電力の低いセンサーを製造しています。

エッジデバイスにAIを搭載するメリット

このように設計が複雑なため、エッジデバイスは高価になりかねませんが、その利点は関係諸費用をはるかに上回ります。

エッジAIには、リアルタイムの迅速な応答に加え、強化されたセキュリティがエッジデバイスに組み込まれていることと、ネットワークを流れるデータ量が少ないといった大きな利点があります。カスタマイズされたソリューションが各アプリケーションに組み込まれているため柔軟性に優れています。また、エッジデバイスには推論が事前設定されているため、運用・維持に必要なスキルも少なく済みます。

さらにエッジコンピューティングでは、開発者がルーター、ゲートウェイ、サーバーなどのローカルネットワークのエッジプロセッサーに高度な業務を移すことで、ネットワーク全体にコンピューティングを分散することが可能になります。データを保存し、インテリジェンスをローカルで引き出すため、運用面の信頼性が高く、ネットワーク接続が断続的またはない場合でも導入可能です。

通常、問題解決のための機械学習モデルの構築には手間がかかります。開発者はモデル習熟用の膨大な量のデータを管理しなければならず、実行する最良のアルゴリズムを選択し、モデルを習熟させるクラウドサービスを管理する必要があります。その上で、アプリケーションの開発者は、Pythonなどのプログラミング言語を使用してプロダクション環境にモデルを組み入れます。賢明なエッジデバイスメーカーであれば、エッジデバイスにAIを搭載するためのリソースに一から投資することは非常に困難であるとおわかりになるでしょう。