エッジAIとは?デバイスの末端にAIを搭載する仕組み

エッジAI(edge AI)とは、AI(人工知能)とエッジコンピューティングを組み合わせた造語です。

システムの末端のデバイス(エッジデバイス)における処理に人工知能を実装する仕組みを意味します。

エッジデバイスの例として、たとえば自動車、カメラ、産業用ロボットが挙げられます。

こうしたデバイスに直接AIを実装し、リアルタイムで即応性が高いシステムを構築するのが、エッジAIの狙いです。

エッジAIとクラウドAIとの違いを比較

エッジAIと対になる概念として、クラウドAI(cloud AI)が挙げられます。

クラウドAIとは、システムの末端部分ではなく、外部のデータセンターなどのクラウド環境に人工知能を実装する仕組みです。

ネットワークを通じて大量の学習データをクラウド環境に蓄積し、データセンター内のマシンで高速処理を行い、機械学習モデルを効率的に作成できるのが特徴です。

IBM、Google、Microsoft、Amazonなど、世界的なAIプラットフォーマーの多くが、クラウドAIを採用しています。

エッジAIとクラウドAIの違いは、次のように整理できます。

エッジAIの特徴:必要なデータのみをクラウドに送信する
エッジAIにもクラウド環境を利用するものはありますが、クラウドAIと違い、必要最低限の学習データしか送信しません。

そのため、セキュリティ上のリスクが少なく、情報プライバシーも保護されます。

大規模なハードウェアや通信ネットワークを構築する必要がなく、低コストで実装できる点も特徴です。

もう1つの強みとして、即応性が高いリアルタイム処理が可能な点が挙げられます。

クラウド環境とのやりとりに時間がとられないため、瞬時の判断が可能です。

クラウドAIの特徴:大量のデータをクラウドに送信する
クラウドAIでは、大量の学習データをクラウド環境に送り、データセンターのマシンで情報処理を行います。

エッジデバイスと比べて、CPUやGPUのマシンパワーが高いため、エッジAIよりも複雑で高度な処理が可能です。

ビッグデータの分析も可能で、大量の学習データを高速で処理したいケースに適しています。

エッジAIの2つのタイプ

エッジAIには2種類あります。

1. 学習データの分析はクラウド環境で行うタイプ
エッジAIとクラウドAIのいいとこ取りをしたタイプです。

膨大な学習データを扱うディープラーニングなどでは、マシンパワーの高いクラウドAIを活用し、リアルタイムでの処理が必要な場合のみエッジAI側で情報処理を行います。

2. エッジデバイスだけで処理を行うスタンドアロンタイプ
クラウド環境に依存せず、エッジ側だけで学習を行う完全独立型のタイプも存在します。

産業用ロボットや工作機械など、即時対応が求められるデバイスで採用されます。

高速でのデータ処理や、スタンドアロンでの自律学習が特徴です。

エッジAIの市場が急成長した理由

エッジAIの市場は急成長しています。

富士経済グループによると、エッジAIコンピューティングの2018年の市場規模は110億円と推計されています。

2030年の支出額は6倍以上の664億円に達し、急速な拡大が予想されます。[注1]

なぜ、エッジAIが注目を集めているのでしょうか。

その理由として、自動運転技術の登場と、第4次産業革命にともなう工場の自動化(ファクトリー・オートメーション)の推進という2つの要因が挙げられます。

いずれの技術も、リアルタイムな推論・判断や、エッジ側の高速なデータ処理能力が不可欠です。

エッジAIコンピューティングの発達により、スタンドアロンでの自律学習や、エッジ側の動作軽量化が現実味を帯びてきました。

そのため、エッジAIの研究開発が活発化し、国内でも多くのベンチャーやスタートアップが登場しています。

エッジAIを搭載する4つのメリット

エッジAIを採用すれば、次の4つのメリットが得られます。

リアルタイムでの推論・判断

エッジAIの最大のメリットは、リアルタイムな情報処理が可能な点です。

クラウドAIであれば、学習データをクラウド環境に送信し、解析し、もう一度受信するという手間がかかります。

エッジAIではエッジ側で情報処理が完結しているため、通信の遅延が発生しません。

瞬時の判断が必要な機器にも搭載できます。

通信ネットワークのコストを削減

エッジコンピューティングでは、最低限の学習データしかクラウド環境に送信しません。そのため、やりとりするデータ量が少なく、通信コストを抑えられます。

たとえば、ファクトリー・オートメーションの場合、個々のデバイスが送るデータは小さくても、工場全体で見るとデータ量は膨大です。

すべての学習データを送るクラウドAIの場合、通信インフラ構築のためのコストもかかります。

堅牢なセキュリティ

クラウド環境と最小限のやりとりしかしないスタンドアロンのエッジAIなら、外部ネットワークを通じてサイバー攻撃を受けるリスクが小さく、セキュリティも強固です。

情報処理がエッジ側で完結していれば、情報漏えいや不正アクセスの被害を受けにくく、情報保護やプライバシーの観点からも優れています。

クラウド環境での分析精度改善

エッジAIとクラウドAIを組み合わせれば、クラウド環境の学習精度も高まります。

エッジ側で可能な限りデータ処理を行えば、生の学習データをクラウド環境に送るよりも、効率のよい学習が可能です。

エッジ側で処理を分担すれば、クラウド側の負荷が軽減され、マシンパフォーマンスも低下しません。

クラウドコンピューティングの分野でも、エッジAIの考え方が取り入れられつつあります。

エッジAIの導入事例

エッジコンピューティング技術の発展にともない、エッジAIはさまざまな産業分野で導入が進められてきました。

たとえば、次のような導入事例があります。

自動運転技術

エッジAIの活用がもっとも期待されているのが、自動運転技術です。

たとえば、車・歩行者・信号機などを自律的に認識するため、画像認識システムを自動車に搭載しています。

車の運転では瞬時の判断が必要です。

クラウド環境に学習データを送り、判断していては間に合わないため、エッジAIが採用されています。

顔認証技術

カメラのAIで顔の特徴を読み取り、データベースと照合する技術です。

カメラの前を歩くだけで顔認証ができるウォークスルー型の機器も登場しています。

気象予報

従来の気象予測システムは、広域でのシミュレーションが中心でした。

エッジコンピューティング技術により、各地に設置されたセンサで局所的な気象データを読み取り、高精度かつリアルタイムなシミュレーションが可能になりました。

自律ドローン

ドローンの自動運転にもエッジAIが使われています。

人や構造物をドローン内部の学習機能でリアルタイムに認識し、自律的で安全なフライトが可能です。

人やモノの捜索・追跡、インフラの点検・補修などへの応用が期待されています。

ロボット農機

農作業の効率化や、人手不足の解消のため、自立運転が可能なロボット農機の導入が本格化しています。

自動車分野でも使われる自動運転技術や、作物の場所・生育状態を判断するための画像認識技術など、要素技術はすでに出揃っており、農林水産省が提唱する「スマート農業」の一端を担うと期待されています。

エッジAIの今後

エッジAI技術は、まだまだ発展途上です。

さまざまな業界・産業分野において新技術に関するニュースが日夜リリースされています。

ビジネスにおいては、新たなテクノロジーの出現により構造が大きく変わる可能性があります。

したがって、日々情報をキャッチアップする必要があるでしょう。

Frontier Eyes Onlineでは経済やビジネスのトレンドから基礎知識まで、幅広く解説しています。

是非よろしければメルマガのご登録をお願いいたします。

<参考>
[注1]富士経済グループ 本格的な導入が進む国内のAI(人工知能)ビジネス市場を調査

関連記事

成長と資本効率重視へ―日立製作所中期計画に見るKPIの変化―

日立製作所は2022年4月28日、小島啓二新CEO主導の日立製作所中期3ヵ年計画を発表した。リーマン・ショック直後、経営危機に瀕し、その後の事業構造・ポートフォリオ改革やESG経営で先行してきた同社の新中期計画の変化を読み解き、今後企業価値拡大にどのような中期計画が必要とされるのか、を考察したい。

高炉各社決算〜22/3期に奪還した付加価値を今期も守れるか?

高炉3社(日本製鉄、JFEホールディングス、神戸製鋼所)の2022年3月期の決算は、軒並み大幅増益を達成した。これまで失ってきた「付加価値」を見事に奪還したと言える。一方、原燃料の高騰や円安を受けたコスト増などの逆風は強まっている。前期に奪還した付加価値を、さらに広げられるのか? それとも、ユーザーからの反発で押し戻されてしまうのか? ポイントと課題を整理する。

料理宅配(デリバリー)の大問題

私は、料理宅配(デリバリー)を使わない。ビジネスモデルに深刻な問題を内包しているからだ。料理宅配業者の多くは赤字で、十分な税金を払っていない。道路など公共財の税負担だけでなく、配達員の交通事故リスクという側面からも、二重のFree Ride(タダ乗り)をしている。それでも赤字続きの料理宅配業界に、健全な発展は可能なのだろうか?

ランキング記事

1

アリババは国有化されていくのか

アリババグループの金融・オンライン決済部門のアント・グループ(前アント・ファイナンス)は、2020年11月に予定されていた上場が延期され、そのまま現在に至っている。ジャック・マー氏の中国金融政策への批判発言から端を発し、アリババは金融業に限らず様々な制限が加えられていると報道されている。この記事では、アリババの現状とともに、中国のモバイル小口決済について考察したい。

2

品質不正多発の三菱電機に学ぶ、あるべき不正撲滅方法

三菱電機の品質不正が止まらない。2021年7月に35年以上に渡る品質不正が公表された。調査を進める中で不正の関与拠点、件数が膨らみ、直近の報告では実に150件近い不正が認定されている。一方で、当社に限らず不正そのものの発生や再発は止まらない。再発防止策がなぜ機能しないのか、当社の取り組みを題材にあるべき再発防止策について解説する。

3

進む地方銀行の持株会社体制への移行

経営統合によらない地方銀行の持株会社体制への移行が増えている。銀行法改正による後押しを受けて、地域の課題に向き合いながら、事業の多角化を進めやすくして収益拡大を図るのが狙いであるが、果たして中長期的な企業価値向上に資する事業ポートフォリオの構築は進むのだろうか。

4

人的資本とは 経営の新しい潮流

人材を資源ではなく付加価値を生む「資本」として見直す潮流が拡がっている。企業の「人的資本」に関する情報開示が制度化されるのに伴い、人事部門は従来の定型業務中心の役割から、企業の中長期戦略を実現するための戦略人事への転換が求められている。

5

村上春樹さんから学ぶ経営㉕ ニッチ再び。大谷選手と「何かを捨てないものには、何もとれない」

私が経営の根幹だと考える「ニッチ」(『隙間』の意味ではありません)について、再び論じたいと思います。大谷翔平選手の活躍が常識外であったため、少々長い回となります。それでは今月の文章です。

人気のキーワード

海外スタートアップ情報はこちら!  寄稿・執筆者募集中