今日の相互に接続された世界において、データが前例のない速さで生成されており、これまでのクラウドコンピューティングはリアルタイムアプリケーションの需要に応える上での課題に直面しています。エッジコンピューティングは、データを処理する新しい方法として登場し、情報の使用方法や処理方法に大きな変化をもたらすことを約束します。
エッジAIとは、「エッジ人工知能」の略で、AIテクノロジを使用および展開する新しい方法です。コンピューティングとデータストレージをIoTデバイス、センサ、その他の接続されたガジェットなどのデータが作成される場所に近づけることで、エッジAIは多くの業界を変革します。
まず、AIとディープラーニングの基礎を理解してから、エッジコンピューティングにおける「エッジ」の重要性を探ってみましょう。そして、私たちと一緒にこの記事でエッジML（Machine Learning：機械学習）のすべてを学び、業界のリーダーたちが私たちの生活や働き方を変えるためにエッジMLをどのように活用しているかを発見しましょう。
AIとは何でしょうか？
人工知能（AI）とは、機械が人間の知能プロセスをシミュレーションして、学習、分析、予測などの人間の能力を模倣するようにプログラミングすることです。
AIパイプラインには、AIが効果的に機能するように考慮された3つのフェーズがあります。
1. データ管理： このフェーズでは、データサイエンティストが膨大な量のデータを扱い、その中からパターンを見つけ出したり、洞察を生み出したりします。データラングリングとは、生データを、分析にとってより価値のあるものにするために、すぐに使用できる形式に変換するプロセスです。これは、データクリーニング、修復、またはマンジングと呼ばれることもあります。
2.モデルトレーニング： 次のフェーズは、データセットのトレーニングであり、データセットはある特定のタスクを実行するあるモデルをトレーニングするために使用されます。したがって、トレーニングが完了すると、まさに文字通り、その目的とするAIが生成されます。このフェーズでは、大量のデータが必要であり、モデルが効率的かつ効果的であるためにはトレーニングで経験した内容が充実している必要があるため、完了までにかなりの時間がかかります。
3. 推論： 最後のフェーズでは、AIが展開され、解決するよう設計された問題を解決するというAI自身の仕事を実行します。AIは、サーバ、PC、クラウド、エッジデバイスに導入できます。フェーズ2で収集されたデータを処理して新しいデータ入力を理解し、設定されたパラメータに従って結果を出力します。
機械学習
AIのサブセットとして機械学習（ML）があり、特定のAI問題を解決するために機械をトレーニングします。機械学習は、コンピュータが経験を通じて自動的に改善することを可能にするアルゴリズムの研究です。大規模なデータセット、十分に研究された統計的手法、およびアルゴリズムを使用して、新しい情報や入ってくる情報から結果を予測するモデルをトレーニングします。
ディープラーニング
ディープラーニングはさらなるMLのサブセットであり、AIの問題を解決するために人工ニューラルネットワーク（ANN：Artificial Neural Network）を使用します。ディープラーニングは、上から下まで一緒に変更される沢山のデータの連続的な変換で構成され、多くの隠れ層を持つANN、ビッグデータ、および高いコンピュータリソースを使用します。MLと同様に、ディープラーニングの効果を発揮するには大規模なデータセットを必要とします。データが多くなると、より強力で仮定に依存しないディープラーニングモデルをトレーニングすることが可能となります。
ディープラーニングは、より複雑な入力や、画像、テキスト、動画、音声などの非表記データを処理する場合によく使用されます。
エッジAIとは何でしょうか?
エッジAIとは、簡単に言えば、エッジデバイス上で展開して推論する機械学習（ML）アルゴリズムの形態で使用することを指します。
機械学習は急速に進歩している分野ですが、MLはコンピュータがデータから学習することでタスク実行のパフォーマンスを自律的に向上させることができ、多くの場合、人間の能力を超えてきます。
エッジAIは、エッジコンピューティングとAIを組み合わせたもので、接続されたエッジデバイス上で機械学習タスクを直接実行します。エッジAIは、オブジェクト検出、音声認識、指紋検出、不正検出、自動運転など、非常に沢山のタスクを実行することができます。
エッジコンピューティングとは何でしょうか?
エッジコンピューティングとは、データが生成される場所で行われる処理のことで、エッジデバイス内でローカルにデータを処理し、保存することを指します。エッジデバイスは、クラウドにデータを戻す代わりに、ユーザーのコンピュータ、IoTデバイス、エッジサーバなどのローカルでデータを収集して処理できます。
エッジコンピューティングは、ソースまたはエンドポイントデバイスの近くでデータを処理することにより、レイテンシ（遅延）を低減し、帯域幅の使用を最適化し、スケーラビリティを向上させ、プライバシーとセキュリティを強化することを目的としています。これは、IoTデバイス、自律走行車、産業オートメーションなど、リアルタイムのデータ分析と迅速な応答時間が要求されるアプリケーションに特に有益です。
エッジコンピューティングとクラウドコンピューティング：
本質的には、エッジコンピューティングもクラウドコンピューティングもどちらも、データの処理やアルゴリズムの実行など、同じことを行うことを目的としています。しかし、エッジコンピューティングとクラウドコンピューティングの根本的な違いは、コンピューティングが実際に行われる場所にあります。
エッジ コンピューティングは、コンピューティングとデータストレージをデータソースに近づける分散コンピューティングアーキテクチャです。データ処理は、データセンターのように中央の場所ではなく、データを生成したデバイスに隣接するネットワークのエッジで行われます。
クラウドコンピューティングは、インターネット経由で情報技術サービスを提供するモデルです。ユーザーは、基盤となるインフラストラクチャのメンテナンスを気にすることなく、サーバ、ストレージ、データベース、OS、アプリケーションなどの再構成可能なコンピューティングリソースの共有プールにアクセスして利用できるようになりました。
エッジコンピューティングとクラウドコンピューティングの違い
| パラメータ | エッジコンピューティング | クラウドコンピューティング |
|---|---|---|
| 定義 | エッジコンピューティングは、コンピューティングとデータストレージをデータのソースに近づける分散コンピューティング アーキテクチャです。 | クラウドコンピューティングは、インターネット経由で情報技術サービスを提供するモデルです。 |
| 処理の場所 | 処理は、データを生成するデバイスに近い、ネットワークのエッジで行われます。 | データの分析と処理は、データセンターなどの中央拠点で行われます。 |
| 帯域幅要件 | データはソースの近くで処理されるため、帯域幅が狭くなります。 | データの処理のために、ネットワーク経由でデータを中央拠点に転送する必要があるため、エッジコンピューティングに比べて広い帯域幅が必要です。 |
| コスト | エッジコンピューティングは、エッジで専用のハードウェアとソフトウェアが必要になる場合があるため、より高価です。 | クラウドコンピューティングは、ユーザーが実際に使用したリソースに対してのみ料金を支払うため、より安価です。 |
| スケーラビリティ | エッジコンピューティングのスケーラビリティは、エッジに追加のコンピューティングリソースを追加する必要が生じる場合があるため、より困難になる可能性があります。 | ユーザーがニーズに応じてコンピューティングリソースを迅速かつ簡単に増減できるため、より簡単です。 |
| ユースケース | IoTデバイス、自律走行車、AR/VR システムなど、低レイテンシとリアルタイムの意思決定を必要とするアプリケーション。 | WEBアプリケーション、電子メール、ファイルストレージなど、厳密なレイテンシ要件がないアプリケーション。 |
| データセキュリティ | データはソースの近くで処理され、ネットワーク経由では送信されないため、データセキュリティが向上します。 | データは処理のためにネットワーク経由で中央拠点に転送されるため、データセキュリティの確保はより困難です。 |
エッジAI：クラウドをエッジに持ち込んでIoTを進化させる
エッジAIにより、IoTデバイスはより賢く、高性能になっています。デバイスは意思決定、結果の予測、複雑なデータの処理、ソリューションの管理ができるようになりました。たとえば、エッジIoTデバイスは機械の故障を予測できるため、予知保全とコスト削減が可能になります。
エッジAIを搭載したセキュリティカメラは、人間を識別し、歩行者数をカウントし、顔を認識することさえできます。機械学習が進歩するにつれて、これらの機能はクラウドからエッジへと移行し、多くのエキサイティングな可能性が開かれています。
エッジAIのメリット：
1. レイテンシ（遅延）の低減： エッジデバイスでローカルにデータを処理することで、エッジAIは遅延を最小限に抑え、自律走行車、ロボット（工学）、スマートマニファクチャリングなどのリアルタイムアプリケーションに最適です。
2. プライバシーとセキュリティの強化： エッジで処理されたデータはローカルにとどまるため、データ侵害のリスクが軽減され、機密情報が安全に保たれます。
3. リアルタイムの意思決定： エッジAIにより、デバイスは最新のデータに基づいて即座に意思決定を行うことができます。これは、予知保全、ヘルスケア監視、セキュリティ監視などのアプリケーションにとって極めて重要です。
4. スケーラビリティ： エッジにAIソリューションを導入することで、大規模なクラウドインフラストラクチャを必要とせずに、多数のデバイスやロケーションでスケーラブルな運用が可能になります。
5. 帯域幅の使用量削減： エッジAIは、大量のデータをネットワーク経由で送信する必要性を減らすので、帯域幅を節約してコストを削減します。
5. パーソナライズされたユーザーエクスペリエンス： エッジデバイスは、データをローカルで処理することで、よりパーソナライズされたコンテキストを認識したエクスペリエンスを提供することができ、リアルタイムで個人の好みに適応できます。
なぜエッジAIが重要なのでしょうか？
エッジAIの具体的なメリットは明らかですが、その本質的な影響はより捉えにくいかもしれません。
エッジAIは私たちの暮らしを変えます
エッジAIは、人工知能を私たちの日常生活の一部にしようとしているところです。AIや機械学習は長年研究されてきましたが、今では実際の製品で目にするようになっています。たとえば、自動運転車はエッジAIの進歩の産物です。ゆっくりではありますが確実に、エッジAIは私たちと環境との関わり方をさまざまな方法で変えつつあります。
エッジAIは「人工知能」を一般的なものにします
人工知能は、もはや研究機関や裕福な企業だけのものではありません。手頃な価格のデバイスで動作するように設計されたエッジAIは、個人がAIを学習して開発できるようにします。これにより、教育者はAIと機械学習を教室に実際に導入することができ、学生たちは実践的にエッジデバイスを体験することができます。
エッジAIが私たちの思考に挑戦します
AIや機械学習の可能性は、人間の創造性によってのみ制限されます。機械学習が進歩するにつれ、より多くのタスクが自動化され、生産性や目的に対する私たちの考え方に挑戦していくでしょう。未来は不確実ですが、エッジAIがより創造的で充実した仕事につながると楽観しています。あなたはどう思いますか？
エッジGPU搭載のエッジAI：NVIDIAのJetson組み込みシステム
Jetson Nano/NXで構築されたreComputer：エッジでの実世界AI
NVIDIA®のJetson™は、電力効率に優れ、かつコンパクトな寸法形状で、エッジに高速化されたAI機能を提供します。Jetsonファミリのモジュールはすべて同じ NVIDIA CUDA-X™ソフトウェアを使用し、コンテナ化やオーケストレーションなどのクラウドネイティブ技術をサポートして、エッジでのAIの構築、展開、および管理を行います。
製品の特長：
- どこにでもフィットするエッジAIボックス
- 組み込み型Jetson Nano/NXモジュール
- Jetpackがプリインストールされているので、導入が簡単
- Jetson開発キットとほぼ同じフォームファクタで、豊富なI/Oセットを装備
- 積み重ね可能、および拡張が可能
TPU搭載エッジAI：Google Coralシリーズ
Google のCoralシリーズには、TensorFlow Lite（TFLite）を使用したニューラルネットワークML専用に設計されたASICであるTensor Processing Unit（TPU）が搭載されています。Coral開発ボードは、TPUを搭載したオールインワンのプラットフォームで、TFLiteアプリケーションのプロトタイプを簡単に作成できます。また、柔軟なSoM（System on Module）設計により、生産規模にまで拡張することもできます。
製品の特長：
- NXPのi.MX 8M SoC（Quad Cortex-A53、Cortex-M4F）CPU
- 統合されたGC7000 Liteグラフィックス
- Google Edge TPUコプロセッサ
- 1GB LPDDR4、8GB eMMC
- インターフェース：HDMI、MicroSD、WiFi、ギガビットEthernetなど
あるいは、Coral USBアクセラレータに興味があるかもしれません。これを使用すると、なんとUSBを経由して既存の開発ボードでGoogleのEdge TPUを使用できます。より多くの電力を必要とする組み込みアプリケーションには、デュアルEdge TPUを備えたCoral M.2アクセラレータをお勧めします。これは、高速なM.2インターフェースを介してあらゆるシステムで使用でき、2 つのEdge TPUをサポートして本格的な機械学習機能を実現します。
エッジAI向けSBC
エッジAIは急速に発展しており、誰もその波に乗り遅れたくありません。幸いなことに、さまざまなエッジデバイスが利用できるようになったことで、エッジAIを始めるのはかつてないほど簡単です。このセクションでは、エッジAIを始めてみたい方のために、いくつかのシングルボードコンピュータ（SBC：Single Board Computer）推奨品を紹介します！
Intel Celeron搭載ODYSSEY X86シリーズ
汎用コンピューティングといえば、ODYSSEY x86シリーズより優れたものを見つけるのは難しいでしょう。強力なx86 CPUアーキテクチャで動作するこのSBCは、あらゆるエッジコンピューティング要件を満たすのに十分な能力を備えており、デスクトップの代わりにミニPCとしても機能します。
初心者向け：Raspberry Pi 4B
もしあなたが初心者であるか、もしくはお子様向けの初心者向けの選択肢を探しているならば、Raspberry Pi 4Bを選べば間違いはありません。人気のRaspberry Piは、これまでに紹介した他の推奨製品ほどパワフルではありませんが、エッジAIや一般的なコンピューティングを学習しようとしている人にとっては、非常に優れたSBCです。
マイクロコントローラでエッジAIは実現できるでしょうか？
1秒あたり数兆回の演算（TOPS：Trillions of Operations Per Second） が可能な最新のプロセッサは、機械学習にとって不可欠ではありません。 MLアクセラレータを内蔵したマイクロコントローラは、現在、エッジデバイスでMLを可能にしています。 この記事では、エッジAIが、最小限のRAMを装備したマイクロコントローラの場合も含み、より小型で低性能のコンピュータにどのようにAIを統合するかを検証します。
新しいコンセプトであるTinyMLは、リソースが非常に制限された環境でMLを実現することで、これらの課題に答えます。
TinyMLの目標は、大規模なプラットフォームやクラウドにおいてではなく、小型でリソースが制限された低電力デバイス、特にマイクロコントローラにおいて、推論、ひいてはトレーニングを実行できるようにすることです。
それには、これらのデバイスの比較的控えめな処理、ストレージ、帯域幅のリソースに合わせて、機能や精度を大幅に低下させないで、ニューラルネットワーク モデルのサイズを縮小する必要があります。
エッジAIに最適なマイクロコントローラ
GROVE VISION AI MODULE V2 - M55
Grove - Vision AI V2は、Himax WiseEye2 HX6538プロセッサで駆動する高効率のMCUベースのスマートビジョンモジュールで、 デュアルコアArm Cortex-M55と統合されたArm Ethos-U55ニューラルネットワークコンポーネントを備えています。ベクトルデータ処理に対して細かく最適化されたArm Heliumテクノロジを統合し、消費電力を犠牲にすることなくDSPとML機能を大幅に向上させることができるのでバッテリ駆動のアプリケーションに最適です。
Seeed Studio XIAO ESP32S3 Sense：およびSeeed Studio XIAO nRF52840 Sense：
Seeed StudioのXIAOシリーズは、似たようなハードウェア構造を共有している小型の開発ボードで、サイズは文字通り親指サイズです。コードネーム「XIAO」は、機能の半分が「Tiny」で、もう半分が「Puissant（強力）」であることを表しています。
Seeed StudioのXIAO ESP32S3 Senseは、OV2640カメラセンサ、デジタルマイク、SDカードサポートを統合しています。組み込みMLコンピューティングパワーと写真撮影機能を組み合わせたこの開発ボードは、インテリジェントな音声および視覚AIを始めるのに最適なツールになります。
Seeed StudioのXIAO nRF52840 SenseはBluetooth 5.0ワイヤレス機能を搭載しており、低消費電力で動作します。オンボードIMUとPDMを搭載しているため、組み込み機械学習プロジェクトに最適なツールになります。
Wio Terminalは、Realtek RTL8720DNによるワイヤレス接続を備えた、ATSAMD51ベースの完全な Arduino開発プラットフォームです。オールインワンのマイクロコントローラとして、オンボードの2.4インチLCDディスプレイ、IMU、マイク、ブザー、microSDカードスロット、光センサ、赤外線エミッタを備えています。Wio TerminalはEdge Impulseによって公式にサポートされておりますので、データ収集に、機械学習モデルのトレーニングに、そして、最終的に最適化されたMLアプリケーションの展開にも簡単に使用することができます！
まとめ：
今日のデータ主導の世界では、従来のクラウドコンピューティングはリアルタイムの要求に苦戦しています。エッジコンピューティングとエッジAIは、AIを必要な場所により近づけることでデータ処理を変革し、業界に革命をもたらしています。このシフトは、効率を高め、レイテンシを低減し、IoTデバイスが自律的に意思決定できるように能力を高めます。エッジAIが進化するにつれて、エッジのスマートソリューションがイノベーション、セキュリティ、スケーラビリティを推進し、AIが日常生活にさらに深く統合される未来が約束されます。エッジAIとコンピューティングの進化を受け入れ、相互接続された世界にインテリジェントなソリューションを活用しましょう。
適用品番
| メーカー品番 | DigiKey品番 |
|---|---|
| 110061362 | 1597-110061362-ND |
| 110061361 | 1597-110061361-ND |
| 102110297 | 1597-102110297-ND |
| 113990660 | 1597-113990660-ND |
| 102110260 | 1597-102110260-ND |
| 114991790 | 1597-114991790-ND |
| 102110449 | 1597-102110449-ND |
| 102110539 | 1597-102110539-ND |
| 102110767 | 1597-102110767-ND |
| 102110301 | 1597-102110767-ND |
| 113991115 | 1597-113991115-ND |
| 102010469 | 1597-102010469-ND |
| 102991299 | 1597-102991299-ND |