堅牢性に優れた
高機能な産業用LTEゲートウェイ
近年、注目されているエッジAI。とくに、自動運転車や産業用のロボットの分野などでの活躍が期待されています。
そんなエッジAIとは、どのようなものなのでしょうか。また、現在広く活用が進められているクラウドAIとはどんな違いがあり、エッジAIならではのメリットはどんな点なのか、その活用方法などを解説します。
まずは、エッジAIとクラウドAIの違いやエッジAIならではの機能やメリットを確認していきましょう。
エッジとは「端」という意味で、「エッジAI」とは、エッジデバイスと呼ばれている端末自体に判断ができる人工知能・AIを搭載した機器をいい、「エッジコンピューティング」をAIに応用したものとも言えます。自動車やIoTのデバイスなど、AIによる判断が必要になる現場に近いデバイスに学習用モデルを実装し、そのデバイスだけで異常か正常かを分析したり判定を下したり、予兆保全を行なったりすることです。
「エッジAI」とは違い、「クラウドAI」は通信を行なってクラウド上でデータから予測・判断をします。クラウドとはインターネット上で膨大なデータを管理できるシステムのことです。
エッジデバイスで収集したデータをネットワーク経由でクラウドに送り、データセンターの中にあるCPUやGPUのパワーによって高速処理し、学習・推論します。エッジデバイスではデータから判断しなくてよく、エッジデバイス側にあるチップは比較的安価なものでも対応ができるのです。
ではなぜ、今エッジAIが注目を集めてチップの開発が進んでいるのでしょうか。それは、クラウドAIに比べてエッジAIのほうが優れている面があるためです。どんな部分が優れているのか、紹介していきます。
クラウドAIは、大量のデータをエッジデバイスからクラウドに送信するシステムです。エッジデバイスで確認した内容をクラウドに送り、クラウド上で判断をして、またエッジデバイスに送る、というデータ処理の流れになるため多少の遅延が発生してしまいます。
多くの情報を送ることで回線を圧迫するため、重要なシーンで回線が遅くなってしまって判断が遅れる可能性もあるのです。
ほかにも、このシステムの活用が増えるたびにデータ通信のコストが増えてしまうこともクラウドAIのデメリット。さらにインターネット回線が途切れ、届きにくいような環境でのAI運用をする際にもクラウドAIでは対応が難しいでしょう。
しかし、エッジデバイスでそのまま判断ができるエッジAIなら、そのような課題を解消することが可能です。まず、極力デバイスに近い場所（エッジ）でストリーミングデータの分析を行ない、リアルタイムに判断するので、タイムラグが起こりにくくなります。
そして通信を使わないのでデータ通信のコストを削減でき、インターネット回線が届きにくい場所でも対応ができるのです。
さらに、クラウドには必要な情報のみ送信するため、クラウドAIに比べてセキュリティが高いのも特徴です。
エッジAIは、機密保持の面でも優れています。クラウドAIはデータをクラウドに送るという性質上、データを送りたくないような機密性の高い情報（例：人物が映っているショッピングモールの映像など）については使えません。そんな時にもエッジAIであれば、気密性の高いデータはクラウドに送らずエッジデバイス上（オンプレ）のみで分析できるため、機密情報の保持にも役立ちます。
エッジAIの活用が特に期待されている市場は、車の自動運転システムと産業用のロボット、そして警備業界などが挙げられます。ただし、現在広く普及が進んでいるのは、安いチップで使うことができるクラウドAIのほう。
そのためクラウドAIでデータを蓄積し判断材料を集め、その判断基準をエッジAI側に送り、基準をもとにして瞬時の判断をする、という流れで両方を活用する方法などがエッジAIを活用するときの現在のスタンダードです。それでは、活用事例を確認しましょう。
自動車の運転自動化での活用が、エッジAIで特に期待されている分野です。カメラ画像を元にAIが判断するのですが、少しでもタイムラグがあると車が止まるのが遅れ、衝突につながってしまう恐れがあります。
エッジAIを使うことで、タイムラグがなくなってより安全に運転の判断ができるようになるのです。
産業用ロボットも、エッジAIの導入が期待されています。エッジAIが使えれば、対象となるものの状況はセンサーを使ってデータとして取得し、常時推論による状況把握を行いながらリアルタイムでの制御が実現できます。
結果、工場などの製造現場において、いつも同じものを作るだけではなく、特注された製品も作りやすくなり、特注品の大量生産ができるようになります。
警備業界では、侵入検知センサーなどの警報装置による機械警備が現在の主流ですが、これに加えて今後は、監視カメラで撮影された映像を遠隔で取得し映像を見た上で警備員を派遣する必要があるかを判断したいというニーズが強まりつつあります。その方向性のなかで、エッジAIへの関心が非常に高まっています。AIの技術は2006年にディープラーニングの手法が登場したことにより、特に画像解析の領域で著しい発展を遂げています。警備業界において映像による監視が主力となっていく流れに応じ、現在はまず顔認証やナンバープレート認証を、企業や公共機関等への人や車両の入場を管理する業務向けに利用され始めています。将来の利用形態としては、映像を解析することによりその場で起きていることが正常なのか異常なのかをAIで判定し、異常状態を検知した場合のみ警備員を派遣するような仕組みが求められています。少子高齢化のなかで人不足の状態は常態化することが想定されるため、警備業界では何も起こっていない場所への警備員の派遣を極力減らすことが求められており、この判別をAIで行うことが期待されています。AIで認識すべき対象は、人の認証によりその場所にいて問題ない人物（たとえば住宅であればその住人）とそうでない人物（不審者が含まれる）を見分けること、モノの識別により凶器や危険物を検知すること、人の動きを分析して暴力や不法の侵入を試みようとしていることを検知することなど、非常に多岐にわたります。これらの解析を組み合わせて、事件や事故が発生する前に異常を検知して、事件の発生しないように防ぐことが、警備業界の究極の姿なのです。
2020年10月にLTE対応のEdge Gatewayの提供を開始したアムニモでは、現在この機種をベースにさらにAIアクセラレータのチップを搭載したモデルを開発しています。このモデルのおいては、AIアクセラレータとしてXilinx社製のFPGAが搭載され、その上に株式会社ディジタルメディアプロフェッショナル（DMP）のIPコア「ZIA™ DV720」を実装しています。また、このモデルはAI解析ロジックとしてONNXおよびTensorFlowのフレームワークに準拠しており、外部の一般的なディープラーニングの環境で作成されたAI解析ロジックを同試作デバイスで動作させることもできます。さらに、実際にフィールドに設置されたAIデバイスに対してAI解析ロジックをダウンロードして配信することができるプラットフォームも開発しています。2021年以降の実用化を目指し、AIアクセラレータを搭載したデバイスと連携するクラウドアプリケーションの開発を進めています。
従来のクラウドサーバーを使わず、エッジデバイスだけで判断が可能なエッジAI。そのメリットや活用方法に注目が集まっています。現在普及しているクラウドAIに比べて、エッジデバイス上での並列処理が必要になり高性能なチップがいるため、最適なチップの開発が各社で進められている状態です。
クラウドAIとエッジAIをうまく組み合わせるなど、さまざまな方法を使って便利なエッジAIを活用していきましょう。
