NXPはエッジでの機械学習を倍増

インターネットのパイオニアであるロバートメトカーフが知られていることはいくつかあります。1970年にイーサネットを共同発明し、1979年に現在の電子機器メーカーである3Comを共同設立し、通信ネットワークの価値を表現するために広く引用されているモデルを考案したことです。メトカーフの法則として知られるこの原則は、電気通信ネットワークの価値は、ネットワーク化されたデバイスの数の2乗として計算できるというものです。この原則が1990年代後半のドットコムバブルの推進に役立ったという批判にもかかわらず、この原則は、モノのインターネットからソーシャルメディアネットワークや暗号通貨に至るまで、あらゆるものの価値を説明するために引き続き使用されています。 2006年、メトカーフ自身は、何十年にもわたって広くサポートされているデータを持っていたムーアの法則とは異なり、原則が「数値的に評価」されていなかったことを認めました。 「メトカーフの法則はビジョンのものです」と彼は書いています。 「これは主に「クリティカルマス」に近づく小規模なネットワークに適用できます。また、「接続」や「価値」などの概念を定量化するのが難しいため、数値的に元に戻されます。」

Metcalfeはまた、ネットワークの価値が特定のしきい値に達した後に低下する可能性があることを認めました。 「Google検索からあまりにも多くのメールやヒットを受け取っていないのは誰ですか？」彼は尋ねました。 「ネットワーク規模の不経済があり、最終的にはサイズの増加に伴って価値が低下する可能性があります。」

モノのインターネット市場が成長するにつれ、Metcalfeの解説は、「デジタル排気」に溺れることを避けながら、最適なデータ共有を通じて価値を解き放つ必要性を指摘しています。

[ IoTの世界 は、IIoTをインスピレーションから実装に移し、ビジネスと運用を強化するイベントです。 今すぐチケットを入手してください。 ]

NXPのマイクロコントローラー部門のシニアバイスプレジデント兼ゼネラルマネージャーであるGeoffLeesは、次のように述べています。 「電力（ネットワークの経済的価値はネットワーク上にあるデバイスの数の2乗に比例する）というこの基本的な考えに出くわしました。メトカーフの法則です」とリー氏は続けます。ただし、ネットワーク内のすべてのデバイスがデータを安全に共有できない限り、「ネットワークの価値を十分に享受することはできません」。クラウドはデータ処理に便利な場所であることがよくありますが、IoTをリモートの場所に送信することが常に実現可能または可能であるとは限りません。 「とにかくデータをクラウドにアップロードすることを意図したものではなかった、産業用および自動車用のアプリケーションがもっとたくさんあることを発見しました」と、AI MarkusLevyのNXPヘッドは述べています。

エッジインテリジェンス環境（eIQ）と呼ばれるこの問題に対するNXPのソリューションは、IoTネットワークからのセンサー刺激に対応できる機械学習ツールキットです。 eIQは、TensorFlow LiteとCaffe2、およびその他のニューラルネットワークフレームワークと機械学習アルゴリズムのサポートを提供します。 eIQは、エッジでの機械学習の概念を採用し、音声、視覚、異常検出などを対象としたユースケースに適用します。 「エッジに推論モデルをインストールすることで、基本的にネットワークの知識とネットワークで取得したデータ値を集約しているのです」とLees氏は述べています。その目標をサポートするために、NXPは、半導体テクノロジーの世代が進むごとにエッジでの処理パフォーマンスを段階的に向上させると同時に、セキュリティ、データ処理、およびローカルストレージに対する顧客の需要の高まりに対応することを誓います。 「ここ数年で、私たちは接続されたストーリーからエッジ処理能力を向上させる方法へと本当に進化しました」とLees氏は述べています。 「私たちはそれを「安全で、認識し、接続されている」と呼んでいます。」

eIQアプリケーションの例としては、コンピュータービジョンを使用して、産業労働者がヘルメットを着用しているか、機械を誤って操作しているか、またはその他の方法で望ましくないことを行っているかどうかを検出します。特に安全関連のアプリケーションの場合、データをクラウドに送受信することで発生する遅延は許容できません。

エッジでの機械学習を促進するNXPの計画は、NXPの顧客が大幅な効率向上を実現するのに役立つ可能性があるとLevy氏は述べています。 「このエッジコンピューティング/機械学習機能をお客様に提供し、お客様が簡単に導入できるようにすることが、半導体ベンダーとしての私たちの仕事だと思います。」

その目標はサイバーセキュリティにも当てはまります。 NXPは、セキュリティを多かれ少なかれプラグアンドプレイにするように設計されたハードウェア要素とソフトウェア要素の両方を提供しています。 「機械学習の面では、同じことを行っています」とLevy氏は言います。 「たとえば、TensorFlowをどのようにデプロイするかを説明するクックブックを提供している場合があります。 [私たちの顧客]は、私たちがこの問題を解決し、基本的に機械学習の概念全体をミドルウェアの形に変えることを期待しています。」

NXPの組み込みソリューションのリードストラテジストであるGowriChindalore氏は、機械学習の採用に対するもう1つの障壁はコストです。 「多くのお客様は、特定のユーザーエクスペリエンスを提供するために必要なシステムコストを実際に把握するのに苦労しています」とChindalore氏は述べています。一部のベンダーは、機械学習アプリケーションをサポートするためにハイエンドのグラフィックスプロセッシングユニットを推奨する場合があります。ただし、コストが高いため、一部の実装者は機械学習が手の届かないものであると結論付けることができます。

eIQは、NXPのお客様が、アプリケーションに適したプロセッサのタイプを計算するための推論時間など、満たす必要のある仕様を入力する機能を提供します。 「私たちはあなたの会社が必要なものを提供するための最低コストのオプションを構築しています」とChindalore氏は述べています。

同社はまた、データ分析会社と協力して、既存の産業環境に後付けできるモジュールだけでなく、開発も行っています。 「石油掘削装置はその典型的な例です」とChindalore氏は述べています。鉱山は別の例です。 「多くの鉱山は、有毒ガスを検出し、鉱山労働者の安全のために内部を監視する必要があります」と彼は付け加えました。このようなアプリケーションでは、エッジ処理が必要です。

リー氏によると、サイバーセキュリティは処理をエッジに押し上げるもう1つの考慮事項です。 「クラウドの中央に保持するデータの価値が高いほど、攻撃対象領域が大きくなり、悪意のあるすべてのハッカーや組織に対する攻撃の価値が高くなります」と彼は説明しました。これが、NXPがさまざまなアクセスおよび承認の手法と属性を備えた分散データストアを支持している理由です。 「それを論理的な結論に導くと、最終的な分散はエッジで可能な限り多くのデータを維持することであることに気づき始めます」とLees氏は述べています。