2022年に注目すべきエッジAIの主なトレンド

1956年に大学で研究分野のひとつとして追加されて以来、 人工知能 楽観主義と悲観主義の両方の期間を同等に経験しました。今日、私たちは非常に楽観的な見方をしていることは間違いありません。

データサイエンスは、世界で3番目に人気のある求人情報です。実際、スペインのエッジコンピューティングの現状に関する最近の調査では、データサイエンティストは、指数関数的成長を遂げ、2025年までに1,900億ドルに達すると予想される市場で、スペイン企業の中で最も求められている専門家です。

これは、市場業界におけるAIの卓越性であり、単一のテクノロジーとしてではなく、さまざまな業界でさまざまな用途に使用される多くのブランチとして話すことはもはや意味がありません。

最も成熟しており、生産段階に最も近いと特定された傾向の中には、日常業務で特定できる傾向があります。たとえば、ますます人間のようなチャットボットと話すときに使用する平易な言語処理、リアルタイムの動画処理の自動化を可能にするマシンイメージング、より良い検索結果につながるセマンティクス検索などです。

もう一方の極端な例として、少なくとも10年間は​​出現しない未来的なものがあります。興味深い例としては、 AI TRISM（信頼、リスク、セキュリティ管理）があります。 AIモデルを規制してセキュリティやプライバシーの攻撃に対する耐性を高めるテクノロジーや、AIモデルをコンテキストに合わせて適応させ、翻訳者や自動ドキュメントなどのアプリケーションの改善に大きな影響を与えるトランスフォーマー作成、または生物学的配列の分析。

両極端の間に、「AIの近未来」と呼ぶことができる、展開から市場の成熟まで2〜5年かかる他の実現技術があります。これらの中には、人間中心のAI、生成型AI、AIのオーケストレーションと自動化があり、成熟度曲線で他のすべてをリードするAI on the Edgeは、「エッジAI」とも呼ばれます。 2021年、EdgeAIは近い将来成熟するテクノロジーになりました。

エッジAIと産業界における分散インテリジェンス革命

エッジAIまたはエッジ上のAI データのソースに非常に近いデバイス（IoTデバイス、エッジデバイス）で人工知能アルゴリズムを実行する機能として要約できます。

このテクノロジーは飛躍的に成長しており、困難な統計に裏付けられています。産業組織の60％以上が、効率的なイノベーションを支援するクラウドインフラストラクチャを導入していません。

では、拡大鏡をEdge AIプロジェクトに持ち込む場合、2022年と2023年に目撃する最も破壊的な傾向は何ですか？

以下は私たちのトップ5の要約です：

1。重要な産業が主要な推進力になる：SCADAからエッジAIまで

Barbara IoTでは、エッジAIの最前線にある業界で繰り返しパターンが見られます。それらすべてが多くの重要な分散資産を処理します。 言い換えれば、彼らは技術の断片化、スケーラビリティ、サイバーセキュリティからの大きな課題に直面している業界です。これらは、エッジでAIアルゴリズムを実行することで最小限に抑えることができます。これらの業界は、非常に野心的で変革的なユースケースを開発すると予測できます。

80年代から使用されてきたSCADAシステムは、データのキャプチャと処理に関して同様の目的を持っています。ただし、 SCADAシステムは、相互運用性、オープン性、セキュリティに対するますます厳しくなる要件に対応できるように、より最新のテクノロジーで補完する必要があります 。ここでEdgeAIが役立ちます。これらのシステムの価値を高めることです。

2。 シンエッジはシックエッジを補完します

エッジAIを指す場合、「エッジ」とは何かの意味についてはさまざまな解釈があります。従来、エッジは、ユーザーに最も近いネットワークオペレーターインフラストラクチャとして識別されていました。たとえば、5Gネットワ​​ークについて話すとき、クローズアップデータ処理に使用される「マルチアクセスエッジコンピューティング」と呼ばれる多数のノードを展開しているオペレーターを指します。これらのノードは、クラウドサービスをホストするように設計されたデータセンターにあるサーバーと非常によく似たサーバーにインストールされ、複雑なAIアルゴリズムを処理する高い可能性と機能を備えています。これは、一部のアナリストが「シック」エッジと呼んでいるものです。

ただし、最近エッジノード 別のタイプの開発が始まっています。センサーやスイッチに直接接続され、ゲートウェイやコンセントレーターなどの低電力デバイスにインストールすると、リアルタイムに近い応答時間の短い、よりシンプルなAIアルゴリズムを実行できるようになります。 「シン」エッジと呼ばれるこの新しいタイプのエッジにより、遠隔地や高度なセキュリティとデータの分離の要件を含む大規模なプロジェクトに迅速かつ柔軟に取り組むことが可能になります。

3。分散型人工知能を可能にする新しいパラダイムとしてのエッジメッシュ

Edge AIは、従来、大規模なデータを使用してトレーニングされた意思決定モデルに基づいています。一連の数式で構成されるモデルは、エッジノードにインストールされます。そこから、各ノードは、受信したデータとインストールされたモデルに応じて、独自の決定を下すことができます。

エッジメッシュと呼ばれる新しいパラダイムにより、あるノードの決定を、あたかもそれが格子ネットワークであるかのように別のノードの決定によって条件付けられるようになります。この新しいアーキテクチャの力を理解するための良い例の1つは、スマート交通システムです。

エッジノードは、センサーによって検出された車と人の数を考慮したAIアルゴリズムを使用して、信号機の時刻を決定できます。ただし、この決定は、近くの通りにある他のノードによって行われる決定によって完全に補完される可能性があります。

エッジメッシュの目的は、従来のアーキテクチャよりも優れたパフォーマンス、応答時間、フォールトトレランスを提供するために、さまざまなノード間でインテリジェンスを分散することです。

4。 MLOpsを使用したライフサイクル管理はますます重要になっています

業界がより分散したノードとより複雑なトレーニングアルゴリズムを備えたEdgeAIの展開に向けて動くにつれて、これらのトレーニングされたモデルとそれらを実行するデバイスのライフサイクルを維持する能力が、このテクノロジーの将来の鍵となるでしょう。

>

この意味で、AIアルゴリズムの開発、展開、保守にDevOps哲学を適用するプロジェクトと企業が強化されます。

この作業方法は、 MLOps、機械学習とDevOpsの組み合わせと呼ばれます。

しかし、それは正確には何ですか？基本的には、機器と開発環境、テスト、運用を継続的に統合することで、EdgeモデルでのAIの開発、テスト、実装時間を短縮することを目的としています。

5.エッジAIがソブリンデータ交換を可能にする

バリューチェーン内に多くの利害関係者がいる業界のプロセスを改善するには、データ共有が最も重要になることは間違いありません。

近い将来の電力グリッドモデルであるスマートグリッドを見てみましょう。より良いサービスを受けたり提供したりするには、サプライヤがプロシューマー、オペレーター、ディストリビューター、アグリゲーターなどの多くの利害関係者からの情報を分析および処理できることが不可欠です。透過的で機敏なデータ交換がなければ、2050年までに必要なグリッド最適化に到達することは不可能です。

Edge AIを使用すると、オン集中型のデータ処理が可能になり、データのセキュリティ、プライバシー、主権など、業界が現在直面しているいくつかの障害を克服するのに役立ちます。