2022年注目のエッジAIトレンド：分散知能が産業を変える

1956年に大学で研究分野として追加されて以来、人工知能は楽観と悲観の時期を等しく経験してきました。今日、私たちが大きな楽観の時期を目撃していることは疑いありません。

データサイエンティストは世界で3番目に求められる職種です。実際、スペインでのエッジコンピューティング状況に関する最近の調査では、データサイエンティストが指数関数的成長を遂げ2025年までに1900億ドルに達すると予想される市場で、スペイン企業が最も求める専門家です。

AIが市場産業でこれほどの prominencia（著名さ）を持つため、もはや単一技術としてではなく、異なる業界に異なる用途を提供する多くの枝として語るのが合理的です。

最も成熟し、本番段階に最も近いトレンドの中には、日常で特定できるものがあります。例えば、ますます人間らしいチャットボットと話すときに使う自然言語処理、リアルタイムビデオ処理の自動化を可能にする機械画像処理、より良い検索結果を導くセマンティック検索などです。

もう一方の極端には、少なくとも10年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、AIモデルを規制しセキュリティとプライバシー攻撃に対してよりレジリエントにするAI TRISM（信頼、リスク、セキュリティ管理）技術、文脈に適応させるトランスフォーマー（翻訳、自動文書作成、生物学的配列解析などのアプリケーション改善に大きな影響）などがあります。

両極端の間には、展開から市場成熟まで2〜5年かかるその他のイネーブリング技術があり、「AIの近未来」と呼べます。これらには人間中心AI、生成AI、AIのオーケストレーションと自動化、そして成熟度曲線で他全てをリードするエッジAI、別名「Edge AI」があります。2021年、エッジAIは近未来に成熟する技術となりました。

エッジAIと産業界における分散知能革命

エッジAI（AI on the Edge）は、データ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能力と要約できます。

この技術は、驚くべき統計によって指数関数的に成長しています：産業組織の60%以上が、効率的なイノベーションを助けるクラウドインフラを持っていません。

では、エッジAIプロジェクトに拡大鏡を当て、2022年と2023年に目撃する最も破壊的なトレンドは何か？

以下にトップ5の要約を示します：

1. クリティカル産業が主要ドライバー：SCADAからエッジAIへ

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を見出しています：全てが多くのクリティカルな分散資産を扱っています。 つまり、技術的断片化、スケーラビリティ、サイバーセキュリティという大きな課題に直面する業界です。これらはエッジでのAIアルゴリズム実行で最小化できます。これらの業界が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、データ取得と処理という点で類似の目的を持ちます。しかし、SCADAシステムは相互運用性、開放性、セキュリティへのますます要求の厳しい要件に応えるため、より現代的な技術で補完される必要があります。ここでエッジAIが役立ちます：これらのシステムの価値を乗算するために。

2. シン・エッジがシック・エッジを補完

エッジAIで「エッジ」を指すときの意味には異なる解釈があります。伝統的に、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と特定されてきました。例えば5Gネットワークでは、「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するオペレーターを指し、これらはアップクローズなデータ処理に使用されます。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ものと非常に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潜在能力と能力を持ちます。これは一部のアナリストが「シック（厚い）」エッジと呼ぶものです。

しかし最近、別タイプのエッジノードが開発され始めています：センサーと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のような低電力デバイスにインストールされると、よりシンプルなAIアルゴリズムをより短い応答時間で、リアルタイムにより近く実行します。この新タイプのエッジ、「シン（薄い）」エッジは、リモートロケーションや高セキュリティ・データ分離要件を含む大規模プロジェクトを迅速かつ柔軟に取り組むことを可能にします。

3. エッジメッシュ：分散人工知能を可能にする新パラダイム

エッジAIは伝統的に、大量データで訓練された意思決定モデルに基づきます。数学的公式の系列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、各ノードは受信データとインストールされたモデルに基づいて独自の決定を下せます。

新パラダイム「エッジメッシュ」は、ノードの決定が別のノードの決定によって条件付けられることを可能にします——まるで格子ネットワークのように。この新アーキテクチャの力を理解する良い例はスマート交通システムです。

エッジノードは、センサーで検出された車と人の数を考慮したAIアルゴリズムで信号タイミングを決定できます。しかし、この決定は近くの通りの他のノードが下す決定によって完璧に補完され得ます。

エッジメッシュの目的は、複数ノード間で知能を分散させ、より伝統的なアーキテクチャより優れたパフォーマンス、応答時間、耐障害性を提供することです。

4. MLOpsを用いたライフサイクル管理がますます重要に

業界がより分散ノードとより複雑な訓練アルゴリズムでエッジAIを展開する方向に進む中、これらの訓練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、この技術の未来の鍵になります。

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

この働き方をMLOps、機械学習とDevOpsの組み合わせと呼びます。

しかし、具体的に何なのか？基本的に、装置と開発環境の継続的統合、テスト、運用を通じて、エッジ上のAIモデルの開発、テスト、実装時間を短縮することを目的とします。

5. エッジAIが主権的データ交換を可能にする

価値連鎖内に多くのステークホルダーを持つ業界セクターでは、データ共有がプロセス改善の鍵になることは疑いありません。

近未来の電力網モデル、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、サプライヤーがプロシューマー、オペレーター、配電事業者、アグリゲーターなど多数のステークホルダーからの情報を分析・処理できることが不可欠です。透明でアジャイルなデータ交換なしでは、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。

エッジAIでは、オン・セントラライズド（非中央集権）データ処理が可能で、業界が現在直面しているデータセキュリティ、プライバシー、主権といった障壁の克服を助けます。