IoT技術の設計者がAIとエッジコンピューティングに惑わされない方法

モノのインターネット（IoT）コミュニティは、長い間クラウドの利点を宣伝してきました。大量のデータを処理、保存し、配信するその能力は他に類を見ません。しかし、クラウドには、世界中で増え続けるビットとバイトの流れを阻害する重大な制限があります。つまりアップロードとダウンロードの帯域幅によって生じる高いレイテンシです。

自動化された産業用システムや自律走行車両を設計する技術者を考えてみましょう。これらの産業用IoT（IIoT）システムは膨大な量のデータを生成しますが、その作業環境ではシームレスな通信と高速な応答時間が求められます。これらの製品は、データをクラウドに送信し、処理、計算、解釈してから送り返すまで、何百ミリ秒も待つことはできません。遅延はすべて、災害につながる可能性があります。

しかし、ほとんどのデータをエッジコンピューティングによってデバイス近辺またはデバイス上で処理できれば、10倍の速さで解釈することが可能になります。この低レイテンシの難問が、Dimension Market Researchがエッジコンピューティング市場は2033年までに702.8ドルに達すると予測している理由の1つです。

エッジコンピューティング市場は2033年までに7028億ドルに達する予測されており、年平均成長率は40.0%です。（画像提供：Dimension Market Research.）

民生用電子機器は、それほど切迫した状況ではない職場環境で使用されていますが、技術者は、消費者からの要求がこれらのデバイスを同様の傾向に沿って押し進めることを期待できます。

つまり、AI、機械学習（ML）、拡張現実（AR）、仮想現実（VR）が消費者および業界でますます普及するにつれ、デバイスごとのデータがクラウドに送信される量は減り、より多くの処理がエッジ側で行われるようになるでしょう。

技術者がエッジコンピューティングのトレンドを先取りするために必要なこと

IoTデバイスの設計に携わる技術者は、もはやエッジコンピューティングを無視することはできません。一部のデバイスでは、すべてのデータをクラウドに送信することが最適な方法であることに変わりはありませんが、ほとんどの製品設計では、エッジコンピューティングが必要不可欠、あるいは少なくとも検討事項になるでしょう。

Seeed TechnologyのEdgeBox-RPI-200は、1.5GHzのクアッドコアに4GBのRAMを搭載したシングルボードコンピュータです。Raspberry Pi CM4 ARM Cortex-A72をベースにしています。（画像提供：Seeed Technology.）

つまり、技術者は、EdgeBox-RPI-200を提供するSeeed Technologyのようなサプライヤを検討する必要があります。デバイスのデータシートによると、このシングルボードコンピュータは、過酷な産業環境におけるクラウドおよびIoTアプリケーション向けに最適化されています。Raspberry Pi CM4 ARM Cortexをベースとし、1.5GHzのクアッドコアと4GBのRAMを搭載しています。

そのため、このデバイスはエッジで数値を処理し、そのデータに基づいて独自の判断を行い、次にクラウドに何が起こったかを通知することができます。

技術者はAI、IoT、エッジコンピューティングの未来をどのように発展させるのか？

ここで疑問が生じます。エッジコンピューティング機能を備えた、スマートなAI対応IIoTシステムとはどのようなもになるのでしょうか。クモを見つけたときに私たちの脳が反応するのと似ているかもしれません。

エッジコンピューティングは、脳の内部と似たような働きをします。情報を受け取り、即座に反応します。他の脳の部分がクモについて詳細に考える必要はありません。人は悲鳴を上げると、心臓の鼓動が速くなり、厳戒態勢に入ります。IoTデバイス上では、これは現在のデータに対応するAIまたはMLアルゴリズムに似ています。製造ラインの部品の一部が規格外であることを検知し、それをラインから外すよう設備に通知し、人間がその部品を検査して、アルゴリズムが言うほどひどい状態であるかどうかを確認します。

ここで再び脳について考えてみましょう。最初の恐怖と反応の後、脳の思考を司る外側の部分がすぐに反応し始めます。何が起こったのか、その反応を評価し、内なる脳に、それはただの家グモだから落ち着くように指示します。あるいは、毒グモに見えるのでパニックを続けるように指示します。IoTデバイスにとっては、これはクラウドに送信される処理済みのデータに似ているかもしれません。クラウドは、アルゴリズムから計算された反応、ラインから外された部品の最終的な結果（良し悪し）を使用し、この情報をAIアルゴリズムの改良に役立てることができます。

現在、クラウドに送信されるデータは、AIモデルを更新するために必要な最小限のデータのみです。一方、クラウドがデバイスに送信する必要があるのは、新たに最適化されたアルゴリズムのみです。したがって、この設定により、IoT技術者が利用できる限られた帯域幅が最適化されます。