AIがコンピューティングをエッジに押し上げる

AIがコンピューティングをエッジに押し上げる

[[408175]]

ここ数年の流行語といえば、エッジ コンピューティングは 5G や AI と密接に関係しています。しかし、Eclipse Foundation の調査結果によると、エッジ コンピューティングは実際に企業で普及しつつあり、それらのどれよりも速く導入されているようです。

Eclipse Foundation は 2021 年の最初の 3 か月間に 301 人を対象に調査を実施し、企業の 38% がすでに何らかのエッジ コンピューティング戦略を実装しており、44% が今後 24 か月以内にエッジ コンピューティングを実装する予定であることがわかりました。このうち 44% は、これらの展開に 12 か月未満かかると予想しています。


企業がエッジ コンピューティング戦略を採用しているのは、増え続けるデータをクラウドに送信してそこに保存しておくのがあまりにもコストがかかりすぎるようになったためです。さらに、データをクラウドに移動し、分析して、分析結果を元のデバイスに送り返すのに必要な時間は、多くのジョブにとって長すぎます。

たとえば、工場の機械のセンサーが異常を検知した場合、機械のオペレーターはすぐにそれを知り、機械を停止したい(またはコントローラーに機械を停止させたい)のですが、クラウドへの往復データ転送時間が長すぎます。そのため、上の図に示されている主要なクラウド ワークロードの多くには、エッジでの機械学習や分析が関係しています。

工場の制御ロジックやセンサーフュージョンは、価値を高めるために迅速に実行する必要がありますが、データ分析やビデオ処理では大量のデータが生成されるため、クラウドでの送信や処理にコストがかかる可能性があります。どちらの使用例でも、レイテンシも重要です。

しかし、図の他のいくつかのワークロードは、コンピューティングにおける次の大きな課題がどこから来るのかを示唆しています。上の図に示されている 2 つのワークロードは、複数のノード間でのデータ交換を伴います。現実には、コンピューティングが単一のクラウドまたはクライアント デバイス上で行われていた時代から、複数のクラウドとクライアント デバイスに分散される時代へと移行しています。

このコンピューティング モデルでは、コンピューティング システムを構築する人が、無数のエッジ コンピューティング環境と、それらすべてで実行されるアプリケーションのセキュリティとレイテンシの要件に対応する必要があるため、新たな課題が生じます。したがって、構成と管理は厄介な問題になります。

分散エッジ コンピューティングの新しい世界では、コンピューティング用にサーバーや電話を選択するのではなく、照明スイッチ、産業用プログラマブル ロジック コントローラー、工場のエッジ ゲートウェイ、またはハンドヘルド タブレット上でアプリケーションを実行する機会が提供される場合があります。これは、複数のプロセッサ タイプ、使用可能なメモリの複数のレベル、およびさまざまなレベルのネットワーク アクセスを意味します。

このようにデータとコンピューティングを移動することは新しいことであり、新しいアーキテクチャ、新しいデータベース、セキュリティとデバイス管理を処理する新しい方法が必要になります。調査結果が示すように、エッジ コンピューティングはすでに導入され始めており、その導入は特に難しいものではありません。難しいのは、新しいアプリケーションを構築し、周囲のコンピューターを活用する方法です。

この点は、クラウド コンピューティングの新しいアーキテクチャに関する Deloitte のインタビューでよく説明されています。この投稿で、同社のゼネラルマネージャーである David Linthicum 氏は、新しいエッジ コンピューティング システムを最大限に活用する方法を模索している CIO、CTO、その他の関係者に、いくつかの難しい質問を投げかけています。

「組織が直面する課題は、アーキテクチャに関するものです。基本的に、組織はアーキテクチャをレイヤーに分割するための支援を必要としています。テクノロジストとして、私たちは、データをどこに保管するのか、知識をどこに保存するのか、それを最も効率的に行う方法は何なのか、といった質問をよく耳にします。今後、ロボティクスであれ、エッジベースのプライベート クラウド サービスであれ、組織はアーキテクチャのレイヤー間で情報の流れを動的に管理できる構成管理システムを作成する必要があります。幹部と話をすると、組織をエッジ コンピューティングに移行することに関して最も懸念されるのは、エッジ コンピューティングが機能しないということではなく、動的な変更を可能にする方法でインフラストラクチャまたはレイヤーを運用できるかどうかということです。」

したがって、エッジ インフラストラクチャの構築には 1 年しかかからないかもしれませんが、そのアーキテクチャを最適に使用する方法を見つけるにはさらに長い時間がかかり、時間の経過とともに進化していく可能性があります。

<<:  資金調達は引き続き好調:6月の自動運転分野における資金調達活動の概要

>>:  ImageNet の最高スコアを更新しましょう! Google Brain 中国研究者がスーパートランスフォーマーをリリース

ブログ    
ブログ    
ブログ    

推薦する

...

MorphNetは、ニューラルネットワークをより高速、小型、効率的にするモデル最適化技術です。

特定のタスクを実行するためにニューラル ネットワークを調整したいですか?この問題は想像したほど単純で...

気候ガバナンスの年、希望はAIにある

[[391671]]気候変動は今日世界が直面している最大の課題となっています。国連は、2021年が地...

コストを70%削減する秘訣: これらの企業はAIをコスト効率よく活用する方法を見つけました

過去 6 か月間で、ChatGPT によってもたらされた AI の人気は誰もが直感的に感じることがで...

BEVFusionを超えて!高速かつシンプルなBEV統合展開ソリューション

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...

...

人間の脳細胞は、マトリックスのように、AIよりも速く、エネルギー効率よく、ペトリ皿の中でゲームをすることを学ぶ

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

AIとインフラストラクチャのゲームチェンジャーが市場で成熟しつつあります。

機械学習が「人間レベル」の能力に到達するには、多くのトレーニング反復とラベル付きデータが必要です。こ...

TinyML を理解する: エッジでの超低消費電力機械学習

導入最も普及している IoT デバイスは小型で、電力が限られている傾向があります。これらは、組み込み...

機械学習とデータサイエンスのための最も人気のある Python ライブラリ トップ 10

2018 年は人工知能と機械学習が急速に発展する年となるでしょう。一部の専門家は、Python は...

顔認識の歴史的な禁止が導入され、警察は犯罪者を捕まえるために顔認識を使用できなくなった

サンフランシスコは前例のない措置として、政府による顔認識技術の使用を禁止する規則を発布した。悪者を捕...

「本物の人間かどうか」を検証、AIが人間を攻撃! GPT-4は99.8%の精度でチューリングテストに合格し、オンラインで助けを求めた。

あなたは実在の人物ですか? Web ページを開いて奇妙な確認コードが表示されるたびに、それをクリック...

人間と機械の論争:AIは感情について語っても負ける

青いステージの真ん中に黒いパネルが立っていた。パネルには青い楕円形のスクリーンが点滅し、その奥から冷...

機械学習による分類とその応用を理解するための図

機械学習は主に教師あり学習、教師なし学習、強化学習に分けられます。ただし、各手法の適用分野はそれぞれ...

...