あらゆるモノがインターネットとつながるIoT技術やクラウドコンピューティングが普及するなかで、スマートフォンなどの末端装置に搭載されているAI「エッジAI」の活用が広がってきています。

ユーザーに近いデバイスでデータを処理するコンピューティングモデルとして「エッジコンピューティング」が大きなトレンドとなっていますが、さらにAIを搭載したソリューションがエッジAIです。いまエッジAIがなぜ注目されているのか、エッジAIの定義や仕組み、クラウドの違いや活用事例について説明します。

エッジAIとは・端末にAIモデルを組み込んだ仕組み

エッジAIとは、スマートフォンやカメラなどの端末にAIモデルを組み込んだ仕組みを指すものです。端末が取得したデータをクラウド環境に送らずとも、端末側でAIによる推論までを実行します。

なお、AIを搭載しない「エッジコンピューティング」モデルでも、端末そのものや端末の近くに設置されたサーバーでデータ処理や分析を行います。これは自動運転や産業用ロボットにも利用されている技術です。

エッジAIが注目されている理由

エッジAIが注目されるようになった理由としてまず挙げられるのはIoTの普及です。あらゆるモノがインターネットとつながる社会の到来で、膨大なデータを迅速かつリアルタイムに処理するための端末やシステムの開発が進んでいます。

従来、AIの活用では豊富なデータを蓄積し処理するためのクラウドサーバーや高性能なコンピューターが不可欠なものとされていました。自動運転車や産業用ロボットにAIを組み込むことはハードルが高く、実用的ではなかったのです。

また、クラウドサーバーとのデータのやり取りを行うにもデータ量があまりに膨大なためラグが生じ、リアルタイムに処理を実行するのが難しいという課題もありました。

これらの課題を解消する技術として、エッジAIに注目が集まるようになったのです。端末や端末に近いサーバーにデータを蓄積してAIによる処理を行い、安定した環境下でリアルタイムに情報を高速処理できるモデルが強く求められています。

エッジAIとIoTの関係性

エッジAIはIoT技術をベースにそのパフォーマンスを発揮します。今後さらに拡大するとみられるIoT市場、なかでも工場の自動化（FA）や自動運転の領域でエッジAIは欠かせないものと考えられています。

例えばエッジAIによる画像認識技術が産業用ロボットに加われば、生産した商品を「販売できるもの／できないもの」に自動で仕分けできるようになります。また、機械学習によるパフォーマンスの最適化や、機械の異常の発生予測などもできるようになると見込まれているのです。

エッジAIの活用用途

エッジAIの活用シーンは、特定の領域に限定されるものではありません。製造業や農業、医療領域、さらには飲食業界など、ジャンルを問わず多岐にわたります。

例えば、製造業の現場ではエッジAIの画像認識技術で製造した製品の検品が行われています。飲酒店では、空席情報をWEB上で確認するシステムにもエッジAIが採用されています。

農業の現場での活用も模索されており、大手農機具メーカーではエッジAIを搭載した自動運転機能を有する農機具の開発を進めています。

さらに、手足などに装着して体の状態や運動量をモニタリングするウェラブルデバイスや、スマートフォンにもエッジAIが搭載されているのです。

エッジAIとクラウドAIの違い

エッジAIに対するモデルとして「クラウドAI」がありますが、両者には明確な違いがあります。

クラウドAIでは、デバイスから得られたすべてのデータを一度クラウドに送信し、クラウド上で推論を実行します。この場合、AIによる学習や予測、判断はすべてクラウド上で行われるため、判断と実行にタイムラグが生じます。

一方、エッジAIではデバイスで推論までを実行するためリアルタイムにデータを処理できます。データ送信も必要なデータのみとなり、通信にかかるコストも削減されるでしょう。

クラウドAIとは

クラウドAIとは、AIに必要な処理をすべてクラウド上で行う技術を指すものです。エッジAIと比較して端末への負荷を抑えられるため、さまざまな場面で利用されています。

• スマートフォンの音声アシスタント
• 自動翻訳
• Web上で動作するチャットボット

これらはすべて、クラウドAIによるソリューションです。機械学習による画像認識技術などにも活用されています。

広く活用される一方で、クラウドAIは膨大なデータ送信が生じるため通信コストがかかる、リアルタイムでの判断が難しいなどの課題も散見されています。

エッジAIとクラウドAIを組み合わせた活用

IoTソリューションでは、エッジAIとクラウドAIを組み合わせたものも見られます。これはエッジAIとクラウドAIのメリットを生かして役割分担させるためです。

現段階では、エッジAIのみでシステムを実現するのは難しく、端末側で推論を行い、クラウドで学習モデルを作るハイブリッド型が主流です。人や物を識別して位置情報を取得し、危険な場所に接近する人に対して警告を行ったり、画像から状態を認識したりといったシステムなどで活用されています。

現在では、オンプレミス、クラウド、エッジデバイスに点在するデータを取込・連携・管理する技術であるデータファブリックの技術もトレンドになると考えられています。

エッジAIのメリット

エッジAIには、主に次の３つのメリットがあります。

• リアルタイム性
• 通信費などのコストカット
• セキュリティリスク軽減

エッジAIの活用でデータ転送量は大きく圧縮され、リアルタイム性が高まります。通信費等のコストやセキュリティリスクを低減できるのも利点です。

リアルタイム性

エッジAIでは必ずしもインターネットが必要とされないため、AIによる推論のリアルタイム性が高まります。

デバイスさえあればオフライン下でも場所を選ばずリアルタイムに推論を実行できることは、自動運転技術や産業用ロボットの進化などに大きく貢献できる、汎用性の高いメリットとなるでしょう。

通信費などのコストカット

すべてのデータをクラウドに送るクラウドAIに比べ、エッジAIはクラウドに送信するデータ量が少ないことから通信コストをカットできます。クラウドサービスにかかるコストの低減も見込まれます。

セキュリティリスク軽減

エッジAIには、クラウドAIよりも情報漏えいやウイルス感染等のセキュリティリスクが低いというメリットもあります。クラウドAIではすべてのデータをクラウド上に送るため、どうしてもエッジAIよりもリスクが高まってしまうのです。

例えば製造の現場では、自社の独自技術が情報漏えいでハックされてしまうリスクが常に懸念されます。そこで、外部ネットワークを介さず情報を処理できるエッジAIであれば、セキュリティリスクを軽減しながら的確な処理を実行できるようになるのです。

エッジAIのデメリット

一方、エッジAIにはまだまだ課題も見られます。

• 大規模データの処理ができない
• システムの複雑化

デバイスに搭載可能なシステムには限界があるため、大規模なデータ処理をエッジAIで行うことはできません。また、システムが複雑化しやすく管理が難しいという側面も持ちます。

大規模データの処理ができない

端末側で使われているCPUやGPUは、クラウドに比べ非力です。大規模なデータ処理を行うのは難しいでしょう。限られたリソースで大規模なデータを処理しようとすると、処理に遅延が発生するリスクも無視できません。

システムの複雑化

エッジAIでは端末側にAIを搭載するため、システムが複雑化しがちです。エッジAIとクラウドAIのハイブリッド型は、さらにシステムが複雑になる傾向も見られます。

システムが複雑化すると、設計から管理、保守、運用にいたる一連のフローも煩雑になってしまいます。開発のハードルも高まり、開発コストも大きくなる可能性も懸念されるでしょう。

エッジAIの活用例

エッジAIは、すでにさまざまな技術に用いられており、その活用領域はさらに広がっていくと期待されています。

• 監視カメラ
• 自動運転技術
• スマートフォン
• 人物行動分析
• 混雑状況配信

リアルタイムで画像を認識できる監視カメラ、大量のデータを即時に処理する必要がある自動運転システム、そしてスマートフォンの音声認識システムへの活用も間近と目されています。

さらに、商業施設等での人物行動分析や、各所の混雑状況の配信にもエッジAIが利用されているのです。

監視カメラ

街中や建物、工場内に設置する監視カメラにエッジAIを搭載することで、道路の交通量やスピードの調査、駐車場の混雑状況の把握などをリアルタイムで行えるようになります。

また、車内カメラにエッジAIを活用すれば、車内のシートベルト着用率の把握など、オペレーション改善をはかるソリューションとしても機能するでしょう。

自動運転技術

自動車の完全自動運転の実現にはエッジAIが欠かせないと考えられています。エッジAIの活躍がもっとも期待されている領域といっても過言ではありません。

完全自動運転を実現するためには、カメラから取得された膨大なデータを処理して推測するシステムは不可欠です。しかし、クラウドAIでは遅延が発生する可能性が否めず、リアルタイム性が損なわれると重大な事故にもつながりかねません。

自動運転のようにリアルタイムかつ高精度な状況判断が必要なシステムには、エッジAIの技術は欠かせないものです。

スマートフォン

スマートフォンでエッジAIが使われるようになれば、もっとも身近なエッジAIになるでしょう。

例えば音声アシスタントです。iPhoneの「Siri」、Androidの「Googleアシスタント」といった音声アシスタントには現在クラウドAIが活用されていますが、今後はエッジAIに置き換わると考えられています。

人物行動分析

店舗での人物行動分析サービスにもエッジAIが活用されています。

店舗での購買行動は、これまではPOSデータ等で情報を収集するしかありませんでしたが、エッジAIによってカメラの映像から人を検出・追跡して行動を分析できるようになりました。実際の行動分析結果と各種システムから集めたデータを用いて、より高度なマーケティングを展開できるようになると見込まれます。

混雑状況配信

エッジAIカメラを使って、個人情報はカットしながら混雑状況を可視化できるシステムも登場しています。

カメラの映像の分析から、人々は他人との接触や混雑を避けて各種施設に来訪できるようになります。ソーシャルディスタンスが求められる社会において、ますますその意義は高まっていくでしょう。

このシステムは、駐車場やバスの混雑状況の把握にも活用されています。

エッジAIは今度さらに普及が見込まれるコンピューティングモデル

エッジAIは、これからますます進歩・発展する技術です。

現状では、処理を行うリソースがデバイスに足りておらず、また開発のハードルも高いことから、クラウドAI技術との併用が一般的ですが、小型のデバイスでも大量のデータを処理できるように進化すれば、エッジAIはあらゆる分野で爆発的に普及していくことでしょう。