エッジ人工知能（AI）とは、ユーザーとの接点に最も近いデバイスが、データに基づく意思決定を行えるようにする分散型コンピューティングです。
この種の技術には、プライバシーの向上やコスト削減といった利点がありますが、データは通常、処理後に破棄されます。
5G技術や、より安価な処理チップなどの今後の進歩により、スマートホーム機器から医療技術まで、特定の用途でエッジAIの有用性はますます高まるでしょう。
新しいスマートサーモスタットに暖房をすぐに強めてもらい、異例の寒さの日に仕事から帰宅したとき、家が暖かくなっているようにしたいと想像してみてください。スマートフォンで接続して、作動するよう指示します。気づかないかもしれませんが、その指示がクラウドに送られ、応答が返ってくるまでに数秒かかることがあります。
今度は、乗っている自動運転車が、目の前の道路に犬が飛び出してきたのを突然検知したと想像してみてください。大惨事を避けるには、車は数ミリ秒で反応する必要があります。こうした反応にはエッジ人工知能（AI）、つまりユーザーとの接点に最も近い場所、この場合は車のセンサーで判断を下せる技術が必要です。まさに一瞬の判断です。
動き続けるデータ
今日のモノのインターネット（IoT）では、データは常に動いています。レガシーシステムからクラウドへ、さらにエッジデバイスへと流れ、組織のシステムを越えてパートナーや顧客にも届きます。回答はリアルタイムで届ける必要があるため、エッジデバイスでデータを処理できる場合、中央集約型のコンピューティング能力を使うのが常に効果的とは限りません。自動運転車には、反応までわずか数秒しかないときに、クラウドで判断が下されるのを待つ時間はありません。
デバイスがどこにあっても、膨大な量のデータをエッジ上のAIアルゴリズムに入力できます。そこから得られる利点は数多くあります。動き続けるデータは、患者の重要な情報を医師に届け、遊園地の行列を短くし、停電の可能性を電力会社に知らせ、自動運転車が悲劇を防ぐために間に合うよう反応するのを可能にします。
エッジAIを使えば、デバイスはデバイス上で自らこうした判断を下せます。データを処理するために、必ずしもインターネットに接続する必要はありません。睡眠パターンを監視できる時計を考えてみてください。データを保存・処理のためにクラウドへ送る代わりに、時計自体に記録して処理します。
エッジAIに対応したデバイスには、ビデオゲーム、スマートスピーカー、ドローン、ロボットも含まれます。防犯カメラもエッジAIに対応できます。たとえば、製造中の製品の欠陥を探す工場のカメラは、どの製品をすぐに取り除くべきかを迅速に特定できます。エッジAIは、迅速な対応が命を救う救急医療のために画像を分析する用途にも使えます。処理能力が現場に近いほど、応答時間は短くなります。
エッジ技術がクラウドに取って代わることはありませんが、睡眠パターンやゲームのデータなど、あなただけに属するユーザーデータは、エッジAI対応デバイスで処理できます。こうしたデータの分散化は、IoT市場で大きな懸念となっているプライバシーの問題に対処します。エッジAIなら、プライバシーを損なわずに利便性を提供できます。また、場合によっては大幅なコスト削減にもつながります。ある企業は現在、音声操作の家電を開発しています。洗濯機や食器洗い機などに、1個あたり数ドルの小型マイクロプロセッサーを使うものです。
「家を共有するガジェットについては、実のところ、あまり賢くないほうがいいと思う。」
クライヴ・トンプソン、Wired
その代わり、ボットの機能は控えめになります。コーヒーメーカーの音声認識AIが認識すべきなのは、コーヒーを淹れる作業に関係する約200語だけです。Wiredの記者、クライヴ・トンプソンは、こう考えてみてほしいと言います。「照明スイッチに、つまらない冗談を言ったり自我に目覚めたりしてほしいわけではありません。『オン』と『オフ』、できれば『暗く』を認識できれば十分です。家を共有するガジェットについては、実のところ、あまり賢くないほうがいいと思います。」
処理の高速化と低コスト化に加え、エッジAIには拡大し続けるインターネットも必要ありません。IoTの急速な成長に伴い、エッジで感知・生成されるデータは膨大になっています。Statistaは、その推計によると、その量は2025年までに約80ゼタバイトに達します。
あまりに膨大なため、今日のインターネットの帯域幅を使って、エッジデバイスからクラウドサーバーへ保存・処理のためにデータをすべて転送することは技術的に実現できません。仮に帯域幅が確保できたとしても、データセンターにはすべてのデータを処理するだけのリソースが必要です。必要な帯域幅が小さくなれば、コスト削減につながります。企業が生成するデータの約10%は、従来型の中央集約型データセンターやクラウドの外で作成・処理されています。Gartnerは、この割合が2025年までに75%に達すると予測しています。
リスクと恩恵のバランス
IoTの世界で特に厄介な問題の一つは、デバイスを購入できない人々や、地域ネットワークが存在しない農村地域に暮らす人々が、私たちの日常を作り変えるこの動きに参加できない可能性があることです。ネットワーク容量が限られてきた歴史は、悪循環につながることがあります。エッジネットワークの構築は容易ではなく、費用もかかります。発展途上国は、更新が必要なエッジデバイスを通じたデータ処理能力で、さらに後れを取る可能性があります。したがって、エッジコンピューティングの拡大は、構造的な不平等を深めるもう一つの要因となり得ます。とりわけ、生活を大きく変えるAI・IoTデバイスを利用できるかどうかに関わる問題です。
エッジAIに伴うもう一つのリスクは、データが破棄される可能性があることです。「エッジで」処理する性質上、保存のためにクラウドへ送られない場合があります。コストを抑えるため、デバイスに情報を破棄するよう指示することもあります。中央での処理や保存にも確かに欠点はありますが、必要なときにデータを利用できることが利点です。
世界経済フォーラムは、すべてのステークホルダーに利益をもたらす人工知能の開発を、どのように確保しているのでしょうか？
無人の道路についての膨大なデータも、そこを走るのがあなたと自動運転車だけなら重要でないように思えるかもしれません。しかし、考え直してみてください。その無人道路に関するデータからは、道路状況や、その状況下で車両や同種の車両がどのように動くかなど、多くのことを学べます。さらに、エッジコンピューティングでは、ネットワークのコストと生み出される価値のバランスを確保するため、明確な事業上の根拠を綿密に検証する必要があります。
それでも、不平等やデータの損失がある中で、5G技術の進歩や処理チップの低価格化が進めば、「エッジで」の処理が今後も定着することは容易に想像できます。通勤の準備をしてくれる自動運転車でも、コーヒーメーカーでも同じです。
