用語集

エッジコンピューティング

エッジコンピューティングのパワーを発見：効率を高め、レイテンシを削減し、ローカルデータ処理でリアルタイムのAIアプリケーションを実現します。

エッジコンピューティングは、データの処理方法のシフトを意味し、計算を中央集中型のクラウドコンピューティングサーバーから、データが生成される物理的な場所、つまりネットワークの「エッジ」に近づけます。エッジ・コンピューティングは、生データを長距離のデータセンターやクラウドに送って分析する代わりに、ローカル・デバイス、ゲートウェイ、またはサーバーを利用して、オンサイトで計算を実行します。この分散コンピューティングのパラダイムは、低レイテンシー、高帯域幅効率、セキュリティ強化、断続的なネットワーク接続でも運用継続性を要求するアプリケーションにとって極めて重要です。基本的な機械学習（ML）の概念に精通しているユーザーにとって、エッジコンピューティングは、データが発生する場所で直接モデルを展開し、実行するためのインフラストラクチャを提供します。

AI/MLにとってエッジコンピューティングが重要な理由

エッジコンピューティングは、人工知能（AI）とMLの領域、特にコンピュータビジョン（CV）タスクにおいて、特に大きな影響を与える。多くのAIアプリケーションでは、タイムリーな意思決定を行うために、センサーデータ（画像やビデオストリームなど）を即座に処理する必要があります。大量のデータをクラウドに送信すると、リアルタイム推論シナリオでは許容できない遅延（レイテンシ）が発生します。エッジ・コンピューティングは、次のようなMLモデルを可能にすることで、この問題に対処します。 Ultralytics YOLOオブジェクト検出モデルなどのMLモデルを、データソース上またはその近くで直接実行できるようにすることで、この問題を解決します。これにより、応答時間が大幅に短縮され、ネットワーク帯域幅が節約され、機密情報をローカライズすることでデータプライバシーが向上します。GPUのような強力かつ効率的なハードウェアや、エッジデバイス用に設計されたTPUのような特殊なアクセラレーターの開発は、この傾向をさらに促進します。エッジAIデバイスへのコンピュータ・ビジョン・アプリケーションの導入については、こちらをご覧ください。

実際のAI/MLアプリケーション

エッジコンピューティングは、幅広い革新的なAI/MLアプリケーションを可能にする：

自律走行車：自動車はエッジコンピューティングを使用して、カメラ、LiDAR、その他のセンサーからのデータをリアルタイムで処理する。これにより、潜在的に低速または利用不可能なクラウド接続に依存することなく、即座に物体を検出し、進路計画を立て、衝突を回避することができます。車載AIソリューションの詳細については、こちらをご覧ください。
産業用IoTとスマート・マニュファクチャリング：工場ではエッジデバイスを導入し、品質検査や予知保全のためにコンピュータービジョンを使って機械を監視している。センサーデータをローカルで分析することで、即座に警告や調整を行うことができ、効率性と安全性が向上します。製造業におけるAIについて学ぶ。
スマート・リテール：エッジデバイスが店舗内のカメラ映像を分析し、棚の監視、顧客の行動分析、待ち行列管理などを行うことで、膨大な映像を送信することなくオペレーションを最適化します。よりスマートな小売業の在庫管理にAIを活用する方法をご覧ください。
ヘルスケアのモニタリング：ウェアラブルデバイスやベッドサイドのモニターは、エッジコンピューティングを利用してバイタルサインを局所的に分析し、重篤な状態に対して即座に警告を発することができる。