Edge AIの実世界における応用を理解する

Edge AI テクノロジーは、パーソナルコンピューター、IoTデバイス、専用のエッジサーバーなどのデバイス上で直接データを処理および分析し、ローカルで処理を実行することでデータの保存と処理をより高速かつアクセスしやすくします。レイテンシや帯域幅の制限など、クラウドシステムによくある課題を回避し、より迅速で信頼性の高いパフォーマンスを実現します。たとえば、自動運転車では、障害物の検出や信号機への即時応答など、リアルタイムの意思決定においてローカル処理が不可欠です。車両上で直接データを処理することで、Edge AIは、遠く離れたクラウドサーバーに依存していたのでは遅すぎるような、一瞬を争う応答を可能にします。

Edge AIの人気が高まっており、グローバル市場は2034年までに1,430億6,000万ドルに達すると予想されています。さまざまな業界が、レイテンシ、セキュリティ、コストなどの課題に対処しながら、ワークフローの改善、タスクの自動化、イノベーションの促進にEdge AIを活用しています。

この記事では、ヘルスケアや製造業などの分野でEdge AIがどのように変化をもたらしているかについて、導入の際に留意すべき点と合わせて見ていきます。それでは始めましょう！

Fig 1. グローバル Edge AI 市場。

Edge AIの仕組み#

Edge AIは、エッジコンピューティングと人工知能 (AI)を組み合わせたものです。エッジコンピューティングは、データが生成される場所の近くでデータを処理するテクノロジーフレームワークであり、リアルタイムの分析、信頼性の向上、コスト削減を実現します。AIコンポーネントにより、機械学習アルゴリズムがエッジデバイスに直接もたらされ、デバイスがローカルでインテリジェントな決定を下すことが可能になります。このアプローチにより、処理の遅延を引き起こす可能性のある、集中型のクラウドやデータセンターの必要性が軽減されます。クラウドは、より複雑なデータストレージ、大規模な分析、AIモデルのアップデートのために引き続き使用でき、Edge AIが提供するより高速なローカル処理を補完します。

Fig 2. Edge AIの概要。

Edge AIシステムがどのように機能するかを見てみましょう：

• データの収集: デバイス上のセンサーが、温度の読み取り値や産業環境における機器の状態など、環境からの未加工の情報を収集します。
• データのクレンジング: 収集されたデータはデバイス上で素早く処理され、ノイズがフィルターで除外され、関連する詳細に焦点が当てられます。
• 予測の実行: クレンジングされたデータは、エッジデバイス内に直接埋め込まれたAIモデルによって分析されます。
• 意思決定: 分析に基づいて、AIシステムは決定を下し、必要なアクションや応答を開始します。

Edge AIとCloud AI#

Edge AIとCloud AIは、AI実装に対する2つの異なるアプローチであり、それぞれに独自の利点とトレードオフがあります。Edge AIで既に論じたように、データはローカルデバイス上で直接処理され、低レイテンシ、プライバシーの強化、そしてインターネット接続への依存度の最小化が保証されます。

Edge AIとは異なり、Cloud AIはリモートサーバーを使用してデータ処理を行うため、優れたスケーラビリティと柔軟性を提供します。ただし、インターネットを介したデータ送信が必要になるため、多くの場合、レイテンシの増加や帯域幅の使用量増加という代償を伴います。また、機密データを外部サーバーに送信して保存する必要があるため、Cloud AIはプライバシーに関する懸念を引き起こす可能性もあります。

Fig 3. Edge AI対Cloud AI。

もう一つの大きな違いは、Cloud AIに関連するコストとネットワークの負荷にあります。強力なリモートサーバーでの処理は、特にビデオやオーディオなどの大量のデータを処理する場合に費用がかかる可能性があり、このデータをネットワーク経由でストリーミングするとさらに負荷が増します。

Edge AIは、デバイス上で直接データを処理することでこれらの課題に対処し、クラウド関連のコストを削減し、ネットワークの負荷を軽減し、機密情報をオンサイトで安全に保ちます。未加工のデータを送信する代わりに、通常は最終結果（または推論）のみが送信されるため、より効率的でプライバシーに配慮したソリューションが提供されます。

画像認識のためのEdge AI#

コンピュータービジョンアプリケーションでは、多くの場合、膨大な量の非構造化データ（事前定義されたフォーマットのないデータ）、主に画像やビデオの分析が行われます。これらすべてのデータを処理のためにリモートのクラウドサーバーに送信することは、リアルタイムのモニタリングを必要とする状況では非効率的である可能性があります。この問題に対する優れた解決策は、エッジデバイス上でコンピュータービジョンモデルを実行することです。

Ultralytics YOLO11などのコンピュータービジョンモデルは、クラウドでトレーニングされることが多いですが、オンサイトでリアルタイムアプリケーションを直接サポートするためにエッジにデプロイできます。YOLO11は瞬時の応答を必要とするタスク向けに特別に設計されており、セキュリティシステム、品質管理システム、スマートホームデバイスなどのアプリケーションに特に役立ちます。これらのアプリケーションは、視覚情報（カメラ、センサーなどからの情報）が収集されるまさにその場所で、データをローカル処理する場合により効率的に動作します。

Fig 4. エッジへのコンピュータービジョンモデルのデプロイ。

Edge AIのアプリケーション#

Edge AIとは何かを探求しましたので、次は現実世界のいくつかの応用例を詳しく見ていきましょう。

ヘルスケアアプリケーションにおけるEdge AI#

迅速な診断と優れた患者ケアは、すべての医療施設にとって最優先事項であり、Edge AIはこれらの目標を達成する上で重要な役割を果たします。医療提供者は、Edge AIとスマートデバイスの使用を通じて変革的な変化を目の当たりにしています。これらテクノロジーが合わさることで、より迅速で、安全で、応答性の高い医療システムが構築されます。

たとえば、Edge AIを搭載したウェアラブルデバイスは、心拍数、血圧、血糖値、呼吸などのバイタルサインを継続的に監視できます。突然の転倒を検出して介護者に即座に通知することもできます。救急車内では、Edge AIが患者モニターからのデータをオンサイトで分析できます。分析から得られた洞察を医師と共有できるため、患者が病院に到着する前に治療の準備を整えるのに役立ちます。

Edge AIは、医療スタッフの物体検出などのアプリケーション向けの、YOLO11などのコンピュータービジョンモデルのデプロイを支援することもできます。この特定のアプリケーションは、部屋の中での医療従事者の位置と動きをリアルタイムで特定することに焦点を当てており、安全プロトコルの遵守の監視を支援し、状況認識を強化します。

物体検出は、手順中にスタッフが正しく配置されているかどうか、および機器周辺の安全な位置の維持などの衛生および安全ガイドラインを遵守しているかどうかを確認するのに役立ちます。Edge AIを使用すると、手術室で常時クラウド接続を維持することなく貴重な洞察を提供できるため、プライバシーが確保され、医療チームに即座のフィードバックが提供されます。

図5. 病院スタッフをモニタリングするためにUltralytics YOLO11を使用している例。

産業オートメーションのためのEdge AI#

世界中の製造業者は、オペレーションをより速く、より効率的に、より生産的にするためにEdge AIテクノロジーを使用しています。センサーやIoTデバイスからのリアルタイムデータを使用することで、Edge AIは予知保全を可能にし、工場が機器の故障の早期兆候を検出し、重大な問題が発生する前に故障を予測できるようにします。このプロactiveなアプローチは、ダウンタイムを削減し、機器の寿命を延ばし、スムーズなオペレーションを維持するのに役立ちます。

また、Edge AIは、ビジョンAIを使用して出荷用に梱包される前に製品の欠陥を発見することで、品質管理を向上させます。画像やビデオをオンサイトで直接分析することで、Edge AIは欠陥を素早く特定し、高品質の製品のみが顧客に届くようにします。即座のフィードバックにより、製造業者は問題をすぐに対処でき、無駄を削減し、製品基準を向上させ、顧客満足度を高めることができます。

家庭におけるIoTデバイスのためのEdge AI#

人が近づくと自動的に鳴るスマートドアベルから、部屋が無人のときに消灯するライトまで、スマートホームは居住者の生活の質を向上させるためにEdge AIを使用するデバイスで溢れています。居住者がドアの前にいる人を確認したい場合でも、スマートフォンから室温を調整したい場合でも、エッジテクノロジーはリモートサーバーに依存するのではなく、オンサイトで直接データを処理することでそれを可能にします。Edge AIを使用すると、居住者のプライバシー保護に役立ち、個人データへの不正アクセスのリスクが軽減されます。

ホームオートメーションに関して、Edge AIによるローカル処理は、即座のフィードバックを必要とするアプリケーションにとって極めて重要です。これらのアプリケーションには、セキュリティシステム、照明システム、環境制御が含まれます。エッジでデータを処理することで、スマートホームはインターネット接続を必要とせずに独立して動作できます。また、コンピュータービジョンと統合されたEdge AIは、家庭内のアクセシビリティを向上させることができます。人間の姿勢推定などの技術を使用することで、ライトやテレビなどの家庭内の他のシステムを制御するハンドジェスチャー検出システムを作成できます。

Fig 6. Edge AI搭載のスマートホーム制御システム。

課題と制限#

提供する利点にもかかわらず、Edge AIシステムは依然として進化の途上にあり、特定の課題と制限に直面しています。ビジネスや家庭にEdge AIソリューションを導入する前に考慮すべきいくつかの制限を以下に示します。

• セキュリティリスク: Edge AIはデータをローカルに保持することでセキュリティを向上させますが、主にヒューマンエラーや安全性の低いパスワードが原因で、ローカルレベルでもいくつかのリスクに直面します。

• 限られた計算能力: Edge AIシステムは通常、クラウドベースのAIよりも計算能力が低いため、特定のタスクに制限されます。クラウドは大規模なモデルを処理できますが、Edge AIはよりシンプルで小規模なタスクに最適です。

• 機械の互換性の問題: 特にビジネス環境において、Edge AIはさまざまな機械のタイプとの課題に直面しており、互換性のない機械を一緒に使用すると、互換性の問題が障害や故障につながる可能性があります。

エッジのパワーを活用する#

Edge AIは、データが作成された場所で直接処理を行うことにより、産業がより迅速に動作し、よりスマートな意思決定を行えるようにしています。このアプローチは、業務をスピードアップし、データセキュリティを強化し、インターネットコストを削減します。

ヘルスケア、製造、スマートホームといったセクター全体で、Edge AIは効率を高め、常にクラウドにアクセスすることなく迅速な意思決定を可能にします。潜在的なセキュリティリスクや複雑なタスクに対する能力の制限といったいくつかの制限はありますが、リアルタイムでタスクを管理するEdge AIの能力は、将来に向けた貴重なツールとなっています。

詳細については、GitHubリポジトリをご覧いただき、コミュニティにご参加ください。ソリューションページで、自動運転車や農業におけるAIの応用をご覧ください。🚀