AIとMLを活用したエッジIoTパフォーマンスの最適化 | TechRepublic

AIとMLを活用したエッジIoTパフォーマンスの最適化 | TechRepublic
抽象的な脳、人工知能、機械学習、エッジ、IoTのイラスト
画像: インヤイプミ/Adobe Stock

エッジコンピューティング市場は、2022年の4,084万ドルから2028年には1億3,211万ドルに成長すると予想されています。これは、年平均成長率21.8%に相当します。

エッジのユースケースは無限です。公共事業や鉱業におけるドローン運用のための遠隔地の現場オフィスから、在宅勤務の従業員、自動化された製造組立ラインまで、ユースケースは多岐にわたります。

エッジコンピューティングへの移行が進むにつれ、IT以外の専門家が、自らが利用するエッジに設置されたテクノロジーの管理を求められるケースが増えています。クラウドソリューションも重要な役割を果たしています。クラウドは、中央データセンターよりも機敏にエッジのデータを収集・管理できるためです。

参照: 熱意を抑えないで: エッジコンピューティングのトレンドと課題 (TechRepublic)

残念ながら、このような導入ではエッジ処理のあらゆるニーズを満たすことはできません。エッジ管理を担当するIT部門以外の従業員はミスを犯す可能性があり、クラウドとの間でのデータ転送はレイテンシやセキュリティの問題によって妨げられる可能性があります。代替案としては、自動化に大きく依存する自己完結型の処理環境において、エッジアプリケーションを単体で動作させる方法を見つけることが挙げられます。

エッジ処理を促進する上で、人工知能(AI)と機械学習が重要な役割を果たします。エッジAIと機械学習は、小売店における客足の追跡に活用され、店舗マーチャンダイザーによる商品やサービスの提示をより効果的に支援します。また、店舗全体にエッジデバイス(センサー、カメラなど)を設置して客足を監視することもできます。

企業のビジネスアナリスト、ユーザー、そしてIT/データサイエンスのチームが開発したAIモデルは、エッジAIに論理的推論を「学習」させ、トラフィックを評価することができます。マーチャンダイザーは、初期の情報から、店舗内の特定の通路では商品が中央の棚から引き出されていることが多いことを認識します。その後、モデルの精度は低下し始めます。

AIの機械学習要素は、新たなパターンを検知し、それを「学習」します。このパターンから学んだことをAIに取り込み、分析を修正します。そして、店舗内の新たなエリアから商品が引き出されていると判断するのです。

将来、小売業者はAI/MLモデリングを全面的に見直し、他の傾向やパターンを探ることになるかもしれません。しかし、これはAIとMLを組み合わせることで、エッジでの自動運用とインテリジェントなインサイト獲得を実現する方法の一例です。エッジでこのような「DIY」型のインサイト自動化を実現するために、IT部門は何をすべきでしょうか?

AIとMLを活用してエッジIoTを最適化する方法

1. 適切なユースケースを選択する

すべてのエッジ実装が AI/ML による完全な自動化の対象となるわけではありません。

現場を調査したり、天候やその他の過酷な条件下で飛行したりするためにドローン艦隊を運用する場合、状況が予測不可能であるため、すべての運用インテリジェンスを完全に自動化しない方がよいでしょう。

自動運転システムでも同様です。雪道でのセンサー故障や、一瞬で起こりうる「非論理的な」人間の行動など、予期せぬ状況が多すぎて、AI/MLでは対応できるほど柔軟ではありません。

参照: 人工知能倫理ポリシー (TechRepublic Premium)

2. データ転送の設計

AI/MLの運用をエッジで自動化したとしても、エッジからのデータやインサイトを中央データリポジトリに統合したい場合があります。このデータリポジトリはクラウド上にある場合もあれば、中央データセンターにある場合もあります。

エッジからより中央のポイントへ移動するデータの流れを計画する必要があります。これには、データを中央ストレージの宛先にアップロードする昼夜いずれかの時間帯のスケジュール設定も含まれます。

3. IT以外の人材を育成する

エッジにおけるデータの監視とセキュリティ確保、そして日常業務での利用を求められる非IT担当者は、これらの機能を遂行するためのトレーニングを受ける必要があります。ITレベルでは、非IT担当者はエッジセキュリティと監視の基礎を習得する必要があります。運用面では、自動化の導入に伴い、担当者の業務遂行方法を再教育する必要性が高まります。

例えば、エッジIoTを導入して梱包作業を自動化し、AIがメンテナンスアラートをトリガーした場合、製造部門はどのような対応を取るでしょうか? 業務全体をオフラインにするか、手動プロセスに戻すか、あるいは何らかのフェイルオーバーを実行するでしょうか? こうしたあらゆる不測の事態について事前に検討し、従業員に周知徹底させる必要があります。

参照: 採用キット: IoT 開発者 (TechRepublic Premium)

4. AI/MLを調整する

AI/MLから得られる洞察が、あなたが真実だと知っているものから乖離し始めたらどうなるでしょうか?それは、これまで使用してきたAI/MLモデルを修正する必要があることを意味している可能性が高いでしょう。

エッジにおけるAI/MLのパフォーマンスは、日々監視する必要があります。AI/MLがもたらすインサイトに「ドリフト」が見られた場合は、AI/MLトレーニングモデルのヒューリスティックを見直し、改善すべき点がないか確認する必要があります。AI/MLの精度におけるゴールドスタンダードな目標は、専門家の観察結果と95%の確率で一致することです。

5. エッジ機器の保護と保守

ほとんどのエッジデバイスは、最低限のセキュリティ設定のみが施された状態で納品されます。各IoTデバイスに企業標準に準拠したセキュリティ設定を行うのは、IT部門の責任です。

エッジ テクノロジーを企業のセキュリティ標準に合わせて調整したら、移動可能なエッジ テクノロジーが権限のない人物の手に渡らないようにする物理的なセキュリティ対策も講じる必要があります。

ソフトウェアレベルでは、多要素認証を用いることでセキュリティを適用できます。さらに、IoT資産の追加、削除、変更をすべて記録できるため、ゼロトラストネットワークをエッジに導入することも可能です。

最後に、特にドローンなどの機器を稼働させている現場事務所や、ロボットを使用している製造現場や診療所では、機器が移動可能な場合は、使用していないときはケージに閉じ込めて、機器にアクセスすることを許可された人だけがアクセスできるようにする必要があります。

上位 4 つのベスト プラクティスとリスクを確認して、エッジ コンピューティングについて詳しく理解しましょう。

Tagged: