エッジAI向けプロセッサ、開発競争は激化する？：“カンブリア爆発”が始まるのか（1/2 ページ）

エッジAI（人工知能）への移行は、高性能プロセッサが鍵を握っている。エッジ／組み込みデバイスに匹敵する価格と消費電力量、サイズを実現しながら、優れた性能を提供できるプロセッサである。

[Jeff Bier，EE Times]

エッジAIをけん引する「BLERP」

　AI（人工知能）やコンピュータビジョンが、サイエンスフィクションの類のものと見なされていたのは、それほど昔のことではない。それが今や、「Alexa」や「Siri」のようにどこにでも存在するものになった。さらにキッチン家電は、何を料理するのかを認識して、完璧に作れるようサポートすることまで可能だ。

画像はイメージです

　現在では、機械学習の推論をエッジ（端末）で実行するケースが増えている。携帯電話機や家電、自動車、産業用ロボット、カメラ、ビルのサーバクローゼットなどさまざまなシステム上で実行されている。これらに共通しているのが、「かつてないほどセンサーに近い場所で処理を実行する」という点だ。

　Edge AI and Vision Allianceは、エッジAIを後押しする要因として、帯域幅（Bandwidth）とレイテンシ（Latency）、経済性（Economics）、信頼性（Reliability）、プライバシー（Privacy）の5つを取り上げた。これらの頭文字を取って、多少ぎこちない感じはするものの「BLERP」と名付けている。

帯域幅：例えば、商業温室やカジノ、小売スペースなどで、数百台規模のカメラを設置している場合、全ての情報をクラウドに送信して処理するという方法は難しい。どのような種類のインターネット接続でもダウンしてしまうからだ。このため単純に、ローカルで処理する必要がある。

レイテンシ：例えば自動運転車の場合、歩行者が横断歩道に突然現れた時に、自動車のコンピュータが判断を下すまでに要する時間は、わずか数百ミリ秒である。画像をクラウドに送信して応答を待つとしたら、もっと時間がかかるだろう。

経済性：クラウドコンピューティングや通信では、常に高性能化と低価格化が進んでいるが、コストがまだかなり高い。特に、動画や画像のデータになると膨大なコストを要する。エッジコンピューティングは、クラウドに送信しなければならないデータ量を削減できるので、コスト削減を実現することが可能だ。

信頼性：顔認証機能を搭載したホームセキュリティシステムでは、もしインターネットがダウンしてしまっても、ローカル処理を実行していれば、家族が家の中に入ることができる。システムのフォールトトレラント（耐障害性）を実現することが可能だ。

プライバシー：オーディオ／ビジュアルセンサーが広く普及したことにより、プライバシーに関する懸念が深刻化している。情報をクラウドに送信するとなると、こうした懸念は劇的に高まっていく。より多くの情報をローカルで処理、消費することができれば、不正利用のリスクも低減できる。米国ネバダ州ラスベガスの非公式の標語「What happens in Vegas stays in Vegas.（ラスベガスで起きたことはラスベガスに残る）」を置き代えて、「What happens at the edge stays at the edge.（エッジで起きたことはエッジに残る）」といえるだろう。

　これら5つの要素が、AIエッジへの移行をけん引しているのであれば、その移行を成功させることができるのは、高速かつ高効率のプロセッサである。コンピュータビジョンや深層学習は、数百万もの画素やオーディオサンプルなどから意味を抽出することが可能なため、非常に魅力的だ。