Top Trends in Cybersecurity for 2024 | 
新しいテクノロジーや新しいテクノロジーが広く受け入れられるようにするには、新しいビジネスの効率性を引き出し、消費者に価値をもたらす能力が必要です。 AI、ビッグデータ、クラウドコンピューティング、IoTは、個別にも組み合わせても、その価値を証明しています。 これらのテクノロジーは、企業が最大数百万のソースから膨大な量のデータストリーミングをキャプチャし、大規模なクラウドデータセンターに保存し、機械学習（ML）と人工知能（AI）技術を使用して、ほぼリアルタイムで価値のある画期的な洞察を導き出すのに役立ちます。
私たちは、2014年にVerizon Mediaでビッグデータと人工知能の旅を開始しました。 ペタバイト規模のデータを取り込むことができるクラウドベースのプラットフォームを構築し、機械学習を使用してほぼリアルタイムのインサイトを提供し、デリバリーネットワークのパフォーマンスを向上させ、ネットワーク全体の効率を高め、さらに優れたカスタマーエクスペリエンスを提供しました。 次に、ワイヤレスの使用状況データを使用して顧客の行動に関する洞察を得るなど、顧客向けの追加のAIおよびビッグデータアプリケーションを構築しました。
多くの点で、これらの技術の進歩はすでに業界に革命をもたらしており、私たちは長くエキサイティングな道のりの始まりにすぎません。 しかし、ビッグデータ、クラウドベースのAI、IoTでは、クラウドの処理と遅延、ストレージコスト、セキュリティとプライバシーの懸念により、最も強力で価値のあるアプリケーションの多くが実装されていません。 また、AIでは、数日、数分、数秒で回答を返すことはできません。 多くのアプリケーションでは、インテリジェンスをミリ秒以内に即座に適用する必要があります。
これらの障害を克服するための最も明白で説得力のある答えは、処理をエンドデバイスまたはデータ生成元、つまりネットワークのエッジに近づけることです。 Verizonはエッジコンピューティングの業界リーダーです。CDNは、地球上のほぼすべてのインターネットユーザーからの大規模なネットワーク容量とわずか10 ～ 25ミリ秒のレイテンシを提供します。 当社の5Gネットワークで <ある 10 msのレイテンシーにより、レイテンシーをさらに低減します。 AI、IoT、ビッグデータ処理と組み合わせたエッジコンピューティングの出現は、まったく新しいサービスと消費者価値への扉を開きます。 インテリジェンスをエッジに配置することで、画期的なAIアプリケーションをほぼリアルタイムで機能させることができます。
Verizonのグローバルエッジコンピューティング機能とAIのノウハウを統合したことを皮切りに、Edge AIと呼ばれる完全に統合されたプラットフォームを設計および構築し、さらに特定の垂直アプリケーションを開発しています。 これは、エンドツーエンドのエッジAIソリューションのすべての構成要素がすでに導入されている、この種のプラットフォームとしては最初のものです。
AIアプリケーションをエッジに移行することで、価値を高める機会が大きく広がります。 これは、堅牢なエッジAIソリューションを市場に投入する機能を備えたネットワークおよびソリューションプロバイダーにとって大きなチャンスです。 多くの点で、これは当社のサービス提供の完璧な合流点であり、既存の強みを基盤に構築し、新しいサービス、ユースケース、アプリケーションに対応できるインテリジェントで安全、拡張性、信頼性の高いプラットフォームを構築するための基盤を構築することができます。
「5GとAI:次世代の社会とビジネスの飛躍のための基盤」と題された最近のレポートで、 ABI Researchは、 エッジコンピューティングとAIの組み合わせによって提供される低レイテンシが「私たちの生活と仕事の方法を変革する可能性が高い」と予測しています。 レポートでは、これらのテクノロジーは「既存のテクノロジーでは不可能な、消費者および企業セグメントにおけるさまざまな新しいビジネスチャンスへの道を開く」と述べています。 ABIリサーチは、エッジに導入されたAIおよびMLアプリケーションが2025年までに$3.1の兆分の価値を生み出すと予測しています。 そして、技術が成熟するにつれて、2035年には世界の国内総生産(GDP)の9.2%に相当する価値創造を予測しています。 下図に示すように、この大きな経済的影響は、主にこれらの技術を組み合わせて使用することで可能になる生産性の向上によってもたらされます。
図1：15年以内に、エッジコンピューティングはGDPに大きな影響を与えるでしょう。
エッジコンピューティングの重要性の高まり
過去10年以上にわたり、組織はIoTデバイスやセンサーからデータを収集したり、施設全体に導入されたカメラやマイクからの映像や音声の記録を収集してから、さらに分析やストレージを行うために一元化されたデータセンターやクラウドに転送してきました。
このアプローチには、IoTデバイスの数が増加し続けているため、複数の問題があります。 技術アナリスト企業の IDCは、2025年までに557億台のIoTデバイスが接続されると予測して います。 彼らは、これらのデバイスが生成するデータの73.1ゼタバイト(ZB)は、2019年の18.3 ZBから大幅に増加することに注目しています。 IDCは、この成長に伴い、組織は長期的なデータストレージ戦略を再考し、エッジでの分析/AIの機会を探す必要があると主張しています。
何千ものセンサーがある産業または製造企業を考えてみましょう。 センサーの数が増えるにつれて、これらのセンサーからクラウドに流れる膨大なデータを送信し、そこで分析を行い、結果を製造現場に送り返して、最終的にそのデータから得られた洞察に基づいて行動することは現実的ではありません。 このプロセスには、次のような複数の課題があります。
-
すべてのデータをクラウドに送信するには膨大な帯域幅が必要
-
すべてをクラウドに保存すると、クラウドストレージのコストが飛躍的に増加します。
-
特定の種類の機密情報をクラウドに移動すると、データが危険にさらされます。
これらの運用効率の問題は、CDNの一部として近くで稼働しているサーバーでも、パブリックネットワークまたはプライベートネットワークの5Gモバイルエッジコンピューティング(MEC)インフラストラクチャを介してオンプレミスで稼働しているサーバーでも、エッジコンピューティングによってすべて解決されるか、少なくとも大幅に最小限に抑えられます。
最後に、Edge AIの最も重要な側面の1つは、リアルタイムのユースケースに低レイテンシーを提供する機能です。 Edge AIは、処理能力をエンドデバイスの近くに配置することで、データの取り込み/取得、処理、最後に必要なアクションの間のラグを劇的に削減します。 コネクテッドカーや没入感の高いゲームやメディア体験から、よりインテリジェントでペースの速い製造環境まで、革新的なアプリケーションを実現するには、レイテンシーの削減が不可欠です。
また、Edge AIは、深海掘削リグ、調査船、空港など、信頼性の高いインターネット/Wi-Fi接続(またはまったく接続されていない)環境で、接続されたIoTデバイスとMLアプリケーションを使用することもできます。 危険なガスの存在などの環境条件を監視するインテリジェントなアプリケーションは、クラウド接続に依存している場合は役に立たないでしょう。
エッジAIアプリケーション
エッジAIは、幅広い業界やユースケースで多くの新しいアプリケーションのための技術的なプラットフォームになる可能性があります。 例えば、エッジAIは、より予測的な分析、自動化された工場フロア、再構成可能な生産ライン、最適化された物流など、製造セグメントでインダストリー4.0イニシアチブを広く実施することを可能にします。 メディアやエンターテインメントでは、Edge AIを使用してコンテンツをローカライズし、パーソナライズを強化できます。 エッジAIは、教育/公共部門、遠隔医療、または輸送自動化を次のレベルに引き上げることで、都市インフラストラクチャの全体的な改善を推進できます。 可能性は無限大です。
Edge AIプラットフォームの機能と汎用性を紹介するために、次のようなプロトタイプとデモを開発しました。
-
障害予測検出ソリューション
-
コンピュータビジョンを使用した小売業向けスマートシェルフシステム
-
ラボまたは製造施設用の見知らぬ人検知システム
-
品質保証のための自動光学検査システム
予測故障検出アプリケーションでは、センサーはモーターやその他の機器に取り付けられ、温度、振動、電流に関する信号をEdge AIプラットフォームに継続的に送信するように構成されています。 AIは、すべてのデータをクラウドに送信するのではなく、データをローカルで継続的に分析し、特定のモーターが故障しようとしている時期を予測します。 プラントまたは保守管理者は、異常や故障状態を正確に検出することで、生産停止を防ぐための是正措置を講じることができます。 また、データの保存と分析は工場内で行われるため、データセキュリティの向上とデータストレージと帯域幅のコストの削減に加えて、よりタイムリーなアラートを得ることができます。
図2. Edge AIによる予測障害分析は、予測できない障害や停止のリスクを最小限に抑えることができます。
自動小売在庫追跡システムの作業プロトタイプでは、自律的な棚スキャンロボットがEdge AIプラットフォーム上で実行されているMLモデルにカメラフィードを配信します。 このシステムは、オブジェクトを認識し、ダッシュボードに在庫の詳細を配信することができ、在庫状況に関するより頻繁で正確で包括的な洞察を提供するとともに、リアルタイムのステータス監視と低在庫のアラートを提供します。
図3. Edge AIを活用した自動小売在庫追跡は、トレンドを監視するためのインサイトを提供し、リアルタイムのアラートを配信します。
電子ロックやその他のセキュリティ対策にもかかわらず、無数に広がる製造施設やラボ環境の制限された領域への不正アクセスを防止することは困難な場合があります。 施設全体からのビデオフィードをEdge AIに組み込むことで、システムは顔認識を使用して見知らぬ人を検出し、セキュリティ担当者にリアルタイムの通知を提供できます。
図4. Edge AIは、コンピュータビジョンを使用して製造環境やラボ環境で見知らぬ人を識別することで、セキュリティを向上させます。
エッジAIとコンピュータービジョンのもう1つのユースケースは、製造ラインでの自動光学検査です。 この場合、組み立てられたコンポーネントは、自動視覚分析のために検査ステーションを経由して送られます。 Edge AIコンピュータービジョンモデルは、欠落している部品やアライメント不良などの欠陥を検出し、検査状況を示すリアルタイムダッシュボードに結果を提供します。 データはさらに分析するためにクラウドに戻されるため、MLモデルを継続的に改善して誤検出を減らすことができます。 このシステムは、欠陥識別の速度と精度を向上させることにより、製造歩留まりを改善し、プロセススループットを向上させます。
これらの例が示すように、AIとコンピューティングキャパシティをクラウドサービスと組み合わせてネットワークのエッジに直接統合することで、組織はますます高度で変革的なユースケースを市場に投入することができます。 完全に統合されたプラットフォームであるEdge AIは、これらのユースケースを実現するためのハードルを大幅に削減します。
次の3部構成のシリーズでは、Edge AIプラットフォームの要素について詳しく説明します。
