Top Trends in Cybersecurity for 2024 | 
新しい技術や新興技術が広く受け入れられるようにするには、新しいビジネス効率を引き出し、消費者に価値をもたらす能力が必要である。 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る。 これらの技術は、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、それを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ゲームを変える洞察を引き出すのに役立つ。
2014年、Verizon Mediaでビッグデータと人工知能の旅を開始。 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洞察を提供して、配信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た。 次に、ワイヤレス使用データを使用して顧客の行動に関する洞察を得るために、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た。
多くの点で、これらの技術的進歩はすでに産業界に革命を起こしており、私たちはこれからの長くエキサイティングな道の始まりに過ぎない。 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、最も強力で価値を生み出すアプリケーションの多くが実装されていない。 AIでは、数日、数分、数秒で回答が返ってくることは許されない。 多くのアプリケーションでは、知性を瞬時に、ミリ秒以内に適用する必要がある。
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の近く、つまりネットワークのエッジに移動させることである。 Verizonは、大規模なネットワーク容量と、地球上のほぼすべてのインターネットユーザーからわずか10〜25ミリ秒のレイテンシを提供するCDNを備えたエッジコンピューティングの業界リーダーである。 当社の5Gネットワークは、<さらに少ないレイテンシを必要とするワークロードに10ミリ秒のレイテンシを提供する。 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く。 エッジにインテリジェンスを配置することで、画期的なAIアプリケーションはほぼリアルタイムで機能できるようになった。
Verizonのグローバルエッジコンピューティング機能とAIのノウハウを融合し、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・構築し、その上に特定の垂直アプリケーションを開発している。 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初めてのものである。
AIアプリケーションをエッジに移行することで、価値を高める機会は膨大である。 これは、堅牢なEdge AIソリューションを市場に投入する能力を持つネットワークプロバイダーおよびソリューションプロバイダーにとって大きな機会となる。 多くの点で、当社のサービス提供の完璧な合流点であり、既存の強みに基づいて構築し、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で拡張可能で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を可能にする。
ABI Researchは、「5GとAI: The Foundation for the Next Societal and Business Leap」と題した最近のレポートで、エッジコンピューティングとAIを組み合わせて提供される低レイテンシは「私たちの生活と仕事の方法を変える可能性が高い」と予測している。 報告書はさらに、これらの技術は「既存の技術では不可能な、消費者および企業セグメントにおける様々な新しいビジネスチャンスへの道を開く」と述べている。 ABIリサーチは、エッジに展開されているAIおよびMLアプリケーションは、2025年までに$3.1兆価値を生み出すと見積もっている。 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る。 下図に示すように、これらの技術を組み合わせて使用することで可能となる生産性の向上によって、この大きな経済効果がもたらされる。
図1:エッジコンピューティングは、15年以内にGDPに大きな影響を与える。
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、施設全体に配置されたカメラやマイクから視覚・音声の記録を収集してから、集中型のデータセンターやクラウドに転送し、さらなる分析と保管を行ってきた。
IoTデバイスの数が増え続ける中で、このアプローチには複数の問題がある。 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る。 彼らは、これらのデバイスが生成するデータは73.1ゼタバイト(ZB)で、2019年の18.3ゼタバイトから大幅に増加すると述べている。 IDCは、この成長には、企業が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る。
何千ものセンサーを持っている産業または製造企業を考えてみよう。 センサーの数が増えるにつれ、これらのセンサーから流れる大量のデータをクラウドに送信し、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の洞察に基づいて行動するのは現実的ではない。 このプロセスには、次のような複数の課題がある。
-
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する
-
特定の種類の機密情報をクラウドに移動すると、そのデータが危険にさらされる
これらの運用効率の問題は、CDNの一部として近くで実行されているサーバーであろうと、パブリッ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あろうと、エッジコンピューティングを通じてすべて解決されるか、少なくとも大幅に最小化される。
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を提供する能力である。 エッジAIは、処理機能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、および最後に必要なアクションの間のラグを劇的に削減する。 コネクテッドカー、より臨場感のある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ためには、レイテンシーの削減が不可欠である。
エッジAIはまた、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)が与えられない環境で、コネクテッドIoTデバイスとMLアプリケーションを使用することを可能にする。 有害ガスの存在などの環境条件を監視するための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。
Edge AIアプリケーション
エッジAIは、幅広い産業やユースケースにわたって、多くの新しいアプリケーションのための技術プラットフォームになる可能性がある。 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、製造セグメントにおけるインダストリー4.0イニシアチブの広範な実装を可能にする。 メディアとエンターテインメントは、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る。 エッジAIは、教育/公共部門でのより高度なアプリケーションや遠隔医療を可能にしたり、交通機関の自動化を次のレベルに引き上げることで、都市インフラの全面的な改善を推進することができる。 可能性はほぼ無限である。
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、次のようないくつかのプロトタイプとデモを開発した。
-
予測障害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向けの見知らぬ人検出システム
-
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、電流の信号をEdge AIプラットフォームに継続的にストリーミングするように構成されている。 AIは、すべてのデータをクラウドに送るのではなく、データを継続的にローカルで分析し、特定のモーターが故障しようとしているときを予測する。 プラントまたはメンテナンス監督者は、異常や故障状態を正確に検出することで、生産停止を防止する是正措置を講じることができる。 また、データの保存と分析は工場内で行われるため、組織はよりタイムリーなアラートを取得し、データセキュリティの向上、データストレージと帯域幅のコストの削減を実現できる。
図2。 Edge AIによる予測的な障害分析により、予期しない障害や停止のリスクを最小限に抑えることができる。
自動化された小売在庫追跡システムのプロトタイプでは、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動作するMLモデルにカメラフィードを配信する。 システムは、オブジェクトを認識し、在庫の詳細をダッシュボードに配信することができ、在庫ステータスに関するより頻繁で正確かつ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在庫不足の警告を提供する。
図3。 Edge AIを活用した自動小売在庫追跡により、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提供。
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、広大な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ぐことは困難である。 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で通知することができる。
図4。 エッジ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る。
エッジAIとコンピュータビジョンのもう1つのユースケースは、製造ラインでの自動光学検査である。 この場合、組み立てられた部品は検査ステーションを介して送られ、自動目視分析が行われる。 Edge AIのコンピュータービジョンモデルは、欠品や位置ずれ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表示する。 データはさらなる分析のためにクラウドに戻ってくることができるので、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る。 このシステムは,欠陥同定の速度と精度を向上させることにより,製造歩留まりを向上させ,プロセススループットを向上させる。
これらの例が示すように、AIとコンピューティング能力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化し、変革的なユースケースを市場に投入できる。 完全に統合されたプラットフォームとして、Edge AIはこれらのユースケースを実現するハードルを大幅に削減する。
次回は、Edge AIプラットフォームの要素について、3部構成のシリーズで詳しく説明する。
弊社のEdge AIプラットフォームがアプリケーションにどのようなメリットをもたらすかについては、弊社までお問い合わせください。
