Top Trends in Cybersecurity for 2024 | 
エンタープライズコンピューティングの分野全体で、今後数年間で大きな影響を与えるのは間違いない。人工知能(AI)とエッジコンピューティングの2つのテクノロジー。 最近の調査では、経営幹部の95%が、日常業務にAIを組み込むことで利益が得られると考えていると答えている。 同様に、エッジコンピューティングに関する調査によると、54%の組織が現在エッジコンピューティングアーキテクチャを使用しているか、今後12か月で使用する予定である。 さらに30%が今後24か月間にエッジアーキテクチャを評価するつもりである。
これらの技術に対する強い、ほぼ普遍的な関心に基づいて、AIとエッジコンピューティングの組み合わせが組織に関心を持つことを示唆するのは確かにそれほど大きなことではない。 さらに、この組み合わせにより、他の方法では不可能だった新しいエキサイティングなアプリケーション領域が開かれる。 このブログでは２つの例を紹介する
主に、AIモデルとアプリケーションはクラウドでホストされ、トレーニングされる必要がある。これは、クラウドに内在するレイテンシーが問題にならない詳細な分析に適している。 しかし、リアルタイムでアクションを実行するためにAIベースのシステムを必要とするアプリケーションにとって、データセンターとの間でデータを移動する際の遅延は目立ったものとなる。この遅延は、数千マイル離れている可能性がある。
そこにエッジインテリジェンスが登場する。 エッジインテリジェンスは、処理をデータ生成のソースに近づけることで、レイテンシ、帯域幅、セキュリティなどの集中型コンピューティングのいくつかの制限に対処すると同時に、スケーラビリティや復元力などのクラウドのすべての利点を維持する。 エッジインテリジェンスモデルはまた、外部ネットワーク接続への依存を最小限に抑える。これは、定期的に接続の課題に直面する鉱山や油田のような遠隔地でのミッションクリティカルなアプリケーションにとって重要な考慮事項である。
完全に統合されたEdge AIプラットフォームを構築し、組織がこれらのテクノロジーを有意義な方法で効率的に採用して展開できるようにした。 製造業、小売業、医療、メディア、エンターテインメントなど、幅広いアプリケーション分野とユースケースに適している。 可能性はほぼ無限である。
多くの組織がすでにエッジコンピューティングイニシアチブを推進しているため、エッジAIアプリケーションの展開に必要なインフラストラクチャの多くはすでに導入されているか、まもなく導入される予定である。 エッジAIは、クラウドにとらわれない相互接続を備えたリアルタイムの実用的なデータおよび機械学習(ML)インサイトプラットフォームとして設計されているため、組織はディープデータサイエンスとAIの専門知識を必要とせずに、今日プラットフォームを活用できます。 また、次の2つのユースケースが示すように、Edge AIをベースとしたソリューションは導入、管理、運用が容易である。
AIによる顔認証
監視カメラやIDカード、製造工場などのアクセス制御メカニズムでさえ、これらのデータにリアルタイムで対応し、権限のないユーザーがポリシーに違反して制限された場所にアクセスすることを防止しようと努力している。 許可されていない訪問者や従業員でさえ、許可された従業員を「テイルゲーティング」(侵入する権限を持つ人を密接にフォローすることによって、安全な領域に不正に侵入する)、または施設に彼らが許可されるべき理由の言い訳をすることによってアクセスを得ることはあまりにも簡単すぎる。
外部からの訪問者以外にも、一部の製造施設では、セキュリティや品質管理の理由で、店の他の部分からの従業員がアクセスできるエリアについて厳格なポリシーが設けられている。 施設を監視するセキュリティ担当者にとっては、どの従業員がどの場所にいることが許可されているかを確実に知ることは困難である。 このように、常に注意を払う必要がある適切な解決策がない状況は、Edge AIプラットフォームをベースにした顔認識ソリューションに最適である。
顔認識システムの実装は比較的簡単なプロセスである。 まず、施設周辺にIPベースのカメラのネットワークを設置する。 たとえば、作業現場内の制限された領域では、カメラがカメラから見える範囲をソフトリミットで設定する。 誰かがそのソフトリミットの外にいるとき、カメラはそれらを無視する。 システムは、保護区域に入る人を検知し、その人がそこにいることを許可されているかどうかをリアルタイムで判断する。 これにより、大規模な物理ワークスペースを複数の論理ワークゾーンに分割し、正確に監視することができる。
最近の調査では、経営幹部の95%が、日常業務にAIを組み込むことで利益が得られると考えていると答えている。
顔認識システムの管理と運用には、採用を妨げる可能性のある特別なスキルや広範なトレーニングは必要ない。 従業員の顔や写真は通常人事システムにあり、アクセスルールやポリシーとともに顔認識システムに簡単にインポートできる。 一時的な認証は標準的なセキュリティプロトコルの一部として扱われ、必要に応じてシステム内で直接デバイスを管理、再配置、または交換することができる。
クラウドのみの選択肢と比較して、エッジベースのソリューションは、個人情報を許可なくクラウドに送信することに関連する潜在的な責任や法的課題から組織を保護する。 取得したデータがキャンパス外に流出しないようにシステムを設定することで、このような課題を回避できる。
エッジベースの顔認識のもう一つの利点は、リアルタイム推論である。 不正利用者が検出された場合に即座に対応可能。 これはほぼリアルタイムではなく、わずか数ミリ秒のレイテンシでリアルタイムで発生する。 侵入者は即座に検知され、権限のないユーザーのヘッドショットを含むMultimedia Messaging Service(MMS)を介してセキュリティ担当者に遅滞なくアラートが送信され、セキュリティチームは適切な措置を講じることができる。
要約すると、エッジコンピューティングモデルに基づく顔認識システムの利点は次のとおりである。
-
複数の保護エリアを持つ大規模な作業現場を正確に監視
-
デバイスの管理と設定が容易
-
顔情報をクラウドに送信することで法的責任を負う可能性があるから、スマートに保護
-
不正な訪問者が検出された場合の真のリアルタイムアラート
光学検査がエッジを満たす
Edge AIに適したもう1つのユースケースは、製造プロセス全体を通じてさまざまな部品やアセンブリの自動光学検査である。 従来のビジョンシステムは、電子システムから医薬品に至るまで、品質管理検査および検証に長い間使用されてきた。
従来の視覚システムは欠陥やその他のQA問題を正確に特定できるが、部品やアセンブリを検査するために機械学習やAIではなくルールセットに依存している。 これにより、特定のユースケースとコンポーネントに限定され、さまざまな製品タイプにソリューションを拡張する機能が制限される。 サードパーティの技術者は新しいモデルや製品に対応するようにそれらを再プログラムしなければならず、カメラとロボットアームは変動を最小限に抑えるために正確に位置を変更しなければならない。 また、クラウド統合やデータキャプチャ機能がなければ、従来のシステムではデータをキャプチャしてプロセスを最適化することはできない。 これらすべてが大幅にコストを増加させ、製造業者が変化する市場の需要にタイムリーに対応する能力を低下させる。
エッジAIをベースとしたシステムは、これらの課題を克服し、今日私たちが知っているような自動光学検査を変革する可能性を提供する。 最新のAIおよびMLベースのソリューションを使用することで、メーカーは製品範囲全体にわたって新しい検査プロファイルを迅速かつ簡単に設定し、その場で修正や改良を実装できる。
直感的なWebベースのユーザーインターフェースを備えたインテリジェントな光学検査システムにより、IT部門や製造チームのメンバーは、検査に必要な画像をインポートして取得し、ワンクリックでトレーニングルーチンを開始できる。
さらに、AIがデータを収集するにつれて、検査の質が向上し、カメラの動きや位置の変化による照明や視野の変化にも耐えることができる。 この適応性は、検査カメラを設定するときにも役立ち、カメラ配置レンズタイプは視野を決定し、さまざまな製品寸法に合わせて調整することができる。
AIベースのシステムは、組み立てられた部品を人間のように検査し、許容される偏差をより高い一貫性ではるかに速いペースで理解することができる。 ニューラルネットワークが猫と犬を区別できるのと同様に、AIに基づくシステムは、特定の物体が許容できるか、部品が欠けているか、何らかの物理的損傷があるかを認識することができる。 内蔵の光学文字認識(OCR)により、AIはバーコードやシリアル番号をスキャンすることもできる。
AIとMLシステムは、特にモデルのトレーニングにかなりの処理能力とストレージを必要とする。 そのため、このようなシステムは通常クラウド環境でホストされる。 他の多くの類似したクラウドベースアプリケーションと同様に、課題はクラウドとの間で画像やデータの送信に伴う遅延である。つまり、エンドアプリケーションは速度が遅すぎて、ペースの速い製造環境では大きな価値を持つことができない。 カメラからの大量のデータストリーミングは、クラウドストレージと帯域幅の要件を大幅に増加させる。
一方、Edge AIアプリケーションでは、クラウドからプルされたトレーニング済みモデルを使用してエッジ上でリアルタイムに処理と推論が行われ、ストリーミングコンテンツのほとんどがローカルに保存される。 これらのエッジ機能はクラウドと完全に統合されており、CPU負荷の高いモデルトレーニングやライフサイクル管理など、ITに適したワークロードに使用されている。 新しい検査プロファイルが作成されるたびに、プロファイルに関連付けられた画像が自動的にクラウドにアップロードされ、モデルはそれらの画像を使用してクラウドでトレーニングされる。 トレーニングが完了すると、トレーニングされたモデルは自動的にエッジに展開して検査を開始する。 1つの検査プロファイルで複数のトレーニング済みモデルを使用できる。
要約すると、Edge AIプラットフォームに基づく自動光学検査ソリューションの利点は次のとおりである。
-
新しい検査プロファイルを設定するための使いやすいWebベースのインターフェイス–データサイエンスやAIの専門知識は不要
-
クラウドでの迅速なモデルトレーニングにより、時間を無駄にしたり品質を犠牲にしたりすることなく、部品やプロセスを柔軟に変更できる
-
照明やカメラアングルの変更に迅速に対応
-
完全に組み立てられた部品の不足または損傷の迅速な検査
-
詳細な分析のための膨大なデータ収集と、プロセスの強化と改良を可能にする
これらのユースケースが示すように、今日のエンタープライズコンピューティングにおける2つの最もホットなトレンドの組み合わせは、ミリ秒の応答時間とともにクラウドの処理能力とストレージ能力の両方を必要とするさまざまな新しいアプリケーションを開く。
弊社のEdge AIインテリジェンスプラットフォームが貴社の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。
