IoTの進化を追ってきた方なら、この革命の初期には、ユーザーが生成したデータはローカルではなく、遠く離れたデータセンターで処理されていたことをご存知でしょう。しかし、すぐに、このアプローチは効率的ではないことが明らかになりました。データが生成された場所からデータセンターへの往復には時間がかかり、コストもかかり、通信リソースも消費してしまうからです。
「スマートサーモスタットの遅延は、数ミリ秒程度で気にならないでしょう」と、NXPのエッジプロセッシング担当シニアバイスプレジデント兼ゼネラルマネージャー、ロン・マルティーノ氏は語る。「しかし、産業用ロボットや多くのリアルタイムシステムにとっては、安全上の問題と生産性の高い組立ラインの差となり得ます。コネクテッドカーにとっては、生死に関わる問題となり得ます。」
これらの問題は、機械学習アルゴリズムがデータをローカルで処理すれば解決できます。ただし、十分な処理性能を、比較的小規模なデータサイズで、妥当なコストで提供できると仮定した場合です。しかし、複雑なエッジ処理が最初に考案された当時は、コスト効率は優先事項ではありませんでした。そのため、ハイエンドのゲートウェイとクラウドコンピューターが解決策となりました。
しかし、その後間もなく、マイクロプロセッサベースのSoCは、性能、機能、そしてコスト削減において飛躍的な進歩を遂げました。一般的にコモディティとみなされていたマイクロコントローラですが、特定のタスクに特化した複数のプロセッサを搭載し、高い処理能力、複数の無線プロトコル、高度な電源管理機能など、数々の優れた機能を備えるようになりました。
今日、AIは複数のセンサーから集約されたデータに基づいて意思決定を行うのに十分なパワーを備えています。かつてはクラウドが独占していた分析を実行し、実質的に遅延なくマシンにコマンドを送信し、情報の概要（はるかに少量）のみをクラウドに転送します。ほぼゼロの遅延に加えて、通信コストとクラウドベースの処理コスト、エネルギー消費を削減し、ユーザーの所在地で機密情報を安全に保管します。例えば、インテリジェントなドアロックは、顔を認識すると「あなただと認識」するためドアのロックを解除できます。また、画像データをローカルに保存・処理することで、応答速度の向上とプライバシーの強化を実現します。
エッジコンピューティングの導入が拡大する今、次のステップは、さらなるインテリジェンスを追加し、「認識」レベルを実現することです。もしこれが空想的に思えるなら、マイクロプロセッサベースの小型システムがトレーニングを終えれば、外部からの支援なしに機械学習を実行し、意思決定を行えるようになることを考えてみてください。しかも、消費電力は最小限で、設置面積は切手ほどです。これらのシステムにセンサーを追加すれば、データ生成と意思決定を行う強力なシステムになります。
「このアウェアエッジは、アウェアデバイス同士が連携し、環境についてより深く理解し、より深い洞察に基づいて行動できるため、はるかにインテリジェントで、非常に複雑な問題を解決できます」とマルティーノ氏は述べています。「インテリジェントデバイスとアウェアデバイスの違いは、例えば前者は音声のみを処理し、その指示に従うのに対し、協調ネットワーク内のアウェアデバイスは、声のトーン、表情、身振りといったニュアンスも組み合わせることができる点です。」
Aware Edgeでは、複数のスマートホームセンサーからのデータを活用して、誰かが転倒したなどの危険信号を検知し、他のユーザーにアラートを送信できます。また、クラウドへのデータ送信が必要な場合は、インテリジェントエッジプロセッサが、ユーザーの音声プロファイルや認証済みのユーザーの音声プロファイルなどの情報とともに、データを匿名化します。
「動きを感知して記録するホームセキュリティカメラから、顔をスキャンして家族を認識し、不審な行動を当局に通報するアウェアネスカメラへと進化しました。さらに、家の中に人がいないことを検知して自動的にセキュリティシステムを作動させる、在室検知機能も搭載されています」とマルティーノ氏は語る。
「一般的な防犯カメラは、自宅の私道に車泥棒が侵入する様子を捉えるかもしれませんが、数時間後にそれを確認するとなると、それほど役に立ちません」と彼は続けます。「午前2時33分から午前2時45分までのタイムスタンプに事件の記録が残っていても、実際には盗難の様子を記録しているだけで、意味のある判断はされていません。もし、認識情報と状況情報を追加できれば、システムは、その時間帯にそこにいるはずのない人物を認識でき、その時点で所有者にアラートを送信できるようになります。」
占有状況を認識する建物では、カメラやその他のセンサーからのデータを処理して温度や照明を制御し、エネルギー効率を最適化できます。
予測メンテナンスでは、複数のセンサーからのデータを収集して異常を分析し、システム障害が発生する前にユーザーに警告することができます。
車両運行において、スマートウェアラブルモニターはドライバーの疲労を感知し、警告音を鳴らすことができます。ドライバーが反応しない場合は、会社に連絡することも可能です。機械学習を活用することで、ドライバーが疲労しやすい場所と時間を予測し、安全性と生産性の向上に貢献します。
さらに、Aware Edge を使用すると、空港全体のビジョン システムは放置された手荷物を検出できるだけでなく、最後に記録された手荷物の所有者の検出検索を空港全体で自動的に開始できます。
混雑した都市部では、物体検出システムによって車両を分類し、エリア全体の交通を調整して交通の流れを良くすることができます。
これらは、エッジコンピューティングで実行できる機能のほんの一部に過ぎません。これらはすべて、エッジコンピュータのほんの一部に過ぎない、小型で低消費電力のデバイスで実行できます。今後、センサーフュージョンはさらに進歩し、複数のセンサーが使用されるほぼすべてのアプリケーションの精度を向上させるでしょう。
このようなソリューションを実用化するためには、エネルギー効率が極めて重要な、バッテリー駆動のセンサーが多数設置された環境で動作させる必要があります。つまり、動作環境がソリューションに適応するのではなく、ソリューションが動作環境に適応する必要があるのです。
この問題に対処するため、NXPはEnergy Flexデバイスアーキテクチャを導入しました。このアーキテクチャにより、NXPのEdgeVerseプロセッサなどのデバイス内のセクションへの電力を、必要に応じてオン/オフにすることができます。電力を必要とするデバイスのアクティブな部分にのみ電力が供給されます。そのため、デバイスの大部分はディープスリープ（低電力）状態を維持しながら、周囲の環境への注意を維持することができます。NXPは、リーク源をシャットダウンするための完全空乏型シリコンオンインシュレータ（SOI）などの技術への投資、動的ファームウェアベースの制御システムによるアクティブ電力の削減をより細かく制御するためのアーキテクチャ強化、そして単一プロセッサ内での異種コンピューティングオプションの拡張など、単純な電力ドメインと従来の動的制御をはるかに超える技術を導入しています。
将来 …
データセンターからエッジへの処理と分析の移行はごく最近のことですが、瞬く間に大きな進歩を遂げています。かつてはセンサーに接続された小型デバイスでは不可能と思われていた分析が、今では可能になるだけでなく、顔認識や音声認識から物体検出に至るまで、様々なアプリケーションで実装されています。今後数年のうちに、低価格のホームオートメーションや監視システムにおいても、エッジコンピューティングへの移行は当たり前のものとなるでしょう。これは、かつては低機能だったマイクロコントローラーの進化によって実現され、エッジを変革し、スマートビルディングやスマートシティ、そしてその先へとその範囲を拡大してきたおかげです。
