「未来を予言するのは詐欺師と愚か者だけだ。- 頭のいい人だろう
テクノロジーやAIのような非常にダイナミックな分野では特にそうだ。そのことを念頭に置きながら、2023年のエッジAIについていくつかの予測を立てながら、馬鹿を作らないように努めますので、お手柔らかにお願いします。次回の記事で述べる予測に入る前に、この業界が現在どのような状況にあるのかを見ておくことで、文脈をつかむのに役立つだろう。
エッジAIの現状
エッジAIを有用性と価値の新たなレベルへと押し上げる追い風については、これまでにも何度か書いてきたが、以下に改めて触れておこう。 それでも、逆風が吹いていることも理解しておく必要がある。 潜在的な脅威と機会が組み合わさることで、エッジAIは混乱した非直線的な状態に置かれ、ある分野では多くの進歩が見られるが、他の分野ではあまり見られない。
追い風
エッジAIのイノベーションを促進する3つの主要なトレンド、すなわちAI研究の新たな焦点、コミュニティ・エンゲージメント、技術的ブレークスルーから始めよう。AIの約30万件の研究論文の大部分は、従来、非常に大規模なモデルの訓練と最適化を中心とした主流AIのイノベーションに焦点を当ててきた。近年、一握りの研究者が「小さいことは美しい」ことに気づき、エッジのIoT電子機器上で動作する人工知能を促進するモデル効率のブレークスルーにつながった。同時に、AmbiqのSPOT®プラットフォームのような技術的なブレークスルーにより、新興企業や開発者は、実用的なエッジユースケースのための新しいアプリケーションを発見することができるようになった。このような最近の発展により、消費者が当たり前のように使い始めたインテリジェンスを備えた、本当に素晴らしい製品が生み出されるようになった。私の腕時計は私がエリプティカルに乗っていることを知っている」が「すごい！」から「もちろん、そうだ」になったスピードは印象的です。
逆風
しかし、すべてが虹とユニコーンというわけではない。エッジAIには、メモリの制約、センサーの種類の少なさ、データセットの利用可能性など、立ち向かわなければならない逆風もある。メモリから順に見ていこう。
メモリー
エッジAIは組込み機器上で実行され、電力と計算の革新は急速に進んでいるが、メモリは直線的に向上している（これは一般的な傾向であり、組込み機器に限ったことではない。 例えば、有名なAIアプリケーションであるChatGPTやMidjourneyはギガバイトのメモリを必要とし、これはエッジ・デバイスで利用可能な数千倍にもなる。 エッジAIの分野では、これを軽減する方法がいくつかあります。精度を少し犠牲にしたり、モデルの精巧さを落としたりすることができます（例えば、フィットネス活動の種類を減らすなど）。
データ集合
データセットが利用可能かどうかも制約のひとつだ。 AIはモデルを訓練するための（たくさんの）データに依存している。 小さなデータセットと大きなデータセットでは、あなたがいつ腹筋をしているかを "なんとなく "検知できるアクティビティ・トラッカーと、あらゆる体型のあらゆるフィットネス・レベルのあらゆるスタイルの腹筋を検知できるアクティビティ・トラッカーの違いが出てくる。データセットの作成には手間がかかり、コストもかかる。また、公開データセットは、特に組込み分野では稀である。 例えば、「腹筋」のデータセットでは、何百人もの人がデータキャプチャデバイスを装着しながら何千回も腹筋をする必要がある。 過去10年間、業界は、音声、オーディオ、画像などの限られた、しかし人気のあるドメインで、（例えば、機械翻訳AIのトレーニング教材としてパブリックドメインの本を使用することにより）一握りのパブリックデータセットをつなぎ合わせてきた。 このアプローチは、エッジAIに特化したデータではまだ広く行われていない。 エッジAIの期待の多くが、プライバシーに敏感な医療やフィットネス・トラッキングのアプリケーションであるという事実は、データ収集をより困難なものにしている。
最後に、エッジAIは 物理的な世界と密接に相互作用するため、「主流」のAIとは大きく異なる。 一般的なAIが主にテキストや画像、音声を扱うのに対し、エッジAIは現実世界に埋め込まれ、以下のような方法でそれを感知する。 ジャイロスコープ、加速度計、カメラ、マイクロフォン、バイオセンサー。 画像は画像だが、加速度センサーはたくさんあり、同じものを測定していてもすべて微妙に異なる）。同時に、エッジAIがエッジセンサーに依存するということは、現時点でAIにできることは限られているということだ。加速度センサーからAIが推測できることは限られているが、可能性を使い果たしたとは言い難い。 新しいセンサーが導入されつつあるが、これらは先に述べたデータセットの問題に真っ向からぶつかり、AIによる採用が遅れるだろう。
トレードオフの練習
エッジ製品にAI機能を追加することは、トレードオフの練習になる。AIはリソース集約型であることで有名で、膨大なCPUサイクル、メモリ、電力を消費する。 Ambiqでは、エネルギー効率にこだわっており、このこだわりにより、CPUベースの推論ベンチマークの結果では、電力効率で業界を大きくリードしています。 あらゆるエッジ・デバイスのAI要件に対して、精度、パフォーマンス、消費電力のバランスをとりながら、最適な結果を提供するために、ハードウェアとソフトウェアを意図的に連動するように構築しています。
Ambiqは、超低消費電力イノベーションを推進することで、世界的に最も注目される人工知能（AI）テクノロジー企業の1つに成長した。 2022年7月、Ambiqは以下を発表した。 neuralSPOTを立ち上げ、バッテリーの電力制約の中で電子機器の人工知能を実現する。 これまでは消費電力の問題で不可能だったIoTエッジデバイスは、音声認識、アクティビティ検出、リアルタイム分析など、高性能なAI機能を実現できるようになった。
neuralSPOTには、最新のApollo4 Plusや Blue PlusSoCなど、AmbiqのプラットフォームにAIモデルを搭載するために必要なすべてが含まれている。SDKは、センサーと通信するためのライブラリ、SoC周辺機器の管理、電力とメモリーの制御設定、ノートパソコンやPCからAIモデルを簡単にデバッグするためのツール、そしてすべてを結びつけるサンプルで構成されています。
モデルはAIの心臓部であるため、実用的なエッジAIを実現するために、Ambiqは以下のモデルも作成しました。 モデルズーオープンソースのエッジAIモデル集で、モデルをゼロから開発するために必要なすべてのツールがパッケージ化されています。 センサーとの通信、SoCペリフェラルの管理、電源やメモリー構成の制御、ラップトップやPCからモデルを簡単にデバッグするためのツール、そしてすべてを結びつけるサンプルなどのライブラリーがある。 neuralSPOTには、オーディオ、i2c、USBペリフェラル、電源管理、およびプロセス間通信やメモリ管理などの多数のヘルパー機能用のAmbiq固有の組み込みライブラリが含まれています。 データの専門家、AIの専門家、アプリケーションの専門家など、さまざまな役割を担うAI開発者に、シンプルかつエレガントなツールが初めて力を与えることができる。 詳細については、Ambiq AI - Ambiq Supercharging edge AIをご覧ください。
