セキュリティと低レイテンシが強み

機械学習をクラウドではなく「モバイルデバイス」で実行すべき理由

モバイルデバイスのローカルリソースを使った機械学習が、現実的な手段となりつつある。クラウドの機械学習サービスが充実する今、あえてモバイルデバイスでの機械学習を選ぶ意味とは。

公開 2018年06月28日 05時00分

更新 2018年06月27日 05時34分

著者

Jack Gold

[TechTarget]

印刷する

　モバイルデバイスのローカルリソースを使って、機械学習の処理を実行すること（以下、モバイル機械学習）がIT部門の選択肢となり始めている。IT部門は、どこで、どのように機械学習の処理を実行すべきかを理解しなければならない。

　機械学習をはじめとする人工知能（AI）技術には、企業におけるさまざまなユースケースがある。例えば画像内の特定要素を識別できる画像認識は、セキュリティシステムに加え、プロセスオートメーションや被写体識別にも役立つ。

　IT担当者や従業員は音声認識エンジンをトレーニングして、特定の単語やフレーズを認識し、アクションを起こすように進化させることができる。従業員がジェスチャーで多様なシステムを制御し、ハンズフリーで操作できるようにすることも可能だ。防護服を着用する必要があり、タッチスクリーンを操作できない場合がある従業員にとって、こうした仕組みは便利だろう。

併せて読みたいお薦め記事

「AI」関連の製品／サービスを比較

「AI」関連の導入事例

機械学習をどこで実行するか

　AIエンジンというと、クラウドをはじめとする大規模なコンピューティング環境で動作する、計算集約型のプログラムという印象が強いだろう。現在はモバイルデバイス内で動作する機械学習エンジンも、大量のデータを直接処理できるようになっている。QualcommとArmは最近、モバイル機械学習の実用性を高めるプロセッサのラインアップを増やしている。

　最近のモバイルデバイスに搭載されるプロセッサは、機械学習の処理を実行できるほど強力になっている。ハイエンドなモバイルデバイスでは特にそうだ。「Google Cloud Platform」「Amazon Web Services」（AWS）、「Microsoft Azure」といった大規模クラウドを使って、膨大なデータ処理によって問題解決をするメリットは、依然としてある。だがモバイル機械学習にも大きなメリットがある。

　モバイルデバイスが非力だからといって、デバイス内ではなくクラウドで機械学習の処理を実行するとなると、問題に直面することになる。全ての処理をクラウドで実行するには、モバイルデバイスとクラウドとの間で、大量のデータを送受信する必要があるからだ。比較的高速なネットワークでも、その負荷は大きく、コストも高くつく。データがクラウドに送信され、処理されて返されることから、レイテンシ（遅延）の問題も発生する。

　データをモバイルデバイス内で処理すれば、多数の攻撃者の目にさらされるクラウドにデータを送るよりも、プライバシーやセキュリティの侵害を受けにくい。今日ではプライバシーやセキュリティの規制が厳しくなっているだけに、これはモバイル機械学習の大きなメリットになる。

モバイル機械学習技術をどう選ぶか

　IT部門が機械学習のモバイル戦略を策定する際は、モバイルデバイス、ローカルサーバ、クラウドの全インフラにわたって透過的に使えるツールを選ぶことが重要だ。例えば人気のあるオープンソースの機械学習ライブラリ「TensorFlow」は、軽量版の「TensorFlow Lite」を用意。クラウドやデータセンターの大規模ハードウェアから、Androidなどの小規模システムまで、多様な動作環境を選択できる。

　TensorFlowと同様の機能は、「Caffe」など他の機械学習ライブラリに加え、「Azure Machine Learning」「Salesforce Einstein」「Amazon SageMaker」「IBM Watson」といったクラウドベンダーの独自製品／サービスでも利用できる。もともとこれらのベンダーと取引があれば、より魅力的な選択肢になるだろう。

　モバイル機械学習はクラウドと併用されることが多い。その場合は機械学習データのホストやモバイルデバイスとの直接接続ができる、適切なクラウドを選ぶことも重要だ。主要クラウドベンダーのほとんどは、さまざまなタイプのデバイスを対象にしたAI製品／サービスを提供している。

印刷する