中小企業がAIで勝つために

エッジデバイスでの機械学習はデータサイエンティスト不足を解消するか

データサイエンティストは数が少なく高給であることから、企業での雇用が難しくなっている。だが、エッジデバイスのインテリジェンスが大きく向上すれば、データサイエンティストを必要としなくなるかもしれない。

公開 2019年07月03日 05時00分

更新 2019年07月03日 10時32分

著者

Kassidy Kelley

[TechTarget]

印刷する

《クリックで拡大》

　データサイエンティストを採用できる大手企業であれば、機械学習などの人工知能（AI）技術に対する現状のアプローチは非常に優れている。だが、中小企業は一般的に、高給のデータサイエンティストを採用する予算を確保できない。そうした企業がAI技術の潜在能力を取り入れる上で一つの解決策になりそうなのが、エッジデバイスでの機械学習だ。

併せて読みたいお薦め記事

エッジデバイス×機械学習

エッジコンピューティングをおさらい

　Intelで人工知能製品グループのバイスプレジデントとアークテクチャの統括マネジャーを兼任するガディ・シンガー氏は、米ニューヨークで開催されたAI関連イベント「O'Reilly Artificial Intelligence Conference」でインタビューに応じ、「大半の企業では、AIシステムを統合管理するのに必要なデータサイエンティストの数は1人か2人だ」と話した。

　労働市場は、高いスキルを備えたデータサイエンティストを全ての企業に供給できるのだろうか。NetflixやMicrosoftのような大手IT企業であれば、そうした人材を賄う十分な資金がある。だが、専門家によれば、予算を確保できない中小企業が自社に必要な人材を見つけられるとは考えられないという。

　インテリジェントデバイス企業SWIM.AI（Swim）で最高技術責任者（CTO）を務めるサイモン・クロスビー氏によれば、AIシステム導入の監督や管理をできるほど高いスキルを備えた人材を、全ての企業が確保できる状況は期待できないという。一つの解決策は、インテリジェンスを持ったエッジデバイスを開発し、自動的に機械学習させ、調整させることだ。

　「エッジデバイスがそれ自体に含まれるデータを処理し、そのデバイスを取り巻く世界についての理論を定式化する。そうすれば、物事は良い方向に向かう」とクロスビー氏は話す。

　Swimは交通信号機など実世界の事物について、その事物が将来どのように動作するかを示す理論をデジタル的に定式化し、その理論を立証または反証して調整することが可能だと考えている。

エッジベースの機械学習の仕組み

　カンファレンスに出席した専門家によると、エッジベースの機械学習は、AIシステムが企業にとってさらに役立つものになる上で重要な役割を担う可能性があるという。エッジデバイスで機械学習すれば、データをクラウドにアップロードしてアルゴリズムで分析する必要がなくなる。その結果、理論上はエラーの数を減らすことができる。AIシステム開発で起きる問題の大半は、不十分なトレーニングデータや典型的ではないモデルに原因があるとクロスビー氏は話す。エッジでの機械学習なら、そうはならない。

　「エッジベースの機械学習に関して興味深い点の一つは、適合性の過剰や不足の概念がそのまま当てはまらないことだ」とクロスビー氏は説明する。エッジデバイスは、デバイス独自の動作を理解して予測する手段を備えるだけだ。デバイス固有の状況が原因でバイアスが生じることはあっても、それは個別の問題にすぎない。「バイアスが体系付けられることはない。つまり、バイアスがシステム全体に広がることはない」と同氏は言う。

　インテリジェンスを備えたエッジデバイスが増え始めると、AIシステムにおけるバイアスの作用を考える重要性が高まる。カーネギーメロン大学のロボット工学部長を務めるマーシャル・ハーバート氏は、この種のシステムを第2形態のAIと呼んでいる。第2形態では、収集したデータをモデルに機械学習させるのではなく、モデル自体がデータを収集しながらトレーニングするのだ。

　第1形態のAIは深層学習などの機械学習を中核要素とするシステムで、Netflixのレコメンデーションエンジンのようなものだ。これに対して第2形態のAIは、応答速度は速いものの、物理的な損傷を引き起こしかねない、つまり障害によってデバイスの寿命を損ねるリスクをはらんだアルゴリズムを利用する。