FEビジネスインダストリ · 民生機器

エッジAI

Edge AI

えっじえーあい

クラウドに送らず、機器そのものやその近くでAIの推論を行う方式。通信の遅延がなく、データを外に出さないためプライバシーも守りやすい。処理能力と消費電力の制約が設計上の課題となる。

共有:

他の資格での定義

クラウドに送らず、端末や現場の機器側でAIの推論処理を実行する方式。通信の遅延がなく応答が速い、通信量を抑えられる、映像などの生データを外部に出さずに済むためプライバシー保護に有利、という利点がある。

エッジデバイス上でAI（機械学習モデル）の推論処理を行う技術。クラウドに依存せずリアルタイムの判断が可能で、プライバシー保護やネットワーク帯域の削減にも寄与する。NPU（ニューラルプロセッシングユニット）搭載のSoCが増えている。

AIの推論処理を、クラウドではなくカメラ、スマートフォン、産業機器などの端末側やその近くで実行する方式。応答が速く、通信が途切れても動作でき、映像などの生データを外部に送らずに済む。端末の計算資源が限られるため、モデルの軽量化やNPUなどの専用チップが用いられる。

Past Exams

過去問で 2 回出題（応用情報技術者試験 1・高度試験午前Ⅰ 1）

出典: 独立行政法人情報処理推進機構（IPA）の過去問題。問題文は IPA のサイトの PDF で確認できます。用語名で照合しているため、関係の薄い問題が含まれることがあります。

マイクロコントローラ（数十KB〜数百KBのRAM）上で機械学習モデルの推論を実行する技術。モデルの軽量化（量子化、枝刈り）により、超低消費電力デバイスでの音声認識、画像分類、異常検知などを実現する。TensorFlow Lite for Microcontrollersが代表的なフレームワーク。

ニューラルネットワークモデルのパラメータを32ビット浮動小数点数から8ビット整数などの低精度表現に変換する最適化技術。モデルサイズの削減、推論速度の向上、消費電力の低減を実現する。精度の低下を抑えつつ組込みデバイスへの実装を可能にする。

ニューラルネットワークの推論処理に特化したプロセッサ。行列演算やテンソル演算を効率的に実行するアーキテクチャを持つ。SoCに統合されるケースが増えており、エッジデバイスでのリアルタイムAI処理を実現する。

学習済みの機械学習モデルを使って、入力データに対する予測・分類結果を出力するソフトウェア。組込み向けにはTensorFlow Lite、ONNX Runtime、TensorRTなどがある。ターゲットハードウェアに最適化された推論を高速に実行する。

特定分野の専門家の知識をルールベースとして蓄積し、推論エンジンにより問題解決を支援するAIシステム。知識ベースとルールを用いて人間の専門的判断を模倣する。

コンピュータがデータから規則性やパターンを自動的に学習し、予測や分類を行う技術の総称。教師あり学習、教師なし学習、強化学習の3つに大別される。AIの中核技術の一つ。