エッジコンピューティングとは、
データをクラウドに送らずデバイスのすぐ近くで１次処理をすることで分散処理を行い、高速化や通信回線の負荷軽減をする仕組みです。

エッジは「端」という意味合いです。

例えばスマートウォッチ（ウェアラブルデバイス）で考えてみます。
まず、スマートウォッチ内部のセンサから脈拍データを取得します。そのデータ全てをクラウドへは送って処理するのではなく、端末側（つまりエッジ）で異常がないかチェックし利用者に知らせます。そしてエッジ側で整理された必要なデータのみクラウドへ送信することでスマホからデータ管理が可能となります。

このような仕組みがエッジコンピューティングです。

『できることは現場（エッジ）で処理』する、というイメージですね。

エッジコンピューティングを採用するメリットは主に以下の3つです。

① 高速化・高信頼性

デバイスの近くで処理されるため、処理速度が高速になります。
特に、リアルタイム（数ミリ秒単位）で処理判断が求められる場合に最適です。

• 例えば自動車の自動運転で異常検知に時間がかかっては事故につながってしまいます。少しの遅延でも重大な場合にエッジ処理は適しています。

② 回線コストの削減

IoTの活用が進み、生みだされるデータ量は膨大です。
ですがエッジ側で1次処理して必要なものだけをクラウドへ送信することで、ネットワークの負荷を軽減させることが可能になります。

• 例えば監視カメラの場合、顔だけを切り抜きサーバーへ送信することで通信料の削減になります。

③ セキュリティの強化

IoTでは以前からセキュリティ面が懸念されていました。インターネットを介してクラウドに接続するため、外部からの脅威にさらされるリスクが高いためです。

エッジコンピューティングでは外部ネットワークを介さずエッジ側（端末内部や近くのサーバ）で処理を行うため、データ漏洩リスクを軽減することができます。

• 例えば入館記録の場合、顔などの個人情報はエッジ側で匿名化し最低限必要なメタ要素だけをクラウドへ送ることで漏洩リスクを軽減できます。
• 高機密データを収集、蓄積したくない、プライバシーを保護したいという場合に適しています。

■IoTカメラ「Vieureka カメラ」パナソニック株式会社

パナソニック株式会社の「Vieureka（ビューレカ）プラットフォーム^※」対応のIoT（AI）カメラは、来客の行動把握による店舗運営のサポート、工場での従業員の行動管理などで利用される。

カメラ本体で画像解析を行うため、現場のパソコンは不要。

映像データは送信せずに解析データのみ送ることで通信コストも抑えられ、また画像はカメラ内で破棄されプライバシーの保護も可能になっているとのこと。

カメラ内蔵のアプリのアップデートも遠隔操作で可能。

「Vieurekaプラットフォーム」
IoT機器による画像解析、クラウドからIoT機器（CPU内蔵のIoTカメラ(*1)）の管理、IoTカメラ内のアプリのアップデートを行うことのできるプラットフォーム。

引用：パナソニック株式会社　https://tech.panasonic.com/jp/bi/vieureka/camera.html

＜参考元URL：＞
パナソニック株式会社
　
https://tech.panasonic.com/jp/bi/vieureka/about.html

■除草ロボット「See & Spray」Blue River Technology社

John Deere社（米）傘下のBlue River Technology社（米）は、半導体メーカーNVIDIAのエッジプラットフォームを活用して、除草ロボット「See & Spray」を開発。

ディープラーニングアルゴリズムを活用し、雑草と作物を区別することで雑草だけに正確に除草剤を噴射できる。

それにより、雑草対策にかかるコスト削減、除草剤消費量の削減、除草剤を農地一帯に散布することに伴う安全性の課題解決に期待されている。

＜Blue River TechnologyYouTube公式ページ　より引用＞　Blue River Tech – See & Spray testing

引用：Blue River Technology社　https://bluerivertechnology.com/our-products/

＜参考元URL：＞
Blue River Technology社
　https://bluerivertechnology.com/

日本経済新聞「エッジコンピューティングの活用進む8つの業界」2020.03.30
　https://www.nikkei.com/article/DGXMZO57251700W0A320C2000000/

■クラス分類　（教師あり学習）

AIに情報を入れて学習させることによって、カテゴリー分けする技術です。
ラベル付けされた教師データを学習することで、ある決まったカテゴリー（クラス）に分けることをクラス分類といいます。
カメラで写された画像が人なのか犬なのか・・・女性なのか男性なのか・・・を学習データに基づいて判断します。

■回帰　（教師あり学習）

連続する数値を予測する技術を回帰といいます。
例えば、過去の販売実績や販売価格、天気や気温などの実績データを学習することで、「明日、どのくらいその商品が売れるか」のように将来の売上予想をするといったものです。

■クラスタリング　（教師なし学習）

クラスタリングは、沢山の情報から似たものを集めてグループ化することです。
例えば、顧客アンケートをインプットすることで顧客タイプや属性を分析することに使われます。

■異常検知　（基準値ベース/教師あり学習/教師なし学習）

通常とは異なる値を検知した場合に異常を知らせる技術です。
例えば、工場の機器などの場合異常値のデータが少ない場合があるため、その場合は「教師なし学習」が用いられます。

■強化学習

AI自身が試行錯誤しながら、最適なシステム制御を実現するのが強化学習です。ゲームや自動運転に利用されています。

※プロ棋士に勝利した人工知能「AlphaGO」のアルゴリズムも強化学習を使用。

日本システムデザイン(株)では
AIを使った　新しい“エッジデバイス”
　×
35年以上の“JSD　画像処理＆センシング技術”

をベースに、より人の役に立つものづくりをしていきたいと考えています。