エッジ AI を実現するためのシステム構造としては、1) エンドデバイス上で推論、2) 全データあるいは一部データをエンドデバイスからエッジサーバに送信し推論、3) エンドデバイス、エッジサーバ、クラウド間で連携して推論、等のアーキテクチャが検討されている。システム構築時には、実現したい目標に応じ適切なアーキテクチャを選定する必要があるが、その特徴についてまとめられた資料は少ない。そこで本稿は、エッジ AI 実現のためのアーキテクチャについて調査し、最適な構造選定に資することを目的とする。

エッジ AI 導入検討やアルゴリズム選定等の意思決定に寄与することを目的とし、エッジ AI に適したアルゴリズムに焦点を当て、1) 深層学習の軽量化、2) 深層学習以外の機械学習アルゴリズムの軽量化 という二つの大きな観点に基づいてアルゴリズムを調査し、それらの手法を分類・整理している。

制御理論への AI の適用について、一般的に用いられている制御手法である PID 制御とモデル予測制御を対象とし、それらへの AI の適用手法について調査している。

ガートナーから発表された「日本における未来志向型インフラ・テクノロジのハイプ・サイクル：2020 年」からエッジ AI と関連すると思われるインフラテクノロジ用語をピックアップし、用語の概要とエッジ AI との関わりについて解説している。

ガートナーから発表された「先進テクノロジのハイプ・サイクル：2020 年」においては、2019 年版と比較して新しく登場したAI 関連用語が複数存在し、現在あまり一般的でない用語も登場しているため、2020 年度版で新しく登場したAI 関連用語の解説を通し、ハイプサイクルの理解を深め、経営判断に寄与することを目的としている。