>>925 抜粋引用
「クラウド」からIoTやスマートフォンなどの「エッジ」へと急速に広がる機械学習処理
https://cn.teldevice.co.jp/column/16994/
機械学習の処理はクラウドのような膨大なコンピューティングパワーを用いて実行されるものと思われていたが、
昨今はネットワークなどの末端ポイントとなる端末「エッジ」において機械学習処理を実行するフレームワークが相次いで登場してきている。
今後はエッジにおいても「機械学習処理をどう扱うか」の検討が重要な要素になっていくようだ。

略

ところが最近では、この機械学習処理の基盤が、クラウドからネットワークなどの末端ポイント「エッジ」へと広がってきています。

エッジへの広がりを見せる機械学習処理

そしてGoogleやマイクロソフトは、機械学習の基盤をクラウドだけでなくエッジへも広げようとしています。
略
クラウドと比べればほんのわずかなコンピューティングパワーしか持たないエッジで、果たして動作するのでしょうか？

ディープラーニングでは、学習時には膨大な試行錯誤が行われるため大きなコンピューティングパワーが必要ですが、
学習済みのコンピューターが推論を行うには、それほど大きなコンピューティングパワーを要求されるわけではありません。

マイクロソフトは2018年5月に行ったイベント「Build 2018」で、エッジにAIの能力を持たせる「Azure IoT Edge」を発表しました。

Googleも2018年5月に開催したイベント「Google I/O 2018」で、
iOSやAndroidに対応したモバイルアプリに顔認識など機械学習の機能を組み込むライブラリ「ML Kit」を発表しました。
ML Kitには、Googleの機械学習ライブラリ「TensorFlow」をモバイルデバイスに最適化した「TensorFlow Lite」が内蔵されています。
略
となれば、これらを含むシステムを設計・構築していくあらゆるエンジニアにとって、どのように機械学習機能を活用するのか、
その機械学習機能はクラウドを呼び出すのか、エッジで実行するのか、
そして得られた推論結果はどのように活かしていくのかを考えることが、今後は不可欠な要素となっていくのではないでしょうか。