gk edge_ai
G検定トップ
＞ エッジAI（Edge AI）
まず結論
- エッジAIとは、端末（エッジ）側でAI推論を行う仕組み
- 低レイテンシ・リアルタイム性が最重要な用途に向く
- 自動運転・産業機器制御などが代表例
👉 G検定では 「なぜクラウドではなくエッジなのか」 を説明できるかがポイント。
直感的な説明
エッジAIは、
「考える場所が“クラウド”ではなく“現場”にあるAI」
です。
たとえば自動運転では、
- カメラ画像をクラウドに送信
- サーバで解析
- 結果を受信して判断
…としていると、通信遅延 が命取りになります。
そこで👇
- 車載コンピュータ自身が判断する
これが エッジAI です。
定義・仕組み
エッジAIの定義
エッジAI とは、
- センサーや端末（車・工場機器・IoTデバイス）
- の 近く（エッジ）でAI推論を実行
するアーキテクチャです。
クラウドAIとの違い
| 観点 | エッジAI | クラウドAI |
|---|---|---|
| 処理場所 | 端末側 | サーバ側 |
| レイテンシ | 非常に小さい | 通信遅延あり |
| リアルタイム性 | ◎ | △ |
| 計算資源 | 制約あり | 大規模 |
いつ使う？（得意・不得意）
得意なユースケース
- 自動運転（今回の正解）
- ロボット制御
- 異常検知（工場・設備）
- スマートカメラ
👉 即時判断が必要な場面
向かないケース
- 大規模データ解析
- 学習（トレーニング）処理
- 高精度だが即時性不要なタスク
👉 これらは クラウドAI向き
G検定ひっかけポイント
-
❌「音声認識はエッジAIが最適」 → 常に正しいわけではない（クラウドでも可）
-
❌「画像診断は必ずエッジAI」 → 高計算量のためクラウドが使われることも多い
-
✅ 自動運転 = 低遅延・リアルタイム → エッジAI
なぜ音声認識が誤答になりやすい？
音声認識は：
- リアルタイム性は重要だが
- 通信遅延が致命的でない場合も多い
- 大規模言語モデル・辞書が必要
👉 クラウド方式が一般的
このため、
「リアルタイム = すべてエッジ」
と考えると 引っかかる。
まとめ（試験直前用）
- エッジAI = 端末側で推論
- キーワードは 低レイテンシ・即時判断
- 自動運転は代表的ユースケース
👉 迷ったら
命に関わる即時判断 → エッジAI
🔗 関連記事
🏠 G検トップに戻る