インターネットでの成功は、昔から猫動画と正の相関関係にあり、エッジも例外ではありません。
「前後即因果の誤謬」を犯していると非難されないように申し上げておくと、猫の動画がエッジの成功を示す重要な指標だという話は、半分だけ本気です。この論理的誤謬になじみがない方も、「世界の海賊が減少したため、地球温暖化が進んでいる」ことを証明するとした悪名高いグラフなら、ご存じかもしれません。（Data Science Central）この誤謬から、「相関関係は因果関係を証明しない」という、より覚えやすい表現が生まれたともいえます。
とはいえ、インターネットで簡単に検索するだけで、マーケティングやソーシャルメディア、一般的な顧客エンゲージメントに猫の動画やミームを活用することを推奨する記事、ブログ、動画が数多く見つかります。
猫の動画は、もしかすると例外なのかもしれません。
いずれにせよ、ここでは猫の動画を使って、エッジのユースケースを説明します。
猫を探す
まず、お住まいの地域には、多数のビデオドアベルが設置されている可能性が高いことを考えてみましょう。推計によると、2020年時点で米国の全世帯の16%がビデオドアベルを使用していました。
AmazonのRingは、使用されているドアベルの40%を占め、GoogleのNestが24%で続きます。Vivint、Remo、August、SkyBell、SimplySafeを含むその他のブランドは、使用されているドアベルのシェアがそれぞれ10%未満です。Strategy Analyticsは、現在、米国の2,000万世帯以上で家庭用ビデオドアベルが使用されていると推定しています。（Business Wire、2020年2月13日）
飼い猫が逃げ出したとしましょう。猫にはよくあることです。どこを探しても見つからず、今日はおいしいおやつにも釣られません。近所にあるすべてのビデオドアベルを活用して、飼い猫を探せるとしたらどうでしょうか。
猫を含む物体を識別する機能は、機械学習の一般的なユースケースです。研究では高い成功率が示されています。この機能は、生態学、野生生物学、動物学、保全生物学、動物行動学の各分野で幅広く活用されています。
迷子になった猫を探すのにも活用できるのではないでしょうか。
それらのカメラから得られるデータ、つまり映像を自動的かつ低コストで集約できれば、映像を検索して猫を特定するのは比較的簡単です。さらに、映像から位置情報を抽出できれば、迷子になった猫がどこにいる可能性があるかをすぐに把握できます。
現時点での課題は、技術面だけではありません。ビジネス上の課題に加え、社会的な課題（プライバシー）でもあります。
こうした課題はあるものの、ここ数年の技術の進歩により、エッジはこのようなソリューションを導入できる段階に達しています。機械学習とAIの成熟が進み、エッジのコンピューティング能力も向上したことで、エンドポイントとエッジコンピューティングを新たな形で活用する機会が生まれています。
エンドポイントもソリューションの一部
エンドポイントもソリューション領域の一部であるというこの考え方は、F5が「エッジコンピューティングを再定義する必要がある」と考える前提の一つです。
クラウドコンピューティングが、使われていないコンピューティングリソースを活用してサービス化できるという発想から生まれたように、エッジにあるエンドポイントやノードの未使用のコンピューティングリソースと処理能力も、新たな興味深い用途に活用できます。たとえば、飼い猫を見つけることにも。
こうした未使用のコンピューティングリソースは、最小クラスのデバイスにも統合できるフォームファクターで最適化されたコンピューティング機能を提供する「インフラストラクチャのルネサンス」により増加しています。目覚ましい「GPUとDPUの進歩」も、エッジでアプリケーションを配信、分散、最適化する新たな方法を模索する、F5の複数の社内イノベーションプロジェクトに取り入れられています。
カメラ、電話、ドアベルなどのエンドポイントは、私が初めて使ったコンピューターやゲーム機、さらには初めての「スマート」フォンよりも高いコンピューティング能力を備えていることが一般的です。こうしたエンドポイントは、受動的な存在にとどまらず、ソリューションの一部として活用できます。あとは、プライバシーに適切に配慮し、セキュリティを確保しながら、より大規模なリソースプールの一部として動作できるプラットフォームに組み込む手段が必要です。
では、ビデオドアベルを活用し、近隣で迷い猫をリアルタイムに捜索するサービスが実際に開発されるのでしょうか。そうはならないかもしれません。しかし、すでに人の手で数百台もの屋外向け防犯カメラの映像を確認していることを考えれば、この構想には妥当性があります。機械学習とAIはコンピューティング能力を活用し、盗難車や誘拐された子ども、さらには迷い猫を捜すための映像確認という人の作業を自動化し、拡張しています。
こうした検索をリアルタイムで実行できると想像してみてください。
こうした機能は、F5が「Edge 2.0」と呼ぶプラットフォーム」によって実現できると考えています。
著者について
Lori MacVittieは、F5のOffice of the CTOに所属するDistinguished Engineer兼Chief Evangelistであり、アプリケーションデリバリ、自動化戦略、インフラストラクチャに関する深い専門知識を有しています。AIエージェントのガードレール策定、脆弱なマルチクラウドアーキテクチャの分析、スケーラブルなシステムの限界の検証など、複雑な事柄を明快にすることで知られています。アプリケーション開発、ITアーキテクチャ、ネットワークおよびシステム運用の分野で、30年以上にわたる業界経験を有しています。F5入社前は、受賞歴のあるテクノロジー編集者として活躍していました。 MacVittieはコンピューターサイエンスの修士号を取得しており、セキュリティ、クラウド、エンタープライズアーキテクチャにわたる分野で多数の著作を発表しています。また、テーブルトークゲームとビデオゲームをこよなく愛し、チーズについては遠慮なく強いこだわりを語ります。
Lori Mac Vittieのその他のブログ記事関連するブログ記事
SOAS 2025：足並みの乱れが凡庸さを招く
AI導入における方針の不一致は、非効率を招きます。セキュリティ、自動化、導入の各戦略を整合させ、AIの可能性を最大限に引き出す方法をご紹介します。
WebAssemblyが重要な理由
WebAssembly（Wasm）は、あらゆるプラットフォームで高性能なアプリケーションを実現する、ポータブルで高速かつセキュアなバイナリ命令セットです。
インフラストラクチャは依然として格好の攻撃経路
クラウドコンピューティングでは、APIやドラッグ＆ドロップ式の設定ツールを活用し、ネットワークやインフラストラクチャを敬遠する人がそれらを直接扱わずに済むようにすることで、インフラストラクチャへの対応を不要にすることが長年追求されてきました。しかし、インフラストラクチャを無視することも、攻撃の主要な標的であるという事実を見過ごすこともできません。
堅牢なデータアーキテクチャがもたらす戦略的メリット
適切に構築されたデータアーキテクチャがもたらす効果は、業務プロセスの改善にとどまりません。戦略的な業務効率の向上、より深いビジネスインサイトの獲得、隣接するビジネス機会への展開にもつながり、これらすべてをより俊敏に実行できるようになります。
デジタルワークフローにおける不正検知には、データだけでは不十分
2019年には、業界全体でクレジットカード詐欺の試みが約25万件確認されました。これは約2分に1件の割合です。今日、不正を検知するには、デジタルワークフロー上のできるだけ多くのポイントから収集したデータを相互に関連付け、手作業によるデータ処理をはるかに上回る速度で分析する能力が求められます。