• 高コスト
  IoTデバイスから生成される膨大なデータを扱うためのコンピューティングリソースやネットワークリソース増大による高コスト
• 遅延
  データ処理遅延によるリアルタイム処理対応実現の難しさ
• プライバシー
  顧客や利用者からの情報収集によるプライバシー保護の懸念

• STADLE™は、エッジAIのローカルAIモデルのパラメータのみを集め、クラウドAI側でそれらを統合したグローバルモデルを生成し、それらをエッジAI側に返すことで、エッジAIの学習を推し進めることが可能
• 生データを共有しないため、従来のコンピューティングリソースやネットワークリソースの圧迫や処理遅延の問題を解消
• データ共有による個人情報漏洩のリスクを軽減し、高度なプライバシー保護を提供

【Point1】AI学習を加速させる複数の機能

TieSet社のSTADLE™の機能

【Point2】圧倒的なインテリジェンス性

エッジ単体でのAI推定と比較し、最適解へいち早く到達できます。

【Point3】TieSet社 STADLE™の利用が期待される活用分野

TieSet社のSTADLE™ は、個人情報が保護されることや、分散環境下で使用できること、リアルタイム処理が可能であることから、医療分野や金融分野、スマートフォン分野、製造分野、ADAS（先進運転支援システム）などの自動車分野での活用が期待されています。

STADLE™のコア機能

Kubernetesによる分散水平スケーリング

一般的な連合学習プラットフォームは水平方向へのスケーリングができず、全てのデバイスに対して単一のグローバルモデル(クラスターモデルの集約)を構成することになります。しかしながら、属性によってはそのグローバルモデルが適しない場合が出てきます。 TieSet社のSTADLE™ では複数のセミグローバルモデル を柔軟に形成することができ、モデルのパフォーマンスを向上させることができます。