AIoT: IoTと人工知能の完璧な組み合わせ

産業用 IoT を企業の神経系と考えてください。これは、生産工場のあらゆる場所から貴重な情報を収集し、それをデータベースに保存してデータ分析と活用を行うセンサー ネットワークです。このネットワークは、情報に基づいた意思決定を行うためにデータを測定および取得するために必要です。しかし、その次に何が起こるのでしょうか? このデータをどう活用すればよいのでしょうか? 私たちは常に、確かな情報に基づいて適切な意思決定を行うことについて話しますが、当たり前のことのように聞こえますが、これを実現するのは必ずしも簡単ではありません。この記事では、IoT を超えて、データと、AIoT およびデータ分析を活用する方法に焦点を当てます。

ここでは、まずデータを情報に変換し、次に知識 (ビジネス ロジックと呼ばれることもあります) に変換するプロセスである分析フェーズについて具体的に説明します。しかし、最終的には IoT の核心的な話題から逸脱することはありません。なぜなら、私たちにとってビッグデータのない IoT は無意味だからです。

ビッグデータとデータ分析

ここ数十年、特に 2010 年代には、ユビキタス デジタル テクノロジーによって大量に生成されたデータ (構造化データと非構造化データの両方) が驚くほど増加しました。特に産業界の場合には、この膨大な量の情報を活用し、最大限に活用することが成功の鍵となります。

ビジネス データを処理する必要性から、「ビッグ データ」、「データ サイエンス」、「データ分析」という、ほぼ互換性のある用語が生まれました。これらは、隠れた傾向、パターン、相関関係を明らかにすることを目的として、デバイス ネットワークによってキャプチャされたデータを調べるプロセスとして総称して定義できます。これを行う基本的な目的は、新しいタイプの知識を活用してビジネスを改善することです。

「ビッグデータ」は比較的最近の用語であるため、さまざまな定義があります。その中で、ガートナーが提供した定義では、データの量、データの多様性、データ収集の速度という 3 つの重要な側面が概説されています。これらは「3V」と呼ばれることがよくありますが、他の定義では、データの真実性とビジネスにもたらす価値を加えて「5V」に拡張されます。

データ収集デバイスの普及により、ビッグデータの分析と処理はすでに業界の大部分に適用されているため、ビッグデータに関する理論的研究を行うことにはほとんど意味がないと考えています。

モノのインターネットとビッグデータ

IoTとビッグデータの関係は何でしょうか? 主な接続ポイントは通常、データベースです。一般的に言えば、IoT の作業はこのデータベースで停止すると言えます。言い換えれば、IoT の目標は、取得したすべてのデータを多かれ少なかれ整然と共通のリポジトリにダンプすることです。ビッグデータの分野は、このリポジトリにアクセスして取得したデータを操作し、必要な情報を取得することから始まります。

いずれにしても、IoT ビッグデータ分析をツールボックスとして視覚化することは有用です。データから得たい情報や知識の種類に応じて、データから何らかのツールを抽出します。これらのツールの多くは、従来のアルゴリズム、またはそれらのアルゴリズムの改良や適応の形で提供されており、非常に類似した統計的および代数的原理を備えています。これらのアルゴリズムは今世紀に発明されたものではないため、多くの人々は驚き、なぜ以前よりも今の方が重要になっているのか疑問に思います。

その答えは、現在利用可能なデータの量は上記のアルゴリズムが最初に考案されたときよりもはるかに多いということですが、さらに重要なのは、今日のマシンの計算能力により、これらの手法をはるかに大規模に使用できるようになり、古い方法論に新しい用途がもたらされたことです。

しかし、私たちは、すべてがすでに発明されており、データ分析の現在の傾向は何も新しいものをもたらさないという印象を与えたくはありません。真実はその逆です。データ エコシステムは非常に広範囲にわたっており、近年大きな革新が起こっています。

最も急速に成長している分野の一つは人工知能です。この現象は 1956 年にはすでに議論されていたため、これは最近の発明ではないと言えます。しかし、AI は非常に幅広い概念であり、その影響範囲も広いため、それ自体が 1 つの分野としてみなされることがよくあります。しかし、現実には、ある意味では、ビッグデータとデータ分析において不可欠な役割を果たしています。これは、私たちの比喩的なツールボックスにすでに存在していたツールですが、AIoT で自然な進化を遂げています。

AIoT: モノのインターネットのための人工知能

データ量の急激な増加により、新しい分析方法が必要になります。この文脈では、人工知能が特に重要になります。フォーブスによると、テクノロジー業界を支配する2つの大きなトレンドは、モノのインターネット（IoT）と人工知能です。

IoT と AI は、互いに大きな影響を与える 2 つの独立したテクノロジーです。 IoT はデジタル神経系と考えることができますが、AI も同様に、システム全体を制御する決定を下す高度な頭脳となります。 IBM によれば、モノのインターネットの真の可能性は、AIoT の導入を通じてのみ実現できるとのことです。

しかし、AI とは何でしょうか。従来のアルゴリズムとどう違うのでしょうか。

機械が人間の認知機能を模倣する場合、通常は人工知能と呼ばれます。つまり、人間と同じ方法で問題を解決したり、機械がデータを理解するための新しい方法を見つけられると想定したりします。 AI の強みは、複雑な問題を解決するための新しいアルゴリズムを生成する能力です。これは、プログラマーの入力とは無関係なキーです。したがって、AI 全般、特に機械学習 (AI の中で最も成長の可能性が見込まれる部分) は、アルゴリズムを発明するアルゴリズムとして考えることができます。

エッジAIとクラウドAI

IoT と AI を組み合わせることで、AIoT (モノのインターネットの人工知能) という概念が生まれます。これは、自ら判断を下し、その判断の結果を評価し、時間の経過とともに改善していくことができるスマートで接続されたシステムです。

この組み合わせはいくつかの方法で実行できますが、そのうちの 2 つを紹介します。

一方で、AI をすべての衝動を処理して意思決定を行う集中型システムとして概念化し続けることもできます。この場合、すべてのテレメトリ データを集中的に受信し、それに応じて動作するクラウド内のシステムを意味します。これはクラウド AI (クラウド内の人工知能) と呼ばれます。

一方、比喩的な神経系の非常に重要な部分である反射についても話さなければなりません。反射は、すべての情報を中央処理装置（脳）に送信せずに神経系によって行われる自律的な決定です。これらの決定は、データの発生源に近い周辺で行われます。これはエッジ人工知能と呼ばれます。

エッジAIとクラウドAIのユースケース

クラウド AI はシステム全体を考慮した徹底的な分析プロセスを提供し、エッジ AI は迅速な応答と自律性を実現します。しかし、人間の体と同じように、これら 2 つの反応方法は相互に排他的ではなく、実際には互いに補完し合うことができます。

たとえば、水制御システムは、水漏れが検知されるとすぐに現場のバルブをロックして重大な水損失を防ぎ、同時に中央システムに通知を送信して、代替バルブを開いて別の回路に水を流すなどの高レベルの決定を下すことができます。

可能性は無限であり、この単純化された反応型メンテナンスの例を超えて、発生する可能性のあるイベントを予測できる複雑なシステムにまで広がり、予測型メンテナンスが可能になります。

AIoT データ分析のもう 1 つの例はスマート グリッドです。エッジにあるスマート デバイスが各ノードの電力フローを分析し、ローカルで負荷分散の決定を下すと同時に、このすべてのデータをクラウドに送信して分析し、より包括的な全国的なエネルギー戦略を作成します。マクロレベルの分析により、地域レベルで負荷分散の決定を下すことが可能になり、水力発電所を閉鎖したり近隣諸国から電力購入手続きを開始したりすることで、電力生産を削減または増加することもできます。