AIoT: IoTと人工知能の完璧な組み合わせ

ビッグデータを備えたモノのインターネットは

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、それをデータの分析と活用のためにリポジトリに保存するセンサー 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? このすべてのデータをどう活用すればよいのでしょうか? 信頼できる情報に基づいて適切な意思決定を行うことについて私たちは常に話していますが、当たり前のことのように聞こえますが、その目標を達成するのは必ずしも簡単ではありません。 この記事では、IoT の先を見据え、データと、それを AIoT およびデータ分析を通じてどのように活用できるかに焦点を当てます。

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のみ焦点を当てます。 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。ビッグデータのない IoT は私たちにとって意味がないからです。

[[432132]]

ビッグデータとデータ分析

ここ数十年、特に 10 年代には、ユビキタスなデジタル テクノロジーによって生成されたデータ (構造化データと非構造化データの両方) が大量に流入するのを目撃しました。産業界の特殊な状況においては、大量の情報を最大限に活用し、有効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」という互換可能な用語が生まれました。これらは総称して、不明瞭な傾向、パターン、相関関係を明らかにすることを目的として、デバイスの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を指します。根本的な目標は、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。

ビッグデータは最近造られた用語であるため、さまざまな定義があります。 Gartner が提供しているレポートでは、データの量、データの多様性、キャプチャの速度という 3 つの重要な側面が概説されています。これらは 3 つの V と呼ばれることがよくありますが、他の定義では、これにデータの真実性とそれがビジネスにもたらす価値を加えた 5 つの V が含められることもあります。

しかし、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産業界の広い範囲に適用されているため、何がビッグデータを構成し、何がビッグデータではないかについて理論的な議論を行うことはあまり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 とビッグデータはどのように関連しているのでしょうか? 主な接続ポイントは通常、データベースです。一般的に、IoT の作業はこのデータベースで終了すると言えます。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 ドメインは、まず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、必要な情報を取得します。

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の形で提供されるほか、非常に類似した統計的および代数的原理に基づいて、これらのアルゴリズムを改良または適応させた形で提供されます。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、なぜ今になって以前よりも重要性が増しているのかと不思議に思う人は多いでしょう。

簡単に答えると、現在利用可能なデータの量は、前述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、これらの技術をはるかに大規模に使用できるようになり、古い方法に新しい用途がもたらされていることです。

しかし、私たちは、すべてがすでに発明されていて、データ分析の現在の傾向は何も新しいことをもたらさないという印象を与えたくはありません。実際はまったく逆です。データ エコシステムは広大であり、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、別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、比喩的なツールボックスにすでに存在していた別のツールですが、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 はシステム全体を制御する決定を下す高度な頭脳でもあります。 IBM は、IoT の真の可能性は AIoT の導入を通じてのみ実現できると述べています。

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、通常は人工知能について話します。 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に新しいアルゴリズムを生成する能力であり、そしてこれが重要な点ですが、プログラマーの入力とは独立してその能力を発揮します。 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、自律的に意思決定を行い、その意思決定の結果を評価し、時間の経過とともに改善できるインテリジェントな接続システムです。

この組み合わせはさまざまな方法で実行できますが、ここではそのうちの 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 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、データの出所に近い周辺で行われます。これをエッジAI（エッジ人工知能）と呼びます。

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包括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提供します。しかし、人体と同様に、これら 2 つの反応モード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、水漏れが検出されると、現場ですぐにバルブを閉じて重大な水損失を防ぐと同時に、別のループに水を流す代替バルブを開くなどの高レベルの決定を下せる中央システムに通知を送信できます。

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。スマート グリッドでは、エッジのスマート デバイスが各ノードの電流フローを分析し、ローカルで負荷分散の決定を行い、このすべてのデータをクラウドに送信して分析し、より包括的な国家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の電力購入プロセス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。