環境センシング:スマートホームの次のステップ

環境センシング:スマートホームの次のステップ

「スマートホーム」という用語は何年も前から存在しているようですが、業界自体は比較的初期段階にあります。現在の世代の Google Home や Amazon Alexa はスマートホームを構築しましたが、同時にその限界も示しています。


スマートデバイスの背後にあるテクノロジーは、数年前には想像もできなかった利便性と相互運用性を約束していますが、現在の期待は満たされていません。これらのデバイスはスタンドアロンであることが多く、単純なデータを使用し、ホーム ネットワークがないと動作が困難になります。

スマートホームという概念は、今でも映画に出てくる未来的な建物のイメージを思い起こさせ、現在の技術の限界を超えた快適さと自律性を提供します。現実世界で同等のものが遍在する理由は、主に、私たちがそれらとやりとりする能力が限られていることにあります。

現代のスマートテクノロジーは音声コマンドに依存しており、自律性が制限されています。現在のモデルは音声認識の面で進歩を遂げていますが、依然として現代のスマートテクノロジーの音声コマンドへの依存度が高く、自律性が制限されています。現在のモデルは音声認識の進歩を表していますが、それでも使いにくく、イライラすることがあります。スマート デバイスとのやり取りは、私たちが求めるシームレスなエクスペリエンスを生み出すほど直感的または「人間的」ではありません。

しかし、単に音質を向上させるだけではスマートホームは実現できません。オーディオ センサーはスマート ホームと直感的にやり取りするための重要な要素ですが、音声を改善するだけではスマート ホームのロックを解除することはできません。オーディオ センサーはスマート ホームとの直感的なインタラクションにとって重要な要素ですが、デバイスにさらにコンテキスト情報を提供できるセンサー アレイの一部を形成する必要があります。私たちの家が真にスマートになるためには、デバイスが家のより意味のある様子を描き、優れたパーソナライゼーションによって状況に応じた決定を下す必要があります。

境界を破る

各デバイスには独自のセンサー配列が搭載されていますが、一部のメディアは他のメディアよりも優れています。画像自体は豊富な情報を提供できるため、この機会を利用して、スマート システムに家を認識する新しい方法を装備する必要があります。音響センサー、ガス検知、3D マッピングは、スマート環境を次のレベルに引き上げるために必要な情報を提供します。

これらの入力と組み合わせることで、当社のデバイスは個人の好みをよりよく理解して実装し、部屋に誰が出入りするかを感知し、プロファイルに基づいて照明、音、温度、セキュリティ機能を変更できるようになります。 これらの入力と組み合わせることで、当社のデバイスは個人の好みをよりよく理解して実装し、部屋に誰が出入りするかを感知し、プロファイルに基づいて照明、音、温度、セキュリティ機能を変更できるようになります。それは周囲の環境を理解することだけではなく、直接的な入力の有無にかかわらず、それをより良いものに変えていくことです。

明らかに、これは物質的な快適さを超えたものです。セキュリティは説明するまでもない例であり、モーション センシング、3D マッピング、個人識別の導入により、私たちの家はこれまで以上に安全になっています。暑い夏の日には、人感センサー、日光センサー、温度センサーによって照明を暗くしたり、エアコンを調整したりできるので、エネルギーを節約できる可能性もあります。

センシングの課題

スマートホームの進化において、私たちが次の論理的ステップを踏み出すことを阻んでいるものは何でしょうか? その実装は、確かに技術的および倫理的な疑問を引き起こします。

最初の問題は消費者のプライバシーです。住宅所有者は自宅でスマートスピーカーを使用することに慣れてきましたが、データを必要とする無数の組織はすでに、これらのデバイスとの日常的なやり取りを観察しています。最近では、アマゾンのアストロロボットが包括的なデータ収集を理由に非難を浴び、フェイスブックのスマートグラスはアイルランドのデータプライバシー委員会から批判された。

将来、よりスマートで環境に優しいテクノロジーが普及すると、消費者は今日よりもさらに多くのデータを提供することが求められるようになるでしょう。消費者はどれくらいの金額を提供する意思があるのでしょうか?ブランドはどのようにして消費者にプライバシーが最も重要であることを納得させることができるでしょうか?

2番目の問題はエネルギー消費です。 2021年の国連気候変動会議では、エネルギー効率を改善しながら電子機器をより強力にする必要性について、再び国家的な議論が行われることになるだろう。特に環境センシングには強力で継続的な処理が大量に必要になることを考慮すると、この問題はどのように解決できるでしょうか?

エッジコンピューティング

これらの問題を解決する鍵は、デバイス自体に人工知能 (AI) を組み込むことです。つまり、必要なインテリジェンスをネットワーク エッジに注入して、データのキャプチャと解釈をクラウド ネットワークや企業のみに依存する必要がなくなります。私は以前、モノの人工知能 (AIoT) と、エッジ テクノロジーが特にスマート ホームに与える潜在的な影響について書きました。

AIoT はプライバシーの問題とエネルギー消費の問題を一挙に解決できます。外部通信やクラウド接続を必要とせずにデバイスがコマンドを処理できるようにし、消費者の個人情報をローカルかつ安全に保ちます。パフォーマンスも向上しており、消費者は既存のブランドの好みから新しい高性能デバイスに移行するよう促されています。エネルギー消費の観点から見ると、AIoT でのローカル処理は、デバイスが「常にリスニング」から「常に準備完了」に移行できることを意味します。センサーは必要なときにのみ使用されるため、電力需要が常に高くなることはありません。

しかし、電子工学技術者は、電子機器に AI を組み込むことの課題を認識しているでしょう。 AI チップはハイエンドの AI ニーズにのみ対応する傾向があるため、これを実現するには従来コストがかかっていました。 AI を電子機器に組み込むことも複雑です。電子機器の大幅な再設計が必要になることが多いためです。

良いニュースは、スマートホーム専用に設計された新しいタイプのチップセット技術がようやく市場に登場しつつあることです。これらのチップは、従来の AI チップの数分の 1 のコストでシンプルな AI 機能を提供し、あらゆるスマート ホーム デバイスに組み込めるほど柔軟で、ほぼすべてのスマート ホーム AI ユース ケースに合わせて簡単にプログラムできます。

このように、エッジ環境センシング技術は、ついにスマートデバイス業界の未来となりました。

知性の未来

スマートホームの可能性を考えると、消費者がスマートホーム技術にますます不満を抱くようになっているのも不思議ではありません。より高速な速度、より正確なパーソナライゼーション、デバイス間のより緊密な連携など、すべてが求められています。

エッジ環境センシングに基づいて構築されたスマートホームは、それぞれの決定に対して何千もの異なるデータ測定を考慮し、このような改善を促進する方法です。 センサーを組み合わせてスマートホーム環境を理解し、AIoT を使用して結果を処理および実装することが、私たちが望むエクスペリエンスを実現する最も現実的な方法です。 実際のところ、この現実は私たちが考えるよりもずっと近いのかもしれません。

<<:  50社以上のWeb3メタバース企業にインタビューした結果、私たちは次のことを学びました。

>>:  メタバースの時代が来ます。準備はできていますか?

ブログ    
ブログ    
ブログ    

推薦する

人間を殺し、ロボット犬を救う「ボストンパワー」ロボットはターミネーターに変身する

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

データセンター: ジェネレーティブ AI 経済の推進

しかし、こうした大騒ぎのなか、生成 AI の可能性を最大限に引き出すために必要なインフラストラクチャ...

ディープマインドは数人の大物を採用し、ニューヨークにAI研究チームを設立する予定だ

2014年、Googleはイギリスの人工知能研究所DeepMindを買収した。現在、DeepMind...

魔法のレコメンデーションシステム:6億人のユーザーの音楽シーンを考えるAI

[51CTO.comより] NetEase Cloud Musicは音楽愛好家が集まる場所です。C...

単眼輝度画像を用いた顔深度マップ推定のための敵対的アーキテクチャによるディープラーニング

本論文では、単眼輝度画像から顔の深度マップを推定する敵対的アーキテクチャを提案する。 画像対画像のア...

人工知能分野で急成長を遂げている企業の主な問題点

AI 分野で急成長しているビジネスを運営し、成長させるには、プロセスの構築、顧客の成功、人材の獲得、...

スタンフォード大学の研究者がAIを活用してCOVID-19の治療薬の発見を加速

COVID-19の流行が世界中の人々の生命と日常生活を脅かし続けている中、人々はこの病気の予防と治療...

...

AlphaFold 2 の最強のライバルが自らを弱体化させます!メタ、12人チームを即刻解散

ちょうど今日、Meta 社は商用 AI に注力するため、AI を使用して約 6 億個のタンパク質の折...

...

烏鎮百度脳オープンデーが開催、EasyDL業界インテリジェンスイノベーションコンペティションを開始

顔認識技術はAI時代に利便性をもたらすだけでなく、効率も向上させます。 8月21日、百度ブレインオー...

Google の自動運転車の秘密の世界を解明: 初めて公開された強力なツールの数々

[[201428]]アトランティック誌は今週、アルファベット傘下の自動運転企業ウェイモの謎を解明す...

機械学習とディープラーニングの違いを簡単に分析する

【51CTO.com クイック翻訳】 [[379353]]現代社会に人工知能の波が押し寄せる中、機械...

1 週間で機械学習を始めることは信頼できるでしょうか?詳しい学習スケジュールはこちら

[[185648]]原著者 | ペル・ハラルド・ボルゲン編集:魏子民、頼暁娟、張立軍 「初心者にとっ...