AI技術の7つの主要トレンド

[[323768]]

トレンド1: 自律型デバイス

自動車、ロボット、農業など、自律型デバイスは従来人間が行っていたタスクを AI を使って実行します。知能のレベルはさまざまですが、自律的なものはすべて、人工知能を使用して環境とより自然にやりとりします。

自律的なものには 5 つのタイプがあります。

• ロボット
• 車両
• ドローン
• 家電製品
• バーチャルアシスタント

5 つのタイプは、海、陸、空、デジタルの 4 つの環境を占めます。彼らは皆、能力、協調性、知能の程度が異なります。たとえば、人間の支援を受けて空中で動作するドローンから、畑で完全に自律的に動作する農業用ロボットまで多岐にわたります。これにより、ほぼすべてのアプリケーション、サービス、IoT オブジェクトが何らかの形の AI を採用して、プロセスや人間のアクションを自動化または拡張するという、潜在的なアプリケーションの幅広いイメージが描かれます。ドローンの群れのような協調的な自律的なものが、AI システムの将来をますます推進するでしょう。

トレンド2: 強化された分析（ビッグデータ）

データ サイエンティストが準備、分析、グループ化し、結論を導き出すためのデータはますます増えています。データの量を考えると、すべての可能性を探ることは不可能になります。つまり、企業はデータ サイエンティストが探索できない仮説から得られる重要な洞察を見逃してしまう可能性があるということです。

拡張分析は、データ サイエンティストが自動化されたアルゴリズムを使用してより多くの仮説を探索する、データおよび分析機能の 3 番目の大きな波を表しています。データ サイエンスと機械学習プラットフォームは、企業が分析的洞察を生み出す方法を変革しました。

「2020 年までに、データ サイエンスのタスクの 40% 以上が自動化される」。

拡張分析により、個人的な偏見を排除しながら隠れたパターンを識別します。企業が誤ってアルゴリズムにバイアスを挿入してしまうリスクはあるものの、拡張分析と自動化された洞察は最終的にはエンタープライズ アプリケーションに組み込まれることになります。

2020 年までに、市民データ サイエンティストの数はプロのデータ サイエンティストの 5 倍の速さで増加します。シチズン データ サイエンティストは、AI 駆動型の拡張分析ツールを使用してデータ サイエンス機能を自動化し、データ セットを自動的に識別し、仮説を立て、データ内のパターンを識別します。企業は、データ サイエンス機能を有効にし、拡張する方法として、市民データ サイエンティストに目を向けるでしょう。ガートナーは、2020 年までにデータ サイエンスのタスクの 40% 以上が自動化され、生産性が向上し、市民データ サイエンティストの活用が広がると予測しています。シチズン データ サイエンティストと拡張アナリティクスを組み合わせることで、アナリスト、意思決定者、運用担当者など、企業全体でデータの洞察がより広く利用できるようになります。

トレンド3: AI主導の開発

AI 駆動型開発では、アプリケーションに AI を組み込み、AI を使用して開発プロセス用の AI 駆動型ツールを作成するためのツール、テクニック、ベスト プラクティスを検討します。この傾向は、次の 3 つの側面に沿って発展しています。

AI ベースのソリューションを構築するためのツールは、データ サイエンティストを対象としたツール (AI インフラストラクチャ、AI フレームワーク、AI プラットフォーム) からプロの開発者コミュニティを対象としたツール (AI プラットフォーム、AI サービス) へと拡大しています。これらのツールを使用すると、プロの開発者は、プロのデータ サイエンティストの関与なしに、AI 駆動の機能とモデルをアプリケーションに組み込むことができます。

AI ベースのソリューションを構築するためのツールには、プロの開発者を支援し、AI 強化ソリューションの開発に関連するタスクを自動化する AI 駆動機能が搭載されています。拡張分析、自動テスト、自動コード生成、自動ソリューション開発により、開発プロセスが加速され、より幅広いユーザーがアプリケーションを開発できるようになります。

AI 対応ツールは、アプリケーション開発 (AD) 関連機能の支援と自動化から、ビジネス ドメインの専門知識の活用、一般的な開発からビジネス ソリューションの設計まで、AD プロセス スタックの上位のアクティビティの自動化へと進化しています。

市場は、開発者との連携に重点を置くデータ サイエンティストから、サービスとして提供される定義済みモデルを使用して独立して作業する開発者へと移行します。これにより、より多くの開発者がこれらのサービスを活用して効率を向上できるようになります。こうした傾向により、仮想ソフトウェア開発者や非専門家の「市民アプリケーション開発者」の利用も主流になっています。

トレンド4: エッジの強化

エッジ コンピューティングは、情報処理とコンテンツの収集および配信が情報ソースに近くなるトポロジであり、トラフィックをローカルに保つことでレイテンシが削減されます。現在、このテクノロジーの焦点の多くは、組み込み IoT の世界で IoT システムが切断または分散機能を提供する必要性にあります。このタイプのトポロジーは、高い WAN コストや許容できない遅延レベルなどの課題に対処します。さらに、デジタルビジネスとITソリューションの詳細を実施します。

「テクノロジーと思考は、体験を通じて人々を何百ものエッジデバイスにつなげるところまでシフトするでしょう」。

ガートナーは、2028 年までにエッジ デバイスに組み込まれたセンサー、ストレージ、コンピューティング、高度な AI 機能が引き続き増加すると予想しています。一般的に、インテリジェンスは、産業機器からスクリーン、スマートフォン、自動車の発電機に至るまで、さまざまなエンドデバイスのエッジに移行します。

トレンド5: 没入型テクノロジー

2028 年までに、ユーザーが世界とやりとりする方法を変える会話型プラットフォームや、ユーザーが世界を認識する方法を変える拡張現実 (AR)、複合現実 (MR)、仮想現実 (VR) などのテクノロジーによって、新たな没入型体験が可能になります。 AR、MR、VR は生産性を向上させる可能性を示しており、次世代の VR は形状を感知してユーザーの位置を追跡でき、MR は人々が世界を見て対話できるようにします。

2022 年までに、企業の 70% が消費者および企業向けに没入型テクノロジーを実験し、25% がそれを本番環境に導入する予定です。仮想パーソナルアシスタントからチャットボットまで、会話型プラットフォームの将来には、拡張された感覚チャネルが組み込まれ、プラットフォームが顔の表情に基づいて感情を検出できるようになり、やり取りがより会話的になります。

最終的には、テクノロジーと思考は、コンピューターから自動車まで、何百ものエッジデバイスを接続するところまで移行するでしょう。

トレンド6: スマートスペース

スマート スペースとは、人間とテクノロジー対応システムが、オープンで接続され、調整されたインテリジェントなエコシステムの中で相互作用する物理環境またはデジタル環境です。テクノロジーが日常生活にさらに統合されるようになるにつれて、スマートスペースは加速された提供の時代に入ります。さらに、パーソナルソリューションがスマートスペースになるにつれて、AI 駆動型テクノロジー、エッジコンピューティング、ブロックチェーン、デジタルツインなどの他のトレンドもこの方向に進んでいます。

スマート スペースは、オープン性、接続性、調整、インテリジェンス、範囲という 5 つの主要な次元で進化します。本質的に、スマート スペースは、個々のテクノロジーがサイロから抜け出し、連携して共同作業やインタラクティブな環境を作り出すことで進化しています。スマート スペースの最も広範な例はスマート シティです。スマート シティでは、商業、住宅、工業コミュニティを組み合わせたエリアが、すべてのセクターが社会およびコミュニティのコラボレーションにリンクされたスマート シティ エコシステム フレームワークを使用して設計されています。

トレンド7: 量子コンピューティング

量子コンピューティングは、情報を量子ビット、つまり「キュービット」として表される要素として表す、原子核粒子の量子状態に基づく非古典的なコンピューティングの一種です。

量子コンピュータは、指数関数的にスケーラブルで、高度に並列化されたコンピューティング モデルです。従来のコンピュータと量子コンピュータの違いを想像する一つの方法は、巨大な図書館を想像することです。

古典的なコンピュータは図書館にある各本を線形に読み取りますが、量子コンピュータはすべての本を同時に読み取ります。量子コンピュータは理論的には何百万もの計算を同時に処理できます。市販され、手頃な価格で信頼性の高いサービスの形をとる量子コンピューティングは、いくつかの業界に変革をもたらすでしょう。

未来を覆す - インテリジェントAIチップ

PCB の生産に力を与えることから拡張現実における重要な役割を果たすことまで、次世代の AI は私たちの生活に革命を起こす可能性を秘めています。 Google は独自の TPU と Edge TPU をリリースしました。TPU は、TensorFlow の機械学習ワークロード向けにカスタマイズされたカスタム ASIC (特定用途向け集積回路) です。第 1 世代の TPU は推論専用でしたが、Cloud TPU は推論と機械学習のトレーニングの両方に適しています。 Cloud TPU は、強力な 64 GB の高帯域幅メモリと 180 TFLOPS のパフォーマンスを実現する 4 つのカスタム ASIC で構築されています。

昨年、Google は、同社の TPU が最新の GPU や推論 CPU よりも 15 ～ 30 倍高速で、TOPS/ワットの測定値が 30 ～ 80 倍向上したと主張しました。

サンフランシスコで開催された Google Next カンファレンスの基調講演で、Google Cloud の IoT 担当副社長である Injong Rhee 氏は、Google の新しい専用 Edge TPU を中心に構築された 2 つの新しい AIY プロジェクト ボード、AIY プロジェクト Edge TPU 開発ボードと Edge TPU アクセラレータを発表しました。