IoTとAIの組み合わせ：さまざまなスマートフォンが互いに学習できるようにする

センサーといえば、まず思い浮かぶのはウェアラブルデバイスです。今ではウェアラブルデバイスが広く普及し、FitbitやGarminなどが私たちの生活に組み込まれています。多くの人が知らないのは、センサーを使って鉄筋コンクリートの都市にある高層ビルや橋を検出したり、動物や昆虫の動きを追跡したりすることもできるということです。

[[189789]]

モノのインターネットの急速な発展により、今後 10 年間で数百億個のセンサー デバイスが私たちの生活のあらゆる側面に組み込まれるようになります。産業分野から健康分野、経済分野から軍事分野まで、センサーは生産をより効率的にし、生活をより良くします。

2013 年から 2020 年にかけてモノのインターネットによって生み出された価値は次のとおりです。

しかし、IoT デバイスは幅広く使用され、大きな価値をもちますが、それぞれに独自の適用範囲があり、デバイスの性能によって、使用される場所、環境、人々が決まります。

AIとIoTを組み合わせる

では、モノのインターネットに AI を導入したらどうなるでしょうか? AI により、これらのデバイスの適用範囲は変化します。人間が慣れない環境にゆっくりと適応できるのと同じように、より小型の IoT デバイスでも AI マシンに適応できます。

スマートフォンを例に挙げると、ユーザーは自分の好みに応じてアプリをダウンロードし、いつでもアプリをアップグレードまたはアンインストールできるため、スマートフォンの柔軟性が高まります。

もし携帯電話がアプリの数を数えてユーザーの好みを学習できたらどうなるでしょうか?これにより、パーソナライズプロセスが自動化されます。

しかし、デバイスに対して自分の好みを表現しなければ、デバイスはあなたを認識するのでしょうか?明らかに、デバイスはそうすることができません。

ここで AI の役割が重要になります。AI により、携帯電話の学習速度が速くなります。

デバイス同士が学習できるようにする

近くにある 2 台のスマートフォンが互いに学習し、独自の AI マシンを実行し、プログラムの論理ブロックを共有して学習を加速できます。たとえば、バッテリー寿命を延ばす方法を互いに学習することができます。

デバイスが互いに学習できる理由は 2 つあります。まず、各携帯電話は独立して学習し、独自の遺伝物質を開発することができます。進化的コンピューティングでは、これを「アイランド モデル」と呼びます。モノのインターネットでは、各デバイスが独自の「島」になることができます。

さらに、これらのデバイスは学習した内容を共有することができます。これにより遺伝子プールの多様性が高まり、学習したり進化したりできるシステムに役立ちます。これはまた、これらのデバイスが新しい環境により適切に適応する方法を知っていることも意味します。

AIとIoTデバイスの組み合わせは、動物追跡の仕組みに少し似ています。動物の革製または金属製の耳タグにセンサーを取り付けることで、野生動物、ペット、家畜の活動を追跡することができます。

より正確な情報を追跡するためには、各デバイスが動物の行動特性（種、年齢、性別など）を学習する必要があり、これは AI の助けを借りて行うことができます。

[[189790]]

では、動物を追跡するときにデバイスはどのようにして互いから学習するのでしょうか? 2 匹の動物が出会うと、IoT デバイスは学習した内容を共有できるため、両方のデバイスが互いを改善し、それを他の同様の動物特性に適用できます。

センサーでエラーを予測する

モノのインターネットの共有および学習機能は、動物や人間に利益をもたらすだけでなく、都市の橋や道路の状態を検出することもできます。

多くの場合、これらのデバイスはコストが高く距離が長いためインターネットに接続できませんが、ローカルで情報を収集し、センサー データの特定のパターンを学習してエラーを予測することができます。

エラーは非常にまれであるため、近隣のデバイスと共有される情報は、エラーが発生していない可能性のある他のデバイスをトレーニングするためのより大きなデータベースを形成することができます。

しかし、IoT デバイスが現実から学習できるようにする方法については、まだ解決すべき問題が数多く残っています。デバイスが情報を共有すると、ユーザーのプライバシーが侵害されるでしょうか?これには、この情報に特別な意味があるかどうかを確認する必要があります。たとえば、遺伝子プログラムを含む情報は共有できません。

IoT デバイスは、新しい状況に反応しながらも、タスクを継続的に実行できるようにする必要があります。デバイスが学習できる内容とできない内容に厳格な制限を設けるなど、適切な安全管理を適用する必要があります。

もう 1 つの疑問は、デバイスはどのようにして近隣のどのデバイスが信頼できるかを判断するのかということです。悪意のあるデバイスが環境に侵入した場合、デバイスはどのような対応をすべきでしょうか?これらはすべて緊急に解決する必要がある問題です。

したがって、AIとモノのインターネットの組み合わせは私たちの生活に大きな利便性をもたらすでしょう。しかし、AIはまだ初期段階にあるため、モノのインターネットと組み合わせた応用もまだ初期段階にあります。大きな可能性を秘めていますが、まだ私たちの研究、指導、調査が必要です。

出典：世界経済フォーラム