Gizwits Cloud はスマートホームが機械にユーザーをよりよく理解するのを助けます

[51CTO.com からのオリジナル記事] 2016年、国内投資家のVRへの熱意はまだ薄れていなかった。瞬く間に、Googleは「歴史の繰り返し」、つまり人間と機械の囲碁対決を利用して、人々の注目を集めて人工知能を開発した。 2017年のAWE（中国家電・消費者向け電子博覧会）では、展示会場のいたるところにあったVRグラスの体験エリアが、今では「人工知能」のデモンストレーションで占められている。これはテクノロジーの魅力であると同時に、その残酷さでもあります。

[[189800]]

Gizwits AI Lab ディレクター、黄明氏

「近年、国内のモノのインターネットの基盤と発展が急速に進んでいるため、私は発展のために中国に戻ることにしました。モノのインターネット、特に人工知能関連の事業の今後の発展には非常に楽観的です。」黄明氏の意見を否定する人はいないと思います。彼はインフィニオン、ドイツ宇宙機関（DLR）、インテルなどの企業で働いてきました。ミュンヘン工科大学を卒業後、アルゴリズムや人工知能に関連した仕事に従事しています。現在、黄明氏は、モノのインターネット向けサードパーティクラウドサービスプラットフォームであるGizwitsの人工知能研究室の責任者を務めています。彼の主な任務は、人工知能チームを率いてハードウェア製品をよりインテリジェントにすることです。

IoT分野におけるAIの応用によりIoTデバイスはよりスマートになる

私たちはいつも「人工知能！人工知能！」と叫んでいますが、人工知能は私たちにどのような実用化をもたらすのでしょうか？囲碁の対戦相手になってくれる人を見ること以外、私たちに感動を与える実際の場面はもうないようです。もちろん、ロボットが私たちをマスターと呼んだり、お茶を出したり、記事の執筆を手伝ったり、コードをコンパイルしたりすることを想像したことがあるかもしれません。しかし、現時点では、それは少し考えすぎのようです。 Huang Ming 氏は、より実用的な応用シナリオについて説明しました。

人工知能は、スマートホーム、スマート家電、スマートビル、工業製造、新エネルギー、石炭電気などの分野に適用でき、莫大な商業価値を生み出します。現在、Gizwitsと人工知能の最も実用的な応用は、Apple Homekit、Amazon Alexa、Google Homeなどのプラットフォームに接続し、IoTデバイスをよりスマートにして、ユーザーの習慣を区別して識別できるようにすることです。 Gizwits は熱エネルギー消費の分野にも人工知能技術を適用し、ユーザーや企業がエネルギーを節約し、消費量を削減できるよう支援します。統計によると、これにより工場やスマートビルの電力消費量を約 10% 削減できます。

黄明氏によると、「スマートメアリー」はGizwits Cloudをベースとした新世代のスマートホームサービスプラットフォームであり、クラウドプラットフォームの画像認識と意味認識エンジンを使用して製品の識別と検証を完了し、製品を制御するとともに、効率的で正確な音声認識を完了し、ユーザーと端末デバイス間の自然な音声インタラクションの目的を実現します。

Smart Mary の 2 つの主な機能は、情報認識とディープラーニングです。優れた多次元センサー機能を備え、カメラ、Wi-Fi ビーコン、ドップラー、赤外線ボディセンサーなど、さまざまなセンサーからのデータを処理できます。ユーザーがどこにいるか、どのような行動をとっているかを感知できます。これが認識部分です。もう 1 つの部分はディープラーニングです。IoT でユーザーが生成したデータに基づいて、マシンはユーザーの習慣を記録します。ディープラーニングは、Smart Mary の推奨予測エンジンに基づいて判断と予測を行い、マシンがユーザーの言葉を「理解」し、ユーザーの習慣を「記憶」し、ユーザーをよりよく「理解」できるようにします。

AIサービスを実現するには基盤となる大量のデータが必要

[[189801]]

もちろん、人工知能サービスを実現するには、デバイスによって収集された複数のデータのサポートが必要です。シナリオ データは、ユーザーの時間と場所のデータを指します。サービス データは、ユーザーがこの時間と場所で必要とするサービスを指します。デバイス データは、ユーザーが必要なサービスを決定した後に、その場所で利用できるデバイスを指します。

しかし、プラットフォームにとって、あらゆる種類のデータは単なる意味のない 0 または 1 です。データを価値あるコンテンツに変換するには、アルゴリズムによって処理および分析する必要があります。黄明氏は、Gizwits Cloud プラットフォームは、サンプル頻度をある程度フィルタリングしたり、データをインテリジェント プラットフォームに任せたりすることで、機械がトレーニングと学習を行い、自動的に分析して結果を判定し、インテリジェントな決定を下せるようになると紹介しました。

もちろん、センサーからのデータは複雑で量も大きいため、あいまいさを修正したり、データの重複を排除したりするアルゴリズムが必要です。データ分析もロボットによって行われます。データの次元が高ければ高いほど、精度が高くなります。

***で書かれています:

データの次元が高く、精度が高ければ高いほど、機械は賢くなります。しかし、人工知能の場合、データ量が多くても、人工知能が克服するのが難しい問題があります。それは「理解」です。黄明氏は、現時点では人工知能のいわゆる知能は依然としてキーワード索引という形をとり、機械的にユーザーを「理解」しているに過ぎず、人間の認知的理解と同じではないと認めた。テクノロジーによって機械は大量のデータや情報を処理できるようになりますが、機械に人間のように意味やイメージを理解し、人間が何を望んでいるかを教えるのは非常に困難です。これは人工知能が直面している最大の課題であり困難でもあります。

[51CTO オリジナル記事、パートナーサイトに転載する場合は、元の著者とソースを 51CTO.com として明記してください]