AI搭載マシンビジョンの台頭は企業のデータ管理に影響を与える

AI 駆動型マシンビジョンは日々強力になり、普及が進んでいます。マシンビジョンと人工知能の新しいアプリケーションは、特にヘルスケア、自律走行車、製造、農業、セキュリティなどの分野で急速に発展しています。

医療分野では、マシンビジョンを使用して、何千もの X ​​線、CAT スキャン、その他の医療画像を迅速に分析します。病院の救急治療室で患者の治療を優先することで命を救います。運輸業界では、AI 駆動のマシン ビジョン システムにより、自律走行車が障害物を発見し、安全に道路を走行できるようになります。

[[410699]]

マシンビジョンは、自動欠陥検出を通じて製造業でも重要な役割を果たしており、デジタル農業分野の急速な拡大により、コンピュータービジョンシステムが導入され、農薬の使用を制限または排除しながら、収穫量の増加を続けています。

マシンビジョンシステムは便利ですが、膨大な量の非構造化データの発生源でもあります。 IDCの調査によると、その人気の高まりは世界的なデータ収集の急増を促す大きな要因であり、2025年までに163ゼタバイトまで増加し続けると予想されている。

AI 駆動型マシンビジョンのこうしたあらゆる用途とデータにより、企業にとってデータ管理に多大な影響が生じます。今日、ほとんどの組織は相反するデータ管理要求に直面しています。

ほとんどのデータはエッジで生成されますが、コンピューティングとストレージのインフラストラクチャは通常、少数の大規模なデータセンターまたはパブリック クラウドに集中しています。データを集中管理された場所に移動すると、データの転送と保存に関連する大幅な遅延とコストが発生します。

スピードの必要性

ガートナーによると、2025 年までに、企業が生成するデータの約 75% が従来のデータ センターやクラウドの外部で作成および処理されるようになります。現在、エッジでキャプチャされたデータのほとんどは、処理および AI モデル開発で使用するために集中管理された場所に移動されます。

マシンビジョン技術を実装する際には、この点を考慮する必要があります。ビデオ、画像、センサーデータなど、ペタバイト単位の非構造化データをキャプチャして一元管理するビジネスでは、この負荷により機械学習アルゴリズムのトレーニング プロセスが大幅に遅くなります。データ処理に対するこの集中型のアプローチは、AI 開発パイプラインと生産モデルの適応を遅らせます。産業現場では、製品の欠陥を見逃してしまう可能性があり、企業に多大な損害を与えたり、人命を危険にさらしたりする可能性があります。

この問題を解決するために、ますます多くの企業が分散型の非中央集権型アーキテクチャに目を向けています。つまり、レイテンシと遅延の問題に対処し、データ処理速度に関連する問題を解決するために、ほとんどのデータがエッジで保持および処理されます。エッジ分析とフェデレーテッド機械学習技術を導入すると、集中型システムに固有のセキュリティとプライバシーの欠陥に対処しながら、大きなメリットがもたらされます。

たとえば、ビデオ映像を継続的にキャプチャしている大規模な監視ネットワークでは、後で分析するために大量の生データが蓄積されます。ビデオから ML モデルを効果的にトレーニングするには、ビデオ内の特定のオブジェクトを区別できるように検査する必要があります。必要なのは、新たに検出されたものの映像のみであり、空っぽの建物や通りを映す長くて変化のないビデオではありません。エッジでデータを事前に分析し、必要な映像のみを集中ポイントに移動することで、企業は時間、帯域幅、コストを節約できます。

分散アーキテクチャには多くの利点がありますが、追加の複雑さも生じます。適切なストレージとコンピューティング インフラストラクチャをエッジで選択して展開し、集中管理を行うことが重要であり、システム全体の効率と所有コストに大きな影響を与える可能性があります。

階層型ストレージ

収集された画像や動画の多くは主に AI モデルのトレーニングに使用され、さまざまな目的で永続的に保存する必要があります。たとえば、先進運転支援システムや自動運転車では、AI がリアルタイムで収集されたデータに基づいて意思決定を行います。しかし、数か月後または数年後に問題が発生した場合、企業は過去に戻って何が起こったのかを分析できる必要があります。このストレージはセキュリティ上重要ですが、コストが高く、ガートナーによれば、1テラバイトあたり年間平均3,351ドルかかります。平均的な自動運転テスト車両が 1 時間ごとに 2 テラバイトのデータを取得することを考慮すると、コストがどれだけ増加するかは容易にわかります。

大量の非構造化データを保存する多くの企業は、ネットワーク接続ストレージ デバイスまたはパブリック クラウド ストレージに依存しています。ただし、階層型データ ストレージ アーキテクチャを採用すると、大幅なコスト削減が実現できます。階層型システムでは、データの処理と分析のアクティビティ中にコンテンツは高速ストレージに配置され、バックアップ コピーはテープやオブジェクト ストレージなどの低コストのストレージに保存およびアーカイブされます。低コストのストレージは 1 TB あたり 50 ドルまで拡張できます。自動運転車を含む多くの分野では、収集されたデータのほとんどは無期限に保存する必要がありますが、めったに使用されないため、最小限のコストで保存できます。

非構造化データ ストレージ ソリューションとエッジ分析の新たな開発が市場に登場し続けています。これらの利点を活用するには、企業は最初から最後までモジュール型のデータ管理を実装し、より高度なテクノロジーがリリースされるたびに要素を交換できるようにする必要があります。

マシンビジョンで新たな機会を見つける

最高のテクノロジーとサービスがあっても、マシンビジョンのユースケースでキャプチャされた膨大な量のデータを正常に送信、処理、保存することは、さまざまな業種の企業にとって引き続き課題となります。

しかし、保存されたデータは新たな機会ももたらします。たとえば、画像やビデオを再利用して新しいユースケースを開発できます。したがって、保存されたデータは、企業にとってコストではなく、新たな収益源となるでしょう。同様に、より高度な分析技術が利用可能になると、多くの企業が既存のアーカイブデータを再利用して独自の新製品を開発できるようになります。一部の企業、特に自動車メーカーはこの可能性に気づき始めています。これらの潜在的な新しい収益源とデータの使用は、今すぐスマートで効率的なデータ処理とストレージを優先し始める優れた理由です。