スマートなモノのインターネットを導入する時が来た

スマートなモノのインターネットを導入する時が来た

[[427797]]

画像ソース: https://pixabay.com/images/id-5674344/

人工知能 (AI) という言葉を聞くと、ほとんどの人は、部屋の隅にロボット掃除機が置いてあって、「こんにちは」や「やあ」と呼びかけられるのを待っているというイメージをすぐに思い浮かべるでしょう。

このようなシナリオは、部屋の照明を点灯する仮想アシスタントからデータ ポイントの処理と分析まで、幅広いアプリケーションを説明するために AI という用語を使用できることを示す優れた例です。しかし、AI は家庭のユーザーが家中の単純な作業を完了するのを支援することで最もよく知られていますが、エンタープライズ AI は急速にテクノロジー スタックの主要な部分になりつつあります。

2000 年代に入ってから、企業の将来に役立つ実用的なデータを提供する目的で、数え切れないほどの企業が設立されました。一例としては、最近のパンデミックを受けて企業のハイブリッドワークポリシーを計画する際に、データを使用して従業員の生産性を最も高める条件を解明することが挙げられます。

コントロールする

このようなデータ ポイントは、モノのインターネット (IoT) 上のノードとして分類できます。ただし、従業員を「物」と呼ぶことはお勧めしません。

いずれにせよ、企業は、実用的な洞察を得るために、各ネットワーク接続をデータと分析を抽出できるポイントとして捉え始める必要があります。従業員はまれな例かもしれませんが、会議室のセンサー、カメラ、マイクは分析と改善のためにデータを抽出できるほどスマートです。

Cisionが8月に発表した調査によると、IoT AIの世界市場は2026年までに217億ドルに達すると予想されており、企業にとってのチャンスが到来していることが示唆されています。

この規模の市場はサービスプロバイダーによって独占されることが確実であり、その挑戦を受け入れてこれらのプロバイダーと提携する企業が成功するでしょう。

接続されたデバイスと収集されるデータを中心に戦略を構築することで、企業は受け取った新しい情報に基づいて新たな決定や推奨を行うことができます。

来たるIoT革命

多くのビジネスリーダーにとって、モノのインターネットは困難な概念となる可能性があります。しかし、ロボットバリスタや荷物を配達するドローンを召喚するというビジョンは、受け入れられる必要があるものだ。

これは、接続されているすべてのデバイスが使用可能なデータを収集しているためです。たとえば、街灯の唯一のセンサーが周囲光センサーであると想像できます。しかし、最も身近な街路設備から抽出されたデータにより、道路が最も混雑する時間、空いている駐車場、天候パターン、特定のエリアでの歩行者の経路などを追跡することができます。

これは、企業が活用する必要があるデータ収集のレベルです。 Statista によると、2025 年までに、世界中に 750 億台以上の接続デバイスが設置され、それぞれがこれまでにない速度でデータを抽出するようになります。

ただし、適切な AI とリアルタイム分析がなければ、このデータを十分に活用することはできません。過去 10 年間で、データがどのように使用されて気温上昇を予測したり、投票に影響を与えるために操作されたりするかを理解してきました。

今後 10 年間で、IoT の使用事例は爆発的に増加し、これらのデバイスがもたらす情報を活用、分析、理解できる次世代の開発者向けにデータが抽出されるようになります。企業は、センサー データやその他の自動生成されるマシン データ専用の新しいグローバル データ センター戦略を開発する必要があります。

高速、低遅延、成熟したネットワーク ファブリックを備えた 5G の追加により、ネットワーク エッジのデバイスも増加し、基礎分析によってこれらの実用的な洞察の提供が加速されるようになり、クラウドからエッジへの移行も進んでいます。

これほど巨大な市場では、努力できる分野はたくさんあるでしょう。たとえば、エンタープライズ市場には、仕事の未来を設計するために必要なデータを企業に提供しようとしている分析プロバイダーがすでに多数存在していますが、十分なサービスが提供されていない市場には常にギャップが存在します。

実際のところ、データ革命とチャンスは始まったばかりです。これにより、企業が利益を得られるまったく新しい市場が生まれます。しかし、参加を希望する企業は今から変化を受け入れ始める必要があり、その結果、新たな機会と新たな成長を経験することになるでしょう。 (iothome による編集)

<<:  カリフォルニア工科大学がドローンに足を与える:歩行と飛行、スケートボード、綱渡りをシームレスに切り替える

>>:  Google は交通信号に AI を導入して汚染を削減

ブログ    
ブログ    
ブログ    
ブログ    

推薦する

メタバースがますます熱を帯びる中、開発者はどのような主要テクノロジーを掘り下げていくべきでしょうか?

「メタバース」という概念は昨年、海外で爆発的に広まりました。国内の専門家も、我が国の関連技術の開発...

GPSを使用しない自動運転システムソリューション

自動運転技術の発展に伴い、未知の環境におけるスマートカーの測位技術がこの分野の研究の中核となっていま...

純粋な乾物 | ディープラーニング研究の概要

[[195952]] 1. ディープラーニングディープラーニングといえば、一度でも触れたことがある人...

テクノロジーが建設業界に及ぼす8つの影響

人工知能 (AI): ChatGPT などのツールの最近の登場により、AI はビルダーの間で注目を集...

クラウド コンピューティングに必要な 5 つの機械学習スキル

機械学習と人工知能は、IT サービス分野に浸透し続け、ソフトウェア エンジニアが開発したアプリケーシ...

IBM、GPUに匹敵する新しいニューラルネットワークチップを開発

本日 Nature 誌に掲載された論文で、IBM Research のポスドク研究員 Stefano...

人工知能の時代において、テクノロジーは中立ではない

インターネットや人工知能に代表される情報技術の台頭により、社会は第三次科学技術革命の時代を迎えていま...

トランスフォーマー+強化学習、Google DeepMindは世界を知覚するロボットの脳となる大きなモデルを作る

ロボットの学習方法を開発する際に、大規模で多様なデータセットを統合し、強力で表現力豊かなモデル (T...

ロボットはどのようにして深く学習するのでしょうか?論理的判断と感情的な選択は依然として障害となっている

[[187099]]一人でいるときに少し寂しさを感じたらどうすればいいでしょうか?Microsoft...

AIによる教育革命:自己主導型およびガイド型適応型学習の包括的分析

適応型学習は、人工知能などの高度なテクノロジーを活用して、パーソナライズされた学習体験を生み出す教育...

データ + 進化的アルゴリズム = データ駆動型進化的最適化?進化的アルゴリズムと数学的最適化

データ駆動型進化的最適化とは何ですか? それは単なるデータ + 最適化アルゴリズムですか? データ駆...

成功の秘訣: AIを活用したオンライン文書検証

[[410827]] [51CTO.com クイック翻訳]急速な技術開発と進歩の時代において、個人情...

...

Python で線形回帰機械学習モデルを作成する方法は? 「初心者ガイド」

線形回帰とロジスティック回帰は、現在人気のある 2 つの機械学習モデルです。 [[331887]]こ...

...