都市は AI 導入をどのように進めているのでしょうか?

AIはどのように機能し、スマートシティ開発の次のステップとして、都市や公共スペースにAIを導入できる段階にどうやって到達するのでしょうか。

AIの導入はソリューションの選択だけではない

AI の仕組みを理解する上で、トレーニングと推論という 2 つの重要な側面を考慮する必要があります。訓練は子供を教えるのと同じです。私たちは、AI システムが人間のように物事を認識できるようにトレーニングします。画像を繰り返し見せることで、さまざまな概念を学び、理解できるようになります。例えば、移動による交通パターンや空間の有効活用を分析したい場合、昼夜、雨や霧などさまざまな状況でのバス、タクシー、自転車などの画像にAIを繰り返しさらす必要があります。この反復プロセスを通じて、人工知能は徐々に物体を正確に識別する能力を獲得し、一定の精度を達成します。

AI モデルが成熟段階に達すると、パッケージ化され、推論用に展開されます。推論は AI の作業の 2 番目の部分であり、学習した内容を応用して推測を行うことが含まれます。リアルタイムのデータが流入すると、AI は視覚情報をテキストやその他の形式の非画像データに変換します。このデータは、タイムスタンプや環境要因などの追加のメタデータとともに、ロジックとビジネス ルールを使用して処理されます。

効率的な推論には、特に複雑なモデルや大量のデータを扱う場合には、高性能コンピューティングが必要です。データの処理には時間がかかるため、従来の計算方法では不十分な場合があります。ここで、高速コンピューティングと並列処理が役立ちます。この高度なコンピューティング能力により、複数の AI モデルを同時に実行できます。例えば、1 台のカメラに複数のモデルを搭載することで、車両だけでなく、火災、煙、喧嘩、事故なども検知できるようになります。このマルチモーダル展開では、単一のデータ ソースから複数の結論が提供され、かなりの処理能力が必要になります。

導入オプションには、大容量の AI システムをセンサーの内部または近くに直接配置するエッジや、複数のカメラをサーバーなどの中央ポイントに接続するデータ センターなどがあります。これらの設定は、スタジアムや空港などの場所で見つけることができます。あるいは、時間的に重要な処理が不要な場合はクラウド展開を選択し、データをリモート クラウド サーバーに転送して分析することもできます。

都市のデジタル変革に関しては、スマート シティ、インテリジェント シティ、コグニティブ シティ、グリーン シティなど、この変化を表すさまざまな用語が使われています。当初の焦点は、都市化や移住などの要因によりインフラの課題に直面している都市環境において、情報技術を利用して効率を高め、無駄を削減することにあります。従来のインフラ拡張方法では不十分であることが判明しており、限られたスペースと容量を最適化するには、よりスマートなソリューションが必要です。

テクノロジーの発展はこの変革において重要な役割を果たしてきました。接続性がより普及するにつれて、当初はデバイスの接続に重点が置かれ、IP 対応ソリューションが生まれました。これにより、デバイスの双方向クエリが可能になり、モノのインターネット、スマートデバイス、そして「データ化」と呼ばれるデータの爆発的な増加につながりました。接続された IoT デバイスの大幅な増加、モバイル コンピューティング、クラウド テクノロジー、4G や 5G などの高速接続の進歩により、大量のデータが利用可能になり、そのデータを効果的に使用する方法に関して新たな課題が生じています。

ビッグデータ、有用データ、無駄なデータなどの概念をめぐって議論が交わされています。デジタル変革の追求において、膨大な量のデータから価値を引き出す方法を見つけることが差し迫った課題となっています。結論としては、ビジネス インテリジェンス プラットフォームや SQL などのクエリ言語などの従来の方法を使用してデータ サイエンティストにのみ依存してデータを処理および分析することは、スケーラブルではないということです。しかし、エッジ コンピューティングの登場により、コンピューティング コストが大幅に削減され、この状況は変わりました。 GPU などのテクノロジーにより並列コンピューティングと高速コンピューティングが導入され、パフォーマンスが 100 ～ 1,000 倍向上しました。

コストの低下と計算能力の向上により、データの規模に関係なく、データの処理方法を機械に教えることができるディープラーニングが生まれました。機械はデータの処理と分析の方法を学習するため、大規模な労働力は必要なくなりますが、十分な計算能力が必要になります。データセットが大きいほど、処理速度が速くなり、結果も劇的になります。私たちは、一見不可能と思われることを本当に達成できる時代に入りました。

5G、ディープラーニング、GPT AI などのテクノロジーの融合により革命が起こり、インターネットが最初の 30 年間を牽引したように、AI は今後 30 年、40 年、50 年、さらには 60 年にわたってイノベーションを牽引すると予想されています。 AI は現在、自動運転車やセンサーなど、さまざまなアプリケーションに統合できます。この統合では、シームレスで摩擦のないエクスペリエンスを実現するために、さまざまなコンポーネントと関係者間のコラボレーションが必要です。

都市は、AI が問題を解決し、住民にとって価値を生み出す可能性を認識し、この技術的変化を受け入れ始めています。焦点は、AI を概念として理解することから、その実際の応用と影響の探求へと移っています。交通管理などの分野に AI を導入すると、交通の流れや場所によっては事故を最大 70% まで大幅に削減できる場合があります。また、工場では AI を使用して機械のパフォーマンスを最適化し、安全性を高め、メンテナンスの必要性を予測できます。さらに、AI 支援の自動運転車は、潜在的なリスクに積極的に対応することで安全性を高めることができます。

潜在的な用途としては、人々が道路や空間をどのように使用しているかを分析すること、視覚センサーと空気質監視を組み合わせること、データを医療や緊急対応システムに統合することなど多岐にわたります。これにより、空気の質や交通状況に基づいて信号パターンを動的に変更するなど、インテリジェントな決定が可能になります。しかし、実際の都市運営への統合には、技術的な能力以上のものが求められます。都市運営者や意思決定者の安心感と賛同を得るためには、プロセスを開発し、変更を管理する必要があります。

都市は導入の段階がそれぞれ異なりますが、交通、輸送、空港、駅、高速道路が注目すべき重点分野です。空港は人々の行動を理解することで、業務を最適化し、健康と安全対策を強化し、リスクを管理することができます。駅では、匿名の分析を通じて混雑状況を監視し、遮断機の使用状況を分析し、線路を検査し、健康と安全を確保することができます。潜在的なアプリケーションとユースケースのリストは膨大であり、増え続けています。

人工知能は今後半世紀のイノベーションを形作る可能性を秘めている

空港などの民間インフラにおける AI の民間ユースケースは、公共セクターのユースケースよりも先に成熟するでしょうか?

民間インフラストラクチャと公共部門の AI ユースケースの成熟度は、特定のアプリケーションによって異なります。公共部門の一例としては、道路沿いの管理があり、そこでは監視と持続可能性の取り組みが重要な役割を果たします。都市全体にセンサーを設置することで、廃棄物、犯罪、交通など、都市の運営や状況を包括的に把握できるようになります。車両や歩行者の監視、違法駐車の検出、駐車場管理など、交通管理における AI ソリューションの需要が高まっています。

公共部門の取り組みは、国民や政策立案者にリアルタイムの情報を提供することも目的としています。たとえば、カメラを使用することで、利用可能な駐車スペースを特定し、アプリやその他のプラットフォームを通じて住民に伝えることができます。もう 1 つのユースケースは廃棄物管理で、AI が溢れたゴミ箱を検出し、適切な担当者に警告を発することができます。全体として、都市管理とサービスに関連する交通、モビリティ、持続可能性、目視検査への注目が高まっています。

対照的に、民間部門は、ROI 主導の性質上、AI ユースケースの採用に対してより積極的になる傾向があります。民間企業は、価値とメリットが実証されれば、AI ソリューションに迅速に投資して拡張する傾向が強くなります。しかし、公共部門は金銭的利益以上の価値を求めることが多いのです。 AI がどのようにサービスを改善し、国民の幸福を高め、安全性を促進できるかを検討します。その結果、公共部門における調達および予算編成のプロセスは長くなる可能性があります。

この分野には、このようなユースケース向けの AI ソリューションを提供するスタートアップ企業が 150 社以上あります。一部のスタートアップ企業は、都市が資本支出 (CapEx) としてプロジェクトに投資したり、運営費 (OpEx) モデルを選択したりできる革新的なビジネス モデルを導入しています。 OpEx モデルでは、スタートアップ企業がインフラストラクチャを導入および維持しながら、ソフトウェア・アズ・ア・サービス (SaaS) またはデータ・アズ・ア・サービス (DaaS) モデルを通じてサービスを提供します。これらのスタートアップ企業は、デバイスそのものの販売ではなく、提供する価値の販売に重点を置いています。

AI は、ある業界と他の業界よりも簡単にやり取りできますか? ある業界は他の業界よりも AI ソリューションを積極的に追求していますか?

さまざまな業界で AI を活用する場合、取り組みやすさは地域によって異なります。具体的には、ヨーロッパ、中東、アフリカでは、英国、ドイツ、フランス、イタリア、スペインなどの一部の国が AI を活用したソリューションを積極的に推進しています。特に中東の都市は、具体的な目標を掲げて NVIDIA にアプローチし、その達成に向けて支援を求めていますが、このレベルの関与は少数の都市に限られています。

都市の技術的成熟度やデジタル変革の成熟曲線について考えると、より先進的な都市は AI ソリューションを積極的に追求しています。彼らは調査を行い、成功事例を読み、さらに探求することに熱心です。しかし、ほとんどの都市（約 70%）はまだ AI について学習している段階であり、必要なインフラストラクチャと AI の導入を始める方法に関する理解が不足している可能性があります。

AI の旅を始めるには、単にボックスやソリューションを購入するだけでは不十分です。多くの都市が独自のデータを使用し、独自のモデルを開発したいという希望を表明しています。一部の都市には、IT や AI 主導のチームなど、AI の理解と実装が成熟した専門組織が存在します。

対照的に、他の 2 つのタイプの都市が存在します。最初のグループは AI を理解していますが、それを実装するためのリソースと専門知識が不足しています。彼らは既成の、すぐに使えるソリューションを求めています。 2 番目のタイプの都市では、AI に対する理解を深めるとともに、AI を実装するために必要なリソースも必要になります。これらの都市はより穏健で慎重なアプローチを採用しており、ゆっくりとしたペースで AI ソリューションを模索しています。全体的に見ると、多くの都市はさらなる教育が必要であり、AI を完全に導入するためのリソースが不足しているカテゴリに分類されます。

都市はAI導入のさまざまな段階にあり、最大70%がまだその可能性を学んでいる。

これまでは、より豊富なリソースを持つ一級都市が、市政府や地方自治体の間で AI ソリューションへの関心を高める主な原動力であると考えられてきました。しかし、状況は変化し、現在では AI 導入の原動力は都市の規模やリソースを超えたものになっています。今の問題は才能とリーダーシップです。

ドイツには人口約9,000人の小さな町があります。この町には、AI の価値を理解し、コンピューター ビジョンを使用して町全体をスキャンし、デジタル ツインを作成する賢明で先見性のあるリーダーがいます。場合によっては、小規模な都市の方が機敏で管理しやすいため、大規模で複雑な都市よりも AI ソリューションの実装が容易になることがあります。

都市における AI の導入は、実際にはさまざまな要因に依存します。テクノロジーの可能性を認識する才能とリーダーシップが重要な役割を果たします。しかし、「才能」について話すとき、それは個人だけの問題ではないことを覚えておくことが重要です。現在、都市が AI プラットフォームに投資し、大学や研究機関と連携して革新を起こす機会を創出することで、主導的な役割を果たし始めています。 AI分野におけるスタートアップと雇用創出の主な障壁は、インフラとデータアクセスです。先進的な都市は、官民パートナーシップやその他のモデルを通じてコン​​ピューティング インフラストラクチャに投資することで、この問題に取り組んでいます。重要なのは、プラットフォームを誰が所有しているかではなく、プラットフォーム自体の存在です。これらの都市は、コンピューティング リソースを提供し、関連データを公開し、大学や地域社会とのつながりを育むことで、多くの地域イニシアチブを展開し、労働力を向上して将来に必要なスキルを身につけさせています。その結果、こうした取り組みからスタートアップ企業が生まれ、雇用が創出されます。

AI ソリューションへの関心が高まっているのは、もはや大都市の問題だけではありません。才能、先見性のあるリーダーシップ、イノベーションとコラボレーションを促進する取り組みに牽引され、大小さまざまな都市が AI の可能性を模索しています。