人工知能とモノのインターネットの統合後の応用シナリオは何ですか?

人工知能 (AI) とモノのインターネット (IoT) の技術トレンドが融合し始めており、業界ではこのトレンドを人工知能モノのインターネット (AIoT) と名付けています。 AI をクラウドからエッジに移行することで、主要市場で IoT の幅広い導入を妨げてきた帯域幅とセキュリティの問題に対するソリューションが提供されます。技術開発の歴史が将来への信頼できる指針であるならば、今後数年間でこの融合の段階が少なくともあと 2 つ展開されることになります。

モノのインターネットは最近大きな関心を集めていますが、多くのアプリケーションでは 2 つの重要な疑問が生じます。 1 つはセキュリティです。IoT デバイスからネットワークを介して流れるデータとデバイス自体の制御は、サイバー攻撃に対する適切なセキュリティに大きく依存しています。脅威は進化を続け、より攻撃的になるため、セキュリティにおいては IoT 開発者が継続的に警戒と軽減を強化する必要があります。同時に、多くの潜在的ユーザーは、システムとデータのセキュリティに関する不確実性のために、IoT テクノロジの使用を遅らせています。

IoT の導入を制限する 2 番目の問題は、処理のためにデータをクラウドに送信するために必要な帯域幅です。インストールされるデバイスの数が増え、関連するデータの量が増えるにつれて、IoT の展開は、データ収集に関連する帯域幅リソースとコストによって制約されます。 AI があらゆるデータから価値を引き出す上でますます重要な要素となるにつれ、この懸念はさらに高まります。

従来のデータ処理技術がますます煩雑になるにつれて、データ処理における人工知能の重要性は飛躍的に高まっています。大量のデータから有用な情報を抽出するための効果的なアルゴリズムを開発してコーディングするには、多くの潜在的なユーザーが欠いている時間とアプリケーションの専門知識が必要です。また、要件の変更に応じて保守や変更が困難な脆弱なソフトウェアにつながる可能性もあります。 AI、特に機械学習 (ML) により、プロセッサは専門家の分析やソフトウェア開発に頼るのではなく、トレーニングに基づいて独自のアルゴリズムを開発し、望ましい結果を達成できるようになります。さらに、AI アルゴリズムは追加のトレーニングを通じて新しい要件に簡単に適応できます。

AI をエッジに移行する最新のトレンドは、これら 2 つのテクノロジーを組み合わせることです。 IoT データからの情報の抽出は現在主にクラウドで行われていますが、情報のほとんどまたはすべてをローカルで抽出できれば、帯域幅とセキュリティの問題はそれほど懸念されなくなります。 IoT デバイスで AI が実行される場合、ネットワーク経由で大量の生データを送信する必要はほとんどなく、簡潔な結論のみを伝達する必要があります。通信トラフィックが少なくなると、ネットワーク セキュリティの強化と維持が容易になります。ローカル AI は、着信トラフィックの改ざんの兆候をチェックすることで、デバイスのセキュリティを向上させることもできます。

産業機械の予知保全は、AI と IoT の融合が今後も進化し続けるアプリケーションの 1 つです。

AIoT は、1980 年代にマイクロプロセッサが開発された方法と同様の開発経路をたどっているようです。処理は、汎用プロセッサ、メモリ、シリアル インターフェイス ペリフェラル、パラレル インターフェイス ペリフェラルなど、異なるタスクを処理する個別のデバイスから始まります。これらは最終的にデバイスタスクをシングルチップマイクロコントローラに統合し、特定のアプリケーション専用のマイクロコントローラへと進化しました。 AIoT も同じ道をたどると思われます。

現在、AIoT 設計では、汎用 AI アクセラレーションと AI ミドルウェアが補完されたプロセッサが使用されています。 AIアクセラレーションを搭載したプロセッサも登場し始めています。歴史が繰り返されるとすれば、AIoT の次の段階は、特定のアプリケーション向けにカスタマイズされた AI 強化プロセッサの進化となるでしょう。

カスタム デバイスが経済的に実行可能になるためには、さまざまな主題関連のアプリケーションにわたって共通の要件を満たす必要があります。こうした応用はすでに目に見える形で現れ始めています。これらのトピックの 1 つは予測保守です。産業機械の IoT センサーと AI を組み合わせることで、機器の故障の前兆となる振動や電流消費の異常なパターンをユーザーが特定できるようになります。 AI をセンサ​​ー デバイスのローカルに配置することの利点には、データ帯域幅と遅延の削減、デバイスの応答をネットワーク接続から分離する機能などがあります。専用の予測メンテナンス AIoT デバイスは、大きな市場に貢献します。

2番目のトピックは音声制御です。 SiriやAlexaなどの音声アシスタントの人気により、消費者は幅広いデバイスにわたる音声制御機能を求めています。専用の音声制御 AIoT デバイスは、帯域幅と遅延の問題に対処し、不安定な接続時の機能性を確保するのに役立ちます。今日、このタイプの機器の潜在的な用途の数は驚くほど多くなっています。

特殊な AIoT デバイスについては、対処すべき潜在的なトピックが他にもあります。産業安全や建物管理のための環境センシングもその一つです。化学プロセスの制御も別の問題です。 3番目は自動運転車システムです。 4番目のタイプは、特定のターゲットを認識するカメラです。今後もさらに多くのことが起こることは間違いありません。

AI技術は今後も存在し続けると思われ、処理技術と同様に、開発の次のステップは主要市場向けの専用デバイスの開発となるでしょう。これとは別に、業界では、アプリケーションに応じてカスタマイズできる構成可能な AI アクセラレータが開発される可能性が高く、これにより、AIoT のメリットがより多くの小規模な市場に効果的に適用されるようになります。

克服すべき技術的な課題はまだ数多く残っています。デバイスのサイズと電力消費は常にエッジでの問題であり、AI はこれらの問題に対処するためにさらに多くのことを行う必要があります。 AI を使用する場合、開発ツールによってアプリケーション開発の作業がさらに簡素化されます。開発者は、アプリ開発の代替アプローチとして AI についてさらに学ぶ必要があります。しかし、歴史が示すように、これらの課題はすぐに克服されるでしょう。