将来のAIアプリケーションには、より高速でスマートな通信インフラストラクチャが必要

将来のAIアプリケーションには、より高速でスマートな通信インフラストラクチャが必要

[[409599]]

インターネット接続が4Gから5Gへと高速化していく一方で、利用可能な帯域幅が限られているため、無線スペクトルが混雑しつつあります。さらに、通信会社はこれらのサービスを提供するために高額の料金を支払う必要があり、サービスプロバイダーの総所有コストが大幅に増加します。また、接続性が高まり、AI 主導の未来へと急速に移行する中で、平均的な消費者にとって手頃な価格でより高速な通信を求める需要の高まりも制限されます。

インダストリー 4.0、スマート ホーム、スマート シティなどのコンセプトは、相互に絶えず通信する、より高速でスマートな AI アプリケーションによって実現されます。効率的に運用するには、データを迅速に転送する必要があります。同様に、インターネット接続はできるだけ多くの人が利用できるように手頃な価格で提供されるべきです。しかし、携帯電話や RF 技術の限界を考えると、将来のニーズを満たすことができる他の形式のデータ伝送はあるのでしょうか?

はい。 LiFiは、手頃な価格でAI機能を搭載したスマートデバイス間の通信速度を大幅に向上できる技術として期待されています。 LiFi は、非常に高速にデータを送信できる可視光ベースの通信技術です。光源 (LED 電球など) を使用して変調された光パルスを放射し、データを送信します。光検出器は光信号を復調し、電子データに変換します。

WiFiや他のセルラー接続技術よりもLiFiを使用する利点

現在使用されているほとんどの携帯電話通信モードでは、データの送信に無線周波数波が使用されていますが、LiFi は通信技術の歴史における新しい革命的な章を表しています。これは、可視光スペクトルの広大な帯域幅を活用し、想像を絶する速度でデータを送信できるためです。 WiFi よりも LiFi を使用する主な利点は次のとおりです。

より高速

LiFi 伝送は、100 Gbps を超える超高速双方向速度を提供します。これにより、現在の最速 WiFi よりも 14 倍高速になります。 2015年、オックスフォード大学の研究者ドミニク・オブライエン教授とそのチームは、双方向速度224Gbpsを達成しました。 LiFi がさらに発展するにつれて、速度はさらに向上するでしょう。

低消費電力

LiFi を使用すると、LED 光源はより多くのデータを送信するために消費する電力が大幅に少なくなるため、エネルギー消費を削減できます。

所有コストが低い

この技術がより主流となり、LiFi エコシステムが出現するにつれて、LiFi ベースの通信の総所有コストが下がり、より多くの手段をカバーできるようになります。

簡単な導入

LiFi デバイスのインストールと削除は比較的簡単です。プラグアンドプレイデバイスとして使用できます。このプロセスは電球の修理や交換に似ています。

セキュリティ強化

LiFi は、送信信号が壁を通過できないため、リモート ネットワークのハッキングがほぼ不可能となり、高いレベルのセキュリティを実現します。

LiFiはより高速でスマートなAIアプリケーションを実現します

上記の利点により、LiFi はデータ転送に最適な媒体となります。これは、現在 WiFi テクノロジーが通信に使用されているあらゆる分野で応用できます。さらに、WiFi やその他の RF ベースの通信では現在はアクセスできない手段も開拓される可能性があります。応用分野は次のとおりです:

交通機関

LiFi は、車両同士だけでなく、標識や信号などの道路沿いのインフラの一部とも通信できる相互接続された交通インフラの構築に貢献し、より安全な運転環境を実現します。 LiFi は、交通機関、車車間 (V2V) 通信、車路間 (V2I) 通信の両方で使用できます。

車車間通信では、自動運転車がシームレスに通信できるため、車両衝突の削減に役立ちます。ヘッドライトとテールライトはデータ伝送源として機能し、車両の速度、制動距離、前方車両の進路上の障害物などの重要な情報を常に伝えます。これにより、車両間の状況認識が向上し、より安全な運転体験が実現します。

車両対インフラ通信では、車両は街灯、信号、標識、路面などのその他の改造されたコンポーネントなどの道路沿いの要素と常に通信しています。車車間通信と同様に、車車間インフラ通信も、さまざまなコンポーネントが常に相互にやり取りし、人間が反応するよりも速く迅速な判断を下すことができるため、事故の削減に役立ち、より安全な自動運転車のネットワークを実現します。例えば、信号が赤に変わりそうになると、接近する車両にデータを伝達し、車両に搭載された AI システムが自動的に車両の速度を落とします。その情報は後続車両に伝えられ、後続車両の速度も自動的に減速されます。これにより、信号無視やスピード違反による事故発生などの状況を回避することができます。

拡張現実/仮想現実/複合現実

企業、特に B2C 分野の企業は、LiFi テクノロジーを使用して、製品マーケティングのための没入感の高い魅力的なエクスペリエンスを作成できます。データ通信にLiFiを使用することで、没入型の体験ゾーンを開発できます。これにより、ユーザー エクスペリエンスを大幅に向上できるリアルタイムのフィードバックを提供できるようになります。たとえば、イベントや展示会では AR や VR 技術の台頭が見られます。出展者は、LiFi 技術を使用して触覚フィードバックなどのユーザー アクションに応じてリアルタイムのフィードバックを提供し、ゲーミフィケーション モジュールなどの魅力的でインタラクティブかつ没入感のある体験を作成できます。

インダストリー4.0

インダストリー 4.0 の台頭により、自律的に連携して動作する接続された AI 対応ロボットへの道が開かれます。 LiFi は、現在 WiFi システムで発生しているデータ転送の遅延を解消するのに役立ちます。データ転送速度が速いため、ロボット間で情報をリアルタイムに転送できるため、ロボットは同期して動作できるようになります。これは将来のスマート工場の生産性向上に役立ちます。

スマートホーム

LiFi はスマートホームの新しい時代を切り開きます。これにより、より高速で安全なホーム ネットワークが実現し、部外者がネットワークに接続して悪意のある活動を行うことができなくなります。 LiFi は AI スマート照明システムで使用でき、家庭内のさまざまな LED 光源がより迅速かつ効率的に相互に通信できるようになります。

同様に、他のスマート デバイスにも LiFi レシーバーを装備して、さまざまなデバイス間の通信チャネルを高速化し、ホーム オートメーションを新たなレベルに引き上げることができます。 WiFi と比較すると、LiFi は通信やデバイス制御のためのより優れたインフラストラクチャを提供し、照明源としても機能します。これにより、電力消費を大幅に削減できます。

私たちが AI 主導のハイパーコネクテッドな未来へと急速に移行しつつあり、現在の RF テクノロジーではデータ転送量に対応できず、速度要件にも対応できないことは明らかです。したがって、LiFi は現在のラストマイル通信ソリューションに取って代わる可能性があります。データ伝送において極めて重要かつかけがえのない役割を果たすことになります。

さらに、LiFi と人工知能の統合と開発は、未来の都市の創造、スマート シティが現在直面している課題の一部の緩和、さらには新しい応用分野の発見にも役立ちます。今必要なのは、LiFi テクノロジーの開発を加速し、それがすぐに主流となり、手頃な価格になることです。

<<:  注目の話題レビュー:人工知能市場規模は100兆元を超え、爆発的な成長を導く

>>:  ディープラーニングコンパイラについて知っておくべきこと

ブログ    

推薦する

孤独を研究していますか? Reddit のホットな話題: AI のゴッドファーザー、ヤン・ルカンが提案した「エネルギー モデル」とは一体何でしょうか?

「エネルギー自己教師学習っていったい何?」と多くのRedditネットユーザーがコメントした。ちょう...

Java 実装と読み取り/書き込みロック アルゴリズムの考え方

問題の背景: 複数のスレッドが共有リソースへの読み取りおよび書き込みアクセスを実行します。書き込みス...

5 つのコア コンポーネントで構成される AIoT は、3 つの大きな課題に直面しています。2 つのブレークスルー以外に何があるのでしょうか。

IoT と AI が徐々に融合するにつれ、AIoT は人々の生活をまったく新しい形で変えようとして...

ビッグモデルがAlibaba Cloudを救った!

執筆者 | Yan Zheng 「スピンオフ」によりアリババは再生し、ビッグモデルによりアリババクラ...

...

人工知能はセキュリティの優れた防御線である

2021年を迎え、私たちは新しい働き方や新しい労働環境に慣れてきました。多くの人は、デジタル通信手段...

AIのための大規模ストレージインフラストラクチャの要件

大規模な人工知能 (AI) により、容量とパフォーマンスの面でストレージ インフラストラクチャの水準...

魚眼カメラと超音波センサーの融合により、鳥瞰図による近距離障害物認識を実現

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...

ターゲット検出アルゴリズムにおける正長方形と不規則四辺形 IOU の Python 実装

交差対結合 (IoU) は、ターゲット検出で使用される概念です。ターゲット検出アルゴリズムをテストす...

Horizo​​nの最新作! Sparse4D v3: エンドツーエンドの 3D 検出および追跡タスクのさらなる改善 (SOTA が 2 倍!)

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...

...

Google Brain のディープラーニングと TensorFlow の過去と現在を分析

ディープラーニングの歴史において、ニューラルネットワーク方式が有効になり始めたのは1980~1990...

女神の若々しい姿が全開!テンセントのAIモデルGFPGANがGitHubのホットリストで1位に

[[440335]]この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI...

AIとIoT技術を活用したスマートホームの開発

[[436214]]パーソナライゼーションと自動化は、ユーザー エクスペリエンスの品質を向上させるた...

マイクロソフトの新しい AI テクノロジー: プロフィール写真を動かして感情を「伝える」

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式...