最近、AIoTというワードやAI × IoTというキーワードが良く聞かれるようになっています。実際、このAIとIoTの二つは親和性が高く、組み合わせることで、これまでよりも高度なプロジェクトが実現できるようになっています。

この記事ではAIとIoT、この二つに注目すべき理由について紹介します。

(AIoTはシャープ株式会社の登録商標です)

センサーのデータをエッジで処理する

IoTとはその名の通り、Internetを使うものですが、すべてのデータをクラウドにアップロードするのはデータ量、ネットワーク負荷の両面から見て現実的ではありません。数値データであればまだしも、画像や動画といったデータは数MBにもなります(解像度によってはもっと大きいサイズでしょう)。それを常にアップロードし続けるのはネットワーク帯域を使いすぎ、運用コストを跳ね上げます。

そこで最近ではエッジ(IoTデバイス)側で処理するのが主流になっています。IoTデバイスも数年前に比べて高性能になっており、処理するのに時間がかからなくなっています。その結果、IoTデバイス上でデータを処理判定するプログラムを実行できるのです。

センサーのデータは柔軟性に富む

その際問題になるのがプログラムの内容です。IoTではデジタルデータではなく、周囲の環境から取得される連続的なアナログデータが対象になります。閾値を決めて、ある値以上ならアラートを出す、というのであれば単純でしょう。しかしカメラの映像データから特定のオブジェクトを探すような場合、その判定プログラムを書くのはとても大変です。そして、そういった場面においてAI/機械学習が役立ちます。AI/機械学習向けに作ったモデルはデータの特徴から判断を下します。そのため、多少のずれや回転、反転などは吸収して判断します。定常ではないデータに対して強い仕組みだと言えるでしょう。

一例

センサーデータを用いた未来予測

AI/機械学習の領域において良く行われるのが、未来のデータ値の予測です。天候などは0と1で突然変わるものではなく、気圧や気温、湿度などが徐々に変化していきます。それらのデータを収集する際にIoTデバイスのように大量に配置できるのは大きなメリットです。各デバイスから集められたデータを地図上にマッピングすることで、5分後の天候変化をより高い精度で予想できるようになります。

同様に海水温度を測定し、次の日や一週間後の温度を予測するという試みも行われています。海産、農業、牧畜などにおいて、天候変化を予測するのは大事なことです。そういった適宜取得されるデータを基に予測を行う際にもAI/機械学習は活用されています。

機械学習による局地気象予報の試み

遠隔地検査でもAI/機械学習

送電線の検査などは高所で行われる作業で、安全性やコスト面において改善が求められてきました。現在、ドローンを用いた検査が進められており、カメラの映像をリアルタイムに処理しています。この場合、傷を異常値として検出するモデルを利用しています。ドローンであれば空中から送電線を素早く検査できるので、作業コストの大幅な低減が期待できます。人の目では細かくチェックしなければ分からないものであっても、画像解析をAI/機械学習で行うことで精度の高い検査が可能になっています。

ASCII.jp:インフラ点検をドローンに置き換え、機械学習で異常箇所を発見

自動運転

現状の車でさえセンサーとコンピューターの塊と言えますが、レベル4〜5の自動運転を可能にするためにはさらに多くのデータをリアルタイムに処理する必要があります。カメラはもちろんのこと、距離センサーや位置情報などが使われます。それらは全天候型で動く必要があり、ネットワーク不要で動作しなければなりません。もちろんネットワークを介してデータはアップロードされ、交通情報などのデータを反映し、よりよいドライビングが行われるようになるでしょう。

自動運転の教室 | イノベーション | DENSO – 株式会社デンソー / Crafting the Core /

まとめ

IoTデバイスが高性能化するのにつれて、エッジで処理を行いたいと言うニーズも出てくるはずです。その時、従来のプログラミング方法ではコーディング量が増えたり、うまく判別できないという状態に陥ることがあるかも知れません。そうした時にはAI/機械学習を用いると、予想以上に良い結果がでることがあります。ぜひAIとIoTを組み合わせてみてください。


0 Comments

Leave a Reply

Your email address will not be published. Required fields are marked *