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。
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。
]]>