近年様々な場面でDX 化やスマートシティといった、業務・生活をより便利にする動きが活発になっていることから“ IoT” 技術を取り入れた製品が増えています。
そんな“IoT” ですが、“予測 AI” を組み合わせることで更なる効果が期待できます。
このカタログについて
| ドキュメント名 | 未来を読み解く予測AI×IoT。活用例と今後の展開 |
|---|---|
| ドキュメント種別 | ホワイトペーパー |
| ファイルサイズ | 1.1Mb |
| 取り扱い企業 | 株式会社リョーサン (この企業の取り扱いカタログ一覧) |
この企業の関連カタログ
このカタログの内容
Page1
未来を読み解く予測AI×IoT。活用例と今後の展開
Page2
未来を読み解く予測AI×IoT。活用例と今後の展開
近年様々な場面でDX化やスマートシティといった、業務・生活をより便利にする動きが活発になっ
ていることから“IoT”技術を取り入れた製品が増えています。
そんな“IoT”ですが、“予測AI”を組み合わせることで更なる効果が期待できます。
2
Page3
未来を予測するAIとは？
未来への予測は、数千年にわたり人々を魅了してきました。紀元前約700年頃のユダヤ人の預言者を始めとして、古
代バビロンで占い師、ギリシャでは巫女の存在がありました。
その一方で、20世紀半ば以降に唱えられた有名な下記語録を見ても、20世紀になっても予測は全く当てにならな
かったことが分かるかと思います。※1
・将来のコンピュータの世界市場は5台ぐらい（1943年）
・将来のコンピュータの重さは1.5トンを切るぐらいになる（1949年）
・誰もが家にコンピュータを持ちたがる事はない（1977年）
※¹Hyndman, R.J., & Athanasopoulos, G. (2021) Forecasting: principles and practice, 3rd edition, OTexts: Melbourne, Australia. OTexts.com/fppjp. Accessed on 2024.1.29.
3
Page4
未来を予測するAIとは？
しかし20世紀後半にAI（Artificial Intelligence）が登場したことによって、状況は激変しました。
AIは1956年のダートマス会議で初めて登場してから、1960年代の第1次、1980年代の第2次と、2度のブームと失
望がありました。それらを乗り越え、2010年頃から、「インターネットの普及に伴うビッグデータの拡大」「コンピュータの演
算処理能力の飛躍的な向上」により、第3次ブームが起きました。
現在では機械学習や深層学習などによって、画像認識や音声認識のみならず、文章生成や予測に至るまで、目覚
ましい成果を残せるのではと大きく期待されています。
4
Page5
予測AI × IoTがもたらす効果
“IoT”とは「Internet of Things」の略称で、「モノのインターネット」と表現されています。
普段身の回りで利用している家電製品等をインターネットに接続することで、相互に情報交換が可能になり、自動的
に判断や制御が行えるようになるほか、収集したデータを蓄積することで様々な用途への活用が期待されています。
例えば、近年のスマートエアコンでは外出先から遠隔操作できることに加え、温湿度の可視化や電気代の確認が可
能で、温度調整や省電力モードへの切り替えなどの判断材料として活用することができます。
また、“IoT”にて収集したデータを、“予測AI”によって相関性/類似性/規則性などの法則から解析することで、「この
機器はいつ頃故障しそうだ」などの判断、予測ができるようになり、業務の効率化や品質の向上に繋げられます。
5
Page6
予測AI × IoTがもたらす効果
すなわち“予測AI”と“IoT”は、上の図のように“ビッグデー
タ”を含めて、三角形の補完の関係にあると言えます。
IoTの機器が増えればビッグデータもどんどん蓄積されて
いきますので、ビッグデータを活用した予測AIの精度は、
より向上していくことが期待されます。そうするとユーザに対
する利便性も増していきますので、開発者、ユーザ、どち
らの観点においても恩恵を受けられるWin-Winの正のス
パイラルが生まれます。
また、接続される機器の種類も台数も増えることで、こ
れまで収集できていなかったデータが収集できたり、より短
期間のうちに膨大な情報が収集できる為、新たな価値を
生み出すサービスが期待できます。
6
Page7
予測AIのメカニズム
AIとは？
AIという用語自体定義が定まっておらず曖昧なものですが、おおまかに以下のように分類されます
7
Page8
予測AIのメカニズム
機械学習の基礎
機械学習とは、前述の分類で記載したように人が決めたパターン/ルールに基づいて学習するものですが、その中
はおおまかに「教師あり」「教師なし」に分類することができます ※半教師あり（強化学習）というのもあります。
教師あり学習
分類/分析/認識/予測などの目的のタスクを行う為の、「学習」という作業をするにあたり、教師データ（正解デ
ータ：Ground Truth）を事前に用意する必要があるものです。
与えられたデータを元に、そのデータがどのようなパターンになるのかを識別/予測することが可能になります。
＊正解データを用意する作業を、アノテーションと言います。（特に画像の場合に使われることが多いです。）
以下に教師あり学習の代表的な手法を示します
8
Page9
もっと詳しく知りたい方へ
弊社テクラボサイトの 『未来を読み解く予測AI×IoT。活用例と今後の展開』 をご覧ください。
クリックで対象ページに移動
9