IoTの「スマートな」海の変化を視野に入れて

予測分析の落胆した認識は、効果的なモデルをトレーニングするには、データモデルを継続的に構築、維持、改善するために、大量のデータと多数のデータサイエンティストの両方が必要であるということでした。アクセスとリソースの制約の障害に再び直面していました。

そして、物事が新しい方向にシフトしている現在に到達します。現在の違いは、モデルを構築するためにデータサイエンティストの軍隊を採用する必要がないことです。これらの障害のいくつかを自分たちで取り除くようにプログラムに教えました。

固有のインテリジェンス

AI駆動型システム、特にディープラーニングシステムは、数百万のトレーニングセットに数百万を供給し、数日/時間でトレーニングし、より多くのデータが利用可能になると継続的に再トレーニングできるようになりました。オープンソースツールとクラウドコンピューティングは依然として重要で進化しており、非常に高速な分析を実行するために大量のデータをトラフィックしますが、プログラムには現在、AIをエンジンとして組み込んで「よりスマート」にしています。

非常に異なるコンピューティング領域からの専門知識が固まり、これまで想像もできなかった機能をプログラムに吹き込みました。パラドックスは、クラウドがこれまで以上に強力で安価になるにつれて、スマートIoT戦略は、エントリー処理の最初のラインの多くをクラウドからエッジに移動することです。これには2つの目的があります。クラウドの介入を必要とせずにデバイス上の意思決定を可能にすることと、エッジパターンと分析をクラウドに提供して高速な第2段階の分析を行うことです。小さなAIエンジンは、マッチブック以下のエッジデバイスや「モノ」でほぼリアルタイムで分析を実行できるようになりました。そして、これらの計算能力のポイントが、インテリジェントルーターやゲートウェイ、自動運転車、リアルタイムの医療監視デバイスなどの通常のオブジェクトでますます一般的になるにつれて、それらの潜在的な機能は飛躍的に拡大します。

エッジの人工知能

IoT（別名M2M）の初期の頃は、可能な場合はデータをクラウドに取り込むことに重点が置かれていました。毎晩ログファイルをFTPで送信することが大流行しました。ゼネラルエレクトリックが「インダストリアルインターネット」の登場したとき、誰もがリアルタイムのライブデータ接続について話し始めました。これはFTPからの大きな飛躍でしたが、人々はエッジデバイスを分析のためにデータをクラウドに転送する単なる「もの」として扱いました。私たちは今、その考えから指数関数的な逆ファンの真っ只中にいます。リアルタイムの要件は、パラダイムを再定義しています。クラウドは現在、IoTサポートと第2層分析の役割に移行しており、処理はエッジに押し出されています。

たとえば、私たちは次世代の医療監視デバイスを開発している会社と協力してきました。当初、このような小さなデバイスでは、分析のためにデバイスからクラウドに生データを送信すると想定していました。しかし、それは望まれたことでも、起こったことでもありません。同社はモニターでの分析を望んでいました。彼らは、分析とパターン検出をデバイス上で直接実行し、デバイス上でアクションを実行し、「インテリジェント」な（生ではなく）データのみをクラウドに送信することを望んでいました。このモデルは、すべてが接続され、すべてのソースから入ってくるデータのバッチが収集され、中央リポジトリの設定されたタイムラインで処理される、標準の産業用M2M操作とは劇的に異なりました。

今すぐ接続する目的は、エントリのポイントで瞬時に正確な結果を取得して、すぐに回答できるようにすることです。数百万、数十億とまではいかなくても数十万のデバイスを使用する「従来の」クラウド処理に伴う低遅延でさえ、この新しいアーキテクチャを使用するほどリアルタイムのエッジ分析には効率的ではありません。場合によっては、分析とパターン対生データをクラウドに送信するだけで、1,000分の1のデータ削減を達成できます。