Loading article…
モノの人工知能（AIoT）は、人工知能（AI）技術とモノのインターネット（IoT）インフラストラクチャを組み合わせて、IoTの運用効率を高め、人間と機械の相互作用を改善し、データ管理と分析を強化します。[1] [2] [3]
2018年、KPMGは2040年までのシナリオを含むAIの将来に関する予測研究を発表しました。 [4]アナリストは、モノのコミュニティの各デバイスにも独自のAIが搭載され、自律的に他のAIにリンクして、一緒にインテリジェントにタスクを実行するというシナリオを詳細に説明しています。価値創造は、群知能を使用してリアルタイムで制御および実行されます。自動車、クラウド、医療、軍事、研究、テクノロジーなど、多くの業界が群知能の応用によって変革される可能性があります。
AIoT において重要な側面は、AI が何らかのモノで実行されることです。最も純粋な形では、これはデバイス、つまりエッジまたはエッジ コンピューティングで AI を実行することを意味し、外部接続は必要ありません。AIoT ではインターネットは必要ありません。これは IoT の概念の進化であり、比較はそこで終わります。
AIとIoTの融合により、エッジ分析、自律走行車、パーソナライズされたフィットネス、遠隔医療、精密農業、スマート小売、予測保守、産業オートメーションなど、幅広い業界分野で実現されていない顧客価値を引き出すことが期待されます。[5]
医療機器を通じた人工知能
2016年の21世紀治療法法の定義によれば、医療機器とは「人間や他の動物の病気やその他の症状の診断、または病気の治癒、緩和、治療、予防、あるいは人間や他の動物の体の構造や機能に影響を与えることを目的として」医療機能を果たす機器である。[6]
連邦食品医薬品化粧品法の下では、この定義に該当するすべてのAIシステムはFDAによって規制されています。医療機器は、その用途とリスクに基づいてFDAによって3つのクラスに分類されています。リスクが高いほど、管理が厳しくなります。クラスIカテゴリにはリスクが最も低いデバイスが含まれ、クラスIIIにはリスクが最も高くなります。[6]人工知能または機械学習（AI / ML）を利用する承認された医療機器は着実に増加しています。2020年までに、米国食品医薬品局（FDA）はAI / MLを利用した非常に多くの医療機器を承認しました。1年後、FDAはEU医療機器規制に加えて、AI / MLソフトウェアを使用する機械の規制フレームワークを発表しました。これはEU医療に代わるものです。[7]テクノロジーが進歩し続けるにつれて、医療分野の作業方法と診断方法が急速に増加しています。さまざまなAIアプリケーションは、診断と治療の選択、リスク予測の作成、病気の分類など、生産性を向上させ、医療ミスを減らすことができます。[8]
AI は、患者のデータ、電子健康記録、モバイル アプリを提供し、そのような技術を必要とする特定の患者にデバイスやセンサーへの容易なアクセスを提供することで、患者を支援します。患者のデータを保護する必要性は極めて高いです。データが臨床ケアに統合されるにつれて、電子記録を使用して患者データを隠すことはますます困難になります。患者にとって患者のデータへのアクセスは容易かもしれませんが、データ保護に対する懐疑心も生じます。
テクノロジーとAIが組み合わさることで、医療情報の管理と医療業界におけるテクノロジーの統合を改善する機会が生まれています。AIは、第三者による機密データへのアクセスの異常や疑いを認識するために実装されています。一方で、ディープラーニングシステムを実装するには、テクノロジーだけに頼ることはできないため、機密保持やその他の中核的な医療倫理原則を再考する必要があります。[6]
クラウドエンジニアリングにおける人工知能
AIをクラウドエンジニアリングに統合すると、複数の専門分野でデータ収集を最大化するのに役立ちます。デジタル管理を通じてパフォーマンスと効率を向上させることができます。
クラウドエンジニアリングは、クラウドコンピューティングに適用するエンジニアリング手法に従い、技術的なクラウドサービスに焦点を当てています。[9]クラウドコンピューティングシステムの構想、開発、運用、保守において、商業化、標準化、ガバナンスに対する体系的なアプローチを採用しています。その多様な側面には、開発エンジニアリング、ソフトウェアエンジニアリング、Web開発、パフォーマンスエンジニアリング、セキュリティエンジニアリング、プラットフォームエンジニアリング、リスクエンジニアリング、品質エンジニアリングからの貢献があります。[10]
AIを情報技術のフレームワークに実装して、スムーズな作業負荷を確立し、反復的なプロセスを自動化します。[11]これらのツールを使用すると、組織はより多くの集合データを開発し、時間の経過とともにデータの認識、分類、管理プロセスを統合することで、データをより適切に管理できます。
AI を利用することで、組織に効率をもたらし、戦略的な方法を導入し、繰り返しのタスクにかかる時間を節約できます。分析を実行することで、組織は時間を節約し、効率を高めることができます。
参照
参考文献
- ^ Ghosh, Iman (2020年8月12日). 「AIoT: 人工知能とモノのインターネットが出会うとき」. Visual Capitalist . 2020年9月22日閲覧。
- ^ Lin, Yu-Jin; Chuang, Chen-Wei; Yen, Chun-Yueh; Huang, Sheng-Hsin; Huang, Peng-Wei; Chen, Ju-Yi; Lee, Shuenn-Yuh (2019 年 3 月)。「心臓病検出のためのウェアラブルシステム向け人工知能」。2019 IEEE国際人工知能回路システム会議 (AICAS)。pp. 67–70。doi : 10.1109 /AICAS.2019.8771630。ISBN 978-1-5386-7884-8. S2CID 198932115 . 2020年9月22日閲覧。
- ^ Chu, William Cheng-Chung; Shih, Chihhsiong; Chou, Wen-Yi; Ahamed, Sheikh Iqbal; Hsiung, Pao-Ann (2019年11月). 「スポーツ科学におけるモノの人工知能：ウェイトトレーニングを例に」. Computer . 52 (11): 52–61. doi :10.1109/MC.2019.2933772. ISSN 1558-0814. S2CID 204818358. 2020年9月22日閲覧。
- ^ バリューチェーンを再考する。 AI、ヒューマノイド、ロボットに関する研究 - 人工知能: 2040 年までのビジネス応用と開発シナリオの可能性 (著者: Angelika Huber-Straßer、Marcus Schüller、Nils Müller、Heiko von der Gracht、Petra Lichtenau、Hannah M. Zühlke)。 KPMG、2018年、researchgate経由で2021年8月1日にアクセス。
- ^ Goja, Asheesh (2022 年 3 月 22 日)。「AIoT へのアーキテクト ガイド」。Cisco Tech Blog。Cisco。2022年3月 22 日閲覧。
- ^ abc Pesapane, Filippo; Volonté, Caterina; Codari, Marina; Sardanelli, Francesco (2018-10-01). 「放射線医学における医療機器としての人工知能：欧州と米国における倫理的および規制上の問題」Insights into Imaging . 9 (5): 745–753. doi :10.1007/s13244-018-0645-y. ISSN 1869-4101. PMC 6206380 . PMID 30112675. S2CID 52011834.
- ^ 「 医療機器」、Wikipedia、2022-07-26、2022-07-31取得
- ^ He, Jianxing; Baxter, Sally L.; Xu, Jie; Xu, Jiming; Zhou, Xingtao; Zhang, Kang (2019年1月). 「医療における人工知能技術の実用化」. Nature Medicine . 25 (1): 30–36. doi :10.1038/s41591-018-0307-0. ISSN 1546-170X. PMC 6995276. PMID 30617336 .
- ^ 「クラウドエンジニアリング」、Wikipedia、2021-08-27、2022-07-31取得
- ^ 「クラウドコンピューティング」、Wikipedia、2022-07-30、2022-07-31取得
- ^ 「クラウドコンピューティングにおける人工知能」www.datacenters.com . 2022年8月5日閲覧。