メディア 私たちの日常生活において、「」という言葉を聞くことを避けることがますます難しくなってきています。人工知能（AI）'と'機械学習（ML）産業界でも学術界でも。これらのテクノロジーは私たちの日常生活に入り込み、経済のほとんどの分野を変革し、新しい知識と実践の領域を構築し、人類の歴史に新時代の到来をもたらしています。しかし、急速に進化するこれらの形態の知性がアカデミーの内外でより目立つようになったとしても、その不正確な定義、その様式や適用範囲に関する曖昧さにより、完全な理解が妨げられています。この記事は、これらの新しいテクノロジーを明確にし、相互に区別し、その広範な影響について概説することを目的としています。

1. IoTの世界におけるAI/ML

人工知能 (AI)、機械学習 (ML)、 インターネットのもの（IoT） は複雑にリンクしており、一緒になって強力な 3 つの要素を表し、新たなイノベーションの波をもたらします。このトリオは、新世代のスマートで自己調整および自己最適化する自律型製品と機械を実現し、それが製造業からヘルスケアに至るあらゆる分野を破壊し、変革させています。 AI、ML、IoT 間のつながりは自然なものです。

• データ駆動型インテリジェンス:

このデータの生成元は、交通ネットワークやキッチン家電などのさまざまな状況で、日常の物体に埋め込まれたセンサーやスマート デバイスです。データを処理、変換、分析し、実用的な情報に変えるための計算インテリジェンスを提供するのは、AI と ML の力と優れた能力です。 IoT はデータ収集層を形成し、AI と ML は計算脳を構成する分析エンジンを表します。

産業界ではIoTデバイス 設備や機械の追跡センサー。 ML アルゴリズムは、現在のデータと過去のデータの間のリンクを特定し、機械や機器の故障、メンテナンスの必要性、その他の問題を予測できます。プロセス全体は継続的であり、ML アルゴリズムは IoT デバイスからのリアルタイム データに基づいてマシンの状態を予測できます。たとえば、オイルレベルが低下していたり​​、過度の振動があった場合、システムは潜在的な機械の故障を予測できます。このように、予知保全により、人件費を大幅に増加させることなく、ダウンタイムを最小限に抑え、材料費を削減できます。

• 強化されたユーザー エクスペリエンスとパーソナライゼーション:

これらの消費者向けアプリケーションの例は、ユーザーの対話や好みに関する情報を収集する IoT デバイスに見られます。たとえば、スマート ホームの使用方法を分析することで、AI がユーザーの行動に基づいて照明と温度を制御し、機械学習アルゴリズムにより、ユーザーがスマート ホームを使用し続ける場合の予測努力が時間の経過とともに向上します。フィットネス トラッカーは、ML アルゴリズムを使用して、健康に関する推奨事項をパーソナライズすることもできます。

• 自律的な意思決定:

AI と ML を使用すると、IoT デバイスはリアルタイム データに基づいて自律的な決定を下し始めることができます。たとえば、自動運転車 (IoT デバイスのエコシステム) は、ML を使用してセンサー データを理解し、路上で瞬間ごとにどのような運転操作を行うべきかを決定します。私たちの家庭やオフィスでは、エネルギー グリッドが AI を使用してグリッド負荷のバランスをとり、リアルタイムで提供される IoT データに基づいてエネルギー分配をインテリジェントに最適化します。

• セキュリティ強化：

セキュリティとサイバー攻撃 IoTネットワークに侵入する可能性があります。 AI と ML はセキュリティ レーダーのように機能し、IoT ネットワークの状態や IoT デバイスによって生成されたデータの異常を検出して、攻撃が発生しているか、または攻撃が発生しようとしているかを判断できます。したがって、AI を活用したセキュリティによって IoT の安全性が向上します。これらのシステムは、ネットワークからのデータから常に学習し、採用する対策を更新できます。

• 運用効率：

ビジネスや製造において、IoT は多くの変数やパラメーターを入力し、ML アルゴリズムによって分析され、無駄の量を削減し、効率を向上させることで業務を最適化します。同時に AI を使用すると、より複雑な意思決定プロセスを自動化し、これにより運用パラメータをリアルタイムで最適化できます。

つまり、AI と ML は IoT に不可欠であり、賢いシステムは、学習、適応、決定のインテリジェントなエコシステムとして 3 つすべてを統合します。つまり、IoT のドライバーおよび将来のイノベーションの加速器であり、それ自体がスマートな規制によって支援されます。

2. AI と機械学習のデコード: 比較の概要

人工知能（AI）

人工知能は、人間の知性が必要と一般的に考えられているタスクを実行できるシステムを作成することを目的としたコンピューター サイエンスの分野、または学問分野とさえ言えるでしょう。その重要なマークの一部は、知能や学習などの概念の使用を中心に展開しており、これによって AI のタスク実行能力と人間の認知能力が関連付けられます。そのようなタスクの例には、人間の話す能力と共鳴する可能性のある自然言語の理解が含まれます。の パターン認識 – 人間の知覚能力と密接に関連しています。そして、知的好奇心旺盛な人間のために現実世界から描かれたパズルのように、予期せぬ困難とその解決策に関する容赦ない曖昧さと不確実性を伴う複雑な問題を解決する本質的に匹敵する能力。チャットボットはより狭い目的指向であるのに対し、AI には、コンピュータが「賢い」と言えるような方法で上記のタスクのいずれかを実行するコンピュータの能力が含まれている、というのが広く信じられています。これは、人間の知性の「知的模倣」または「模倣」と呼ばれることもあります。つまり、経験から学び、「賢く行動する」ことです。

機械学習（ML）

機械学習は、人間の入力や指導の必要性を回避し、データに基づいて学習、選択、予測を行うコンピューターの能力を体系化しようとする人工知能 (AI) の特に活発な分野に関係します。アルゴリズムは、データの根底にあるパターンを理解し、学習した内容に基づいて情報に基づいた選択を行い、今後も自律的に予測能力を段階的に向上させ続けることができるようになるまで、以前に収集されたデータセットに基づいてトレーニングされます。 ML の目的は、タスクごとに、介入なしで自ら学習する能力を向上させ、適応性を高めるために、データを活用できるプログラムを開発することです。

主な違い:

AI は人間と同じように問題を解決するインテリジェントなコンピューターを構築するためのものですが、ML はロボットがデータから学習して正確な予測を立てることを可能にします。

機能: マシンは事前に作成されたルールブックを使用します (多くの場合、システムは結果に基づいてルールを柔軟に「微調整」します)。一方、ML システムは、答えにつながる予期される入力のパターンクラウドに従います。

3. 彼らがもたらすもの: 機能とアプリケーション

AI の貢献:

人工知能は日常業務の自動化に非常に優れています。データ入力などの単純な作業であっても、意思決定に必要な隠れたプロセスであっても、効率と生産性を最大化します。

• 認知サービス:

認知サービス (言語理解、音声、視覚) のおかげで、コンピューターには人間とのより幅広い対話機能が備わっています。

• 意思決定：

AI システムは、過去と現在のデータを比較対照し、情報に基づいて接続し、一連の入力を合成することで、現在について有意義な結論に達することができます。

ML の貢献:

• 予測分析：

ML モデルは、過去のデータから傾向や行動を予測することに優れており、金融、医療、マーケティング分野などに応用できます。

• パターン認識：

最も成功した ML アプリケーションの 1 つは、サイバーセキュリティにおける異常な活動や診断医学における病気の明らかな兆候など、データに埋もれたパターンを認識することを学習することです。

• 個性化:

ML は、個々のユーザーが過去にサービスとどのようにやり取りしたかに応じてカスタム ユーザー エクスペリエンスを生成し、電子商取引、エンターテイメントなどのサービスを改善するために使用される可能性があります。

4. 相乗関係: AI と ML がどのように相互補完するか

その関係は相互支援でもあり、一方の科学がもう一方の初期の科学を改善し、情報を提供するためにフィードバックされ、その結果得られるシステムは時間の経過とともにより有能で認知的に強力になっていきます。 AIが主催者: 人工知能の分野は、原則として人間の知能の側面を示すことができる機械を構築するための全体的な目標とアーキテクチャを定義します。 ML はツールキットです: 機械学習の分野は、これらの機械がデータから物事を学習し、練習により向上し、意思決定を行うことを可能にする方法と技術を提供します。

• 学習機能の強化: つまり、人類の現実世界の「振動」に同調することが重要なのです。 AI システムは人間の知性によって情報を得るように設計されており、ML を使用すると、人間と同じように機械が経験から学習できるようになります。統計学習が機械と人間の橋渡しをするのであれば、ML にはある程度の可能性があります。データ駆動型システムは、「人間」の行動の新しい例 (例: 運転、他人とのやり取りなど) に直面したときに (人間が行うように) 「再調整」する方法を学習する必要があります。人間など）。

• データ主導の意思決定: AI において「賢い」ということは、「優れた意思決定者である」ことを意味します。 ML は、AI オブジェクトが瞬間ごとに行っていることに関する大量のデータを分析し、そのデータにどのようなパターンがあるかを把握するためのツールを AI に提供することで、AI の意思決定を迅速化する最善の方法についての (おそらく) 帰無仮説です。次に、分析とパターン認識を使用して（予測を行い）次の決定を下します。

• 予測力とパーソナライゼーション: 他の多くの点で、ML は、AI がユーザーに対して達成するように設計されているもの、つまりパーソナライズされたエクスペリエンスと結果の予測を可能にする効果的なツールです。 ML は、ユーザーが過去に行ったことに関するデータ ポイントを取得し、そのユーザーが最終的に何を行うかを予測するため、電子商取引 Web サイト、ビデオ ストリーミング サービス、またはカスタマー サービス プラットフォームのユーザーにパーソナライズされたエクスペリエンスを提供するのに優れています。 。

• 自律的改善: AI の概念の基本的な側面は、自律システムを設計する能力です。 ML はこれをさらに一歩進めたものであり、システムは自律的に動作するだけでなく、自律的にパフォーマンスを最適化するように設計されているためです (たとえば、起動後に取得されたデータから学習することによって)。未知の環境に対処する方法を「学習」する必要がある自動運転車などのシステムの場合、このような改善ループは不可欠です。複雑な。

• 問題解決: Aupiter AI は、すべての実際的な解決策が絶望的に​​複雑に見え、明白で簡単な道が暗礁に乗り上げているように見える、前述した現実世界の問題の計算空間における困難な問題に取り組もうとしています。 ML は、複数のモダリティ (例: ニューラルネット）現実世界の複雑さに一致し、現実世界でほとんど利用可能な非常に複雑で大部分が非構造化データを利用します。

この 2 つを組み合わせると、指数関数的に加速するテクノロジー エコシステムが得られます。そこでは、「帰納的」モデルを構築し、データから反復開発によって学習する ML の能力が、人間の知能をモデル化するという AI のさらに野心的な課題と連携できます。多種多様な複雑なタスクを習得し、イノベーションの境界を突破し、業界全体を加速できる、これまで以上にジェネラリストな「生成」システムを作成します。

5. 課題と倫理的考慮事項

AI や機械学習 (ML) のほぼすべての急速に進歩し、破壊的な可能性を秘めたテクノロジーでは、そのテクノロジーが世界をどのように変えるかについての懸念が、新興の急速に進歩するテクノロジーそのものとほぼ同じ速さで進化していることがすぐにわかります。これは前例のない問題です。AI および ML システムが効果的に動作するには大量のデータが必要であるため、データのセキュリティとプライバシーに関する懸念が生じます。より広範な倫理的懸念には、AI の設計におけるバイアスと公平性の問題 (つまり、アルゴリズムはバイアスのあるデータで早期にトレーニングされているため、バイアスのある結果が生成される可能性がある)、およびアルゴリズムによって実装された意図的な意思決定プロセスは人間の意思決定プロセスよりも解釈可能でオープンであるという問題が含まれます。 – 特に教育、医療、刑事司法のシナリオでは、透明性が決定そのものと同じくらい重要になる可能性があります。自動化プロセスでは仕事が失われ、従業員管理や従業員の再訓練戦略が切望されている状況などが発生するでしょう。実際、これは次のように言い換えることができます。 大きな心配事:

この取り組みの最先端では、原則を明確にし、AI および ML テクノロジーの設計と導入に関する標準を課すという声が高まっています。これには、企業、政策立案者、その他の利害関係者にわたる大規模なパートナーシップが必要となり、AI および ML テクノロジーが安全、公正、透明性を持って公共の利益のために開発および展開されるようにする必要があります。

6. 将来の展望：無限の可能性

もう一度言いますが、AI と ML における次のテクノロジー革命の頂点においても、同じことが当てはまります。患者は DNA の断層撮影スキャンに基づいて治療法を処方されるため、医療は変化します。私たちの都市生活世界は、インフラストラクチャ全体に展開された AI 駆動の ML タウンで再構築されます。

AI と ML を総合すると、テクノロジーが私たちの現実の大部分を支える、ますますシームレスで目に見えない未来が可能になります。何が彼らを隔てているのか、彼らが何を達成できるのか、そしてどこで壁にぶつかり続けるのかを知ることは、組織、政策立案者、そして一般の人々にとっても、今後数年のうちに同様に理解できるようになるだろう。これらのテクノロジーは依然として進化しており、まったく新しい世界が出現し、他の世界は消え去り、私たちの周囲の世界はまだ見え始めていない目を通して変化し続けるでしょう。 AI革命はまだ始まったばかりです。私たちの想像力が許す限り、可能性は無限です。

WeKnow Media のテクニカル ライター、Magda Dąbrowska による記事

以下またはTwitter経由でこの記事にコメントしてください。 @IoTNow_

• SEO を活用したコンテンツと PR 配信。 今日増幅されます。
• PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
• プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
• プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
• プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
• 情報源： https://www.iot-now.com/2024/02/02/142229-ai-vs-ml-decoding-the-technologies-shaping-our-world/