物理的な AI が私たちの家庭、職場、公共インフラに導入されると、変革的な効果がもたらされます。自動運転車両が街路を走るのが標準となり、工場や倉庫は完全に自動化され、人工知能をサポートするデバイスが手術や医療処置を支援し、さらに多くの知能が家庭用デバイスに組み込まれるようになるでしょう。
これが物理 AI の新たな重要性であり、Gartner は、物理 AI が今後 5 年間の組織の優先事項を形作る主要な戦略的トレンドであると特定しました。チャンスが大きいことは間違いありません。しかし、組織は自律型ロボットやドローン、自動運転車、産業オートメーションを大規模に導入する準備ができているでしょうか?
Cognizant の EMEA および APAC の IoT およびエンジニアリング担当副社長。
プロジェクト リーダーは、AI を人間と共存する物理空間に展開することは、抽象的なクラウド コンピューティング環境に AI を展開することとは大きく異なることに気づいています。物理 AI では、機械やシステムが周囲で何が起こっているかを認識し、コンテキストを解釈し、現実世界で自律的に動作する必要があります。
明らかな理由から、これらの展開は安全で信頼できることが証明される必要があります。これを成功裏に達成するには、リーダーは、エンドデバイスの制限、規制遵守、環境への配慮など、多くの現実的な複雑さを克服する必要があります。
これに加えて、プロジェクト リーダーは、運用間で物理 AI を拡張できることを上級リーダー チームに納得させる必要もあります。
そのためには、継続的な運用コストが管理可能であること、そして稼働時間の向上、エネルギーの最適化、従業員の効率性のいずれによっても明確な投資収益率が明らかであることを示す必要があります。これを実証できなければ、プロジェクトはパイロット段階を通過することはできません。
最初から AI を受け入れる
これらの課題に対処するためのリーダーの最初のステップは、物理的な AI ソリューションとその利点をプロジェクトの開始時に確実に考慮することです。組織が製品や運用環境の設計と開発の初期段階で人工知能を導入できなかった場合、問題が発生します。
これにより通常、ハードウェア、ファームウェア、アプリケーション、クラウド コンピューティングの間で断片化が生じ、技術的負債が蓄積し、収益が減少します。また、堅実な運用資産は、ワークフローの断片化、運用上のボトルネック、および次善のパフォーマンスをもたらします。
このような場合、新しいスマート消費者向けデバイス、工場のロボット工学、車載インフォテインメントなど、新たな商業機会が現れるたびに、組織がイノベーションや着手に苦戦しているのをよく目にします。
Gartner は、同社がいわゆる「AI 負債」を削減するために積極的なアプローチをとる組織は、今後 3 年間で最大 500% 早く成熟すると予測しています。
最終的な結論を許可する
クラウド AI 導入とは異なり、物理 AI では、組織はリアルタイムのエッジ推論と複数のコンピューティング層を組み合わせる必要があります。特定のソリューションは、コンピューティング能力、メモリ、消費電力、熱制限、フォームファクターなど、エッジデバイスで遭遇する多くの困難な制約を補うように設計する必要があります。
これらの制約により、通常、モデルのサイズ、更新頻度、ハードウェアの選択、推論戦略において意図的なトレードオフが強制されます。エッジ機能が進化し続けるにつれて、これらの制約にますます対処できるようになります。低電力 GPU と特殊な AI アクセラレータにより、ローカルで実行できるワークロードの範囲が拡大します。
モデルの圧縮や合成などの技術も、許容可能なパフォーマンスを維持しながら計算需要を削減するのに役立ちます。
非常に制限された環境では、分散エッジ アーキテクチャを使用して、特定のタスクを近くのデバイスにオフロードできます。これらの進歩により、インテリジェンスがどこで機能するかということはあまり重要ではなくなり、そもそもエッジ制約がどのように意図的に設計されるかが重要になりました。
これにより、信頼性が向上し、クラウド コンピューティングへの依存が軽減され、継続的な運用コストが削減されます。
シミュレーションを実行する
これらのエンドツーエンドのエンジニアリング ソリューションは、組織に概念実証を提供します。ただし、これらを拡張できるようにするには、プロジェクト リーダーはシナリオをテストし、運用への二次的な影響を理解する必要もあります。彼らは、生産を中断したり、安全性を損なったり、時期尚早に資本を投入したりすることなく、これを実現したいと考えるでしょう。
ただし、プロジェクト リーダーは、NVIDIA の Omniverse などの高度なシミュレーション プラットフォームを活用することで、投資を過小評価し、その決定を検証することができます。これにより、プラント、資産、ワークフローのデジタル ツインを作成できるようになり、チームは「もしも」のシナリオを検討できるようになります。
シミュレーションにより、チームはパフォーマンスを評価し、制約を早期に特定できます。たとえば、エネルギー集約型の環境では、チームは電力消費と持続可能性のトレードオフを評価できます。これにより、リーダーはコストを見積もり、資本投資を適切な規模にし、計画サイクルを加速し、共通の将来ビジョンに基づいて関係者を調整することができます。
自信を築く
シミュレーションの使用は、リーダーが早期に成功を実証するのに役立つ迅速な勝利を特定するのにも役立ちます。これは、テクノロジーが安全で信頼できることだけでなく、明確な投資収益率を提供できることの決定的な証拠となります。
これは、段階的なロールアウト計画の最初のフェーズとして機能します。物理 AI を使用する場合は、組織が段階的なアプローチを取ることをお勧めします。これにより、上級リーダー チームの間でプロジェクトに対する信頼を築き、プロジェクトを遅らせたり規模の拡大を妨げたりする可能性があるためらいを取り除くことができます。
さらに信頼を植え付けるために、プロジェクト リーダーは構造化された組織変更管理プロジェクトも同時に実行する必要があります。これにより、関係者と従業員は業務における物理的な AI の影響に備えることができます。
組織変革を主導する
物理的な AI プロジェクトで必要なスキル セットは、クラウド AI の導入で必要なスキル セットとは異なります。企業は、組み込みシステム、リアルタイム ソフトウェア、低レベル プログラミング言語に関するより深い専門知識を必要としています。その結果、人員の増強や組織体制の整備が必要となる場合があります。
このテクノロジーの導入を促進するには、物理的な AI がどのように価値を提供するのか、導入が個々の役割やプロセスにどのような影響を与えるのかを説明する、明確なコミュニケーション戦略も必要になります。展開プロセス全体を通じて、追加のトレーニングや継続的なサポートを提供することも必要になる場合があります。
物理的な人工知能はもはや未来の概念とは考えられません。すでに私たちの周囲の世界を変えつつあります。これにより、組織はイノベーションを起こし、より迅速に市場投入し、商業機会を活用できるようになります。また、運用ワークフローを合理化し、生産性を向上させ、コストを削減するのにも役立ちます。
ただし、組織がこれを活用して導入を加速したい場合は、特定のニーズに合ったソリューションを開発し、導入戦略をわかりやすくする必要があります。そうすることで、組織は通常、物理 AI を迅速に拡張し、より早くメリットを享受できることがわかります。
最適なAIツールを導入しました。
この記事は年に作成されました TechRadar プロの視点今日のテクノロジー業界で最も優秀な人材を紹介するチャンネルです。
ここで表明されている見解は著者の見解であり、必ずしも TechRadarPro または Future plc の見解ではありません。寄付に興味がある場合は、こちらで詳細をご覧ください: https://www.techradar.com/pro/perspectives-how-to-submit
