未来を変えるAI活用事例

AIは私たちが暮らす世界をどのように変えているのでしょうか。すでにお気づきかもしれませんが、驚く方もいるでしょう。仮想空間間でアバターを移動させることから、データアーキテクチャの混雑解消、家庭で使えるホログラムのフィットネスインストラクターの作成まで、人工知能はすでに私たちの暮らしを変えています。

まだ『Star Trek』のSFのような世界には暮らしていませんが、そこに近づきつつあります。以下では、フィットネスにおける物体検出技術、エッジコンピューティングにおける物体検出など、新しいAIの活用例を取り上げ、物体検出を伴うエッジコンピューティングがデジタルデバイス間のデータ伝送をどのように改善するかを考察します。

2022年に新たな可能性を切り開くと期待されるAIの活用例をいくつかご紹介します。

フィットネス分野のVision AI#

2022年の物体検出には大きな期待が寄せられており、フィットネス業界でもすでに注目を集めています。MirrorとTonalは、フィットネス分野でAIを推進する企業の成功例です。どちらも、1万種類を超えるワークアウトをストリーミングし、鏡に映し出せるインタラクティブな家庭用デバイスを提供し、健康と運動の向上を目指しています。

多くの人にとって、フィットネスは趣味というより面倒な作業であり、ジムに足を踏み入れることさえためらう場合があります。しかし、自宅でくつろぎながら、Mirrorを使って姿勢検出により進捗、フォーム、その他の指標を記録できます。

このアプリは、人間の姿勢推定を用いて、動画に映る人の姿勢やポーズを評価します。人間の姿勢推定とは、画像や動画内の人体の部位や関節のポーズを予測するプロセスです。

物体検出とは異なり、人間を人のボックスから区別し、機械学習アルゴリズムを通じて人間のボディランゲージを理解します。しかし、人間の姿勢推定とディープラーニングを組み合わせることで、Mirrorは何百万もの異なるワークアウトを分析し、各エクササイズをどのように行うべきかを示す概念モデルを構築しています。

運動中、アプリはアルゴリズムを使って関節の位置を比較します。位置のずれを検出して強調表示することで、けがのリスクを減らし、パーソナルトレーナーがいなくても、より安全で最適なトレーニングを促します。同じ考え方が、Ultralytics YOLOの姿勢モデルによるワークアウトのモニタリングを支えています。

Mirrorのような革新的なアプリケーションにより、フィットネス分野のVision AIは近年飛躍的に進歩しました。こうなると、2023年のフィットネス業界がどのような姿になるのか、気になります。

メタバースにおけるコンピュータビジョンAI#

Mark ZuckerbergがFacebookをメタバースの略称であるMetaに社名変更して以来、この言葉は誰もが口にするようになりました。では、メタバースとは何でしょうか。簡単に言うと、現実世界を拡張することを目的としたデジタル領域を指す包括的な用語です。

バーチャルイベントやコンサート、交流会に参加する場面を想像すれば、イメージしやすいでしょう。しかし、メタバースには、ソーシャルメディアにログインしてニュースフィードをスクロールするといった、より身近な「仮想」体験も含まれます。

明確な最終目標はまだありませんが、研究者たちはコンピュータビジョンAIを活用して、メタバースを可能な限り没入感のあるものにするため、懸命に取り組んでいます。コンピュータビジョンAIは、視覚入力から価値ある情報をコンピュータに把握させ、収集したデータに基づいて推奨事項を提示する人工知能の分野です。メタバースにおけるコンピュータビジョンAIの重要な要素は相互運用性です。この用語は、アバターやデジタルアイテムをある仮想空間から別の仮想空間へ移すプロセスを指します。

相互運用性における機械学習（ML）アルゴリズムは、すでに医療業界に力をもたらしています。たとえばCTスキャンを受けると、膨大なデータが処理、収集され、医療データベースに保存されます。

医師は別の手順で、医療情報を手作業でデータベースに入力します。相互運用性を使ってこれら2種類のデータ分析を統合し、迅速な病気の診断につなげます。

エッジコンピューティングにおける物体検出#

世界はデータであふれています。データは「新しい石油」と呼ばれていますが、実際には、多すぎるデータが問題を引き起こします。すべてのデータが同じ価値を持つわけではありません。収集したデータを集め、整理し、取捨選択する作業には時間がかかります。

物体検出を用いたエッジコンピューティングにより、メインデータセンターからデータを取り出してアーキテクチャのエッジに移すという大きな負担が軽減されました。では、エッジコンピューティングとは何で、どのように機能するのでしょうか。

メインデータベースとの間でデータを送受信する技術デバイスのネットワークを想像してください。処理すべき情報は膨大です。データベースの処理速度が低下し、遅延や中断が発生して、パフォーマンスが損なわれます。

しかし、エッジコンピューティングでは、こうしたデータの多くが周辺に分散されます。機械学習アルゴリズムは、各エッジデバイスに、ローカルに保存されたデータを使って分析モデルをトレーニングさせます。このアプローチは連合学習と呼ばれます。

各デバイスが大部分の処理を担い、価値の高いデータだけを絞り込んでメインデータベースに送信し、全体的な分析に役立てます。大量の調査資料があるプロジェクトに取り組む研究者を想像してください。実験データを一つ残らず分析する代わりに、ほかの研究者に作業を分担し、要約を報告してもらいます。

ビジョンAIは世界を変えつつあり、ここで取り上げたAIの活用例は、ほんの一部にすぎません。Ultralytics Platformを使って、ご自身でビジョンAIを活用することもできます。

ノーコードでAIコンピュータビジョンを楽しみたい方へ#

必要なのはアイデアだけです。Ultralytics Platformを使えば、Ultralytics YOLOで簡単にモデルを作成し、アイデアを形にできます。複雑なMLOpsはすべて私たちが担い、シンプルに利用できるようにしているため、AIを楽しむのにコードの知識は必要ありません。すぐに始められ、初めてのMLモデルもさらに簡単に構築できます。

Vision AIで課題を解決しましょう#

MLデプロイプラットフォームは簡単に始められます。AIの経験はまったく必要ありません。