行動AIはコンピュータビジョンをよりインパクトのあるものにしています

長年にわたり、コンピュータビジョンの革新はオブジェクト検出などのタスク、つまり画像や動画内の犬や車などのオブジェクトを識別することに集中してきました。こうしたアプローチにより、自動運転車、製造業、ヘルスケアなどの分野でアプリケーションが可能になりました。

しかし、これらのタスクは単に「それが何であるか」を特定することに終始しがちです。もしビジョンAIシステムが一歩先へ進めたらどうなるでしょうか。例えば、単に犬を検出するだけでなく、その犬がボールを追いかけていることや、歩行者が横断しているために車が急ブレーキをかけていることを理解できるとします。単純な認識から文脈の理解へのこのシフトは、よりスマートで文脈を把握できる行動AIへの大きな転換を意味します。

vision AIの進歩を祝うUltralyticsの年次ハイブリッドイベントであるYOLO Vision 2024 (YV24)では、The Main BranchのCEOであるDavid Scott氏による興味深い講演の中で、AI駆動型行動分析の概念が中心的な話題となりました。

講演の中でDavid氏は、基本的なコンピュータビジョンのタスクから行動トラッキングへの移行について探求しました。最先端の技術アプリケーション構築において25年以上の経験を持つ同氏は、この飛躍がもたらす影響を実演しました。同氏は、パターンと行動を解読することが、いかに農業や動物福祉といった業界を再構築しているかを強調しました。

この記事では、Davidの講演のハイライトをたどりながら、行動追跡がどのようにAIの実用性を高めているのかを探ります。

AI導入の課題を理解する#

David Scott氏は、自身の基調講演を大胆な現実確認から始めました。「私の同僚はよく『科学は売れない』と言いますが、科学を愛する私たちにとっては少しショックな言葉です。AIは非常にクールなのに、なぜ人々はそれを買ってくれないのでしょうか。しかし現実は、人々は私たちがクールだと思うからという理由だけで購入するわけではなく、購入するための理由を必要としているのです」と述べました。

同氏の企業であるThe Main Branchでは、AIの能力を誇示するだけでなく、AIによって現実世界の問題を解決することに常に焦点を当てていると彼は説明しました。多くの顧客がAIの一般的な活用方法について相談に訪れますが、彼はそれを逆のアプローチ、つまり問題のない解決策を持っているようなものだと捉えています。そうではなく、実際に違いを生み出すAIソリューションを作成できるように、具体的な課題を持つ顧客と協力して取り組んでいます。

図1. YV24のステージ上のDavid Scott氏。

David氏はまた、彼らの仕事は単にシーン内の物体を認識することにとどまらないと共有しました。「何があるか」を見つけるのは最初のステップに過ぎません。真の価値は、その情報をどう活用するかを考え出し、より大きなバリューチェーンの中で有用なものにすることから生まれます。

行動トラッキング技術：アクションにつながるAIの鍵#

AIを真に有用なものにするための重要なステップは、オブジェクト検出のような基本的なコンピュータビジョンタスクの先へ進み、それらの洞察を行動追跡に活用することです。David氏は、行動単体の識別だけでなく、行動やパターンの理解に焦点を当てることが行動AIの特徴であると強調しました。これにより、AIは意味のあるイベントを認識し、実用的な洞察を提供できるようになります。

彼は、動物が床の上で転がっている例を挙げました。これは病気の兆候である可能性があります。人間が24時間体制で動物を見守ることはできませんが、行動追跡機能を備えたAI駆動型監視システムであれば可能です。このようなソリューションは、オブジェクトを継続的に監視し、特定の行動を検出し、アラートを送信して、タイムリーな対応を可能にします。これにより、生データが実用的で価値のあるものに変わります。

David氏はまた、このアプローチがAIを単に興味深いものではなく、真に影響力のあるものにすることも実演しました。行動の監視やそれに基づいた対応など、現実の課題に対処することで、行動トラッキングはさまざまな業界において効果的なAIソリューションの重要な一部となり得ます。

行動AIを実現する#

次にDavid Scott氏は、コンピュータビジョンモデルであるUltralytics YOLOv8が、チームの行動追跡プロジェクトにとって画期的な存在であったことを示しました。これにより、オブジェクトの検出、分類、追跡のための確固たる基盤が得られました。また、彼のチームはさらに一歩進んで、時間をかけて行動を監視することに焦点を当てたカスタムトレーニングされたYOLOv8を作成し、現実世界の状況に対してより実用的で有用なものにしました。

興味深いことに、Ultralytics YOLO11のリリースにより、The Main Branchが作成したようなソリューションは、さらに信頼性と精度を高めることができます。この最新モデルは、精度向上や高速化などの機能を提供し、行動を追跡する能力を強化します。これについては、行動AIが活用できるアプリケーションについてより深く理解した後に、さらに詳しく説明します。

続いて、David氏が語ったソリューションと、行動トラッキング技術が日常の課題を解決し、有意義な影響を与えるために現実世界のアプリケーションでどのように利用されているかを探ります。

AI主導の行動分析を活用したHerdSense#

まずDavid氏は、彼らが取り組んだエキサイティングな課題として、大規模な飼育場で数千頭の牛の健康状態を監視する「HerdSense」プロジェクトを共有しました。目的は、個々の牛の行動を追跡し、潜在的な健康問題を特定することでした。これは数万頭の動物を同時に監視することを意味し、決して単純なタスクではありませんでした。

図 2. 行動AIを使用して牛を監視および識別することに焦点を当てたHerdSense。

各牛を識別しその行動を追跡するという問題を解決し始めるため、David氏のチームは2日間のワークショップを実施し、監視する必要があるあらゆる行動を洗い出しました。合計で200以上の行動が特定されました。

200の行動のすべては、個々の牛を正確に認識できるかどうかにかかっていました。すべてのデータは特定の動物と関連付けられる必要があったからです。大きな懸念事項の一つは、牛が集団で密集した際に個々の動物を確認することが困難になる点でした。

David氏のチームは、難しい状況であっても各牛を一貫して識別できるよう、コンピュータビジョンシステムを開発しました。視界から消えたり、他の牛と混ざったり、再び現れたりした場合でも、常に同じ牛に同じIDを割り当てられることを確認できました。

コンピュータビジョンを使用した馬の健康監視#

続いてDavid氏は、馬を監視するために同様の行動追跡技術を適用したもう1つの魅力的なプロジェクトを紹介しました。このプロジェクトにおいて、David氏のチームは、牛の場合ほど個々の馬のIDを厳密に追跡する必要はありませんでした。代わりに、特定の行動に焦点を当て、摂食パターンや一般的な活動レベルなどの詳細を追跡して、健康上の問題を早期に発見しました。行動のわずかな変化を特定することで、より迅速な介入につながり、より良いケアを提供して問題が深刻化するのを防ぐことができます。

図 3. 行動AIの助けを借りて馬を監視する。

なぜ行動AIは見た目ほど単純ではないのか#

David氏はまた、興味深い例を通じて行動追跡の複雑さについて議論しました。行動分析を改善する方法を研究している際、彼のチームは、ポケットに手を入れるなどの特定のポーズを分析することで万引きを検出すると主張する企業に出会いました。一見すると、これは賢いアイデアのように思われました。特定の動きが不審な行動を示唆している可能性があるからです。

図 4. 行動追跡技術の課題を理解する。

しかし、David氏が深く探求するにつれ、この手法の限界に気づきました。ポケットに手を入れるといった単一のポーズは、必ずしも万引きを意味するわけではありません。単にリラックスしている、考えている、あるいは単に寒いだけかもしれません。孤立したポーズに注目することの問題点は、より大きな文脈を無視していることです。行動とは単なる一つの動作ではなく、文脈や意図によって形作られる時間の経過に伴う動作のパターンなのです。

David氏は、真の行動トラッキングははるかに複雑であり、包括的なアプローチが必要であると強調しました。それは、一連の動作を分析し、全体像の中でそれらが何を意味するかを理解することです。AI業界は進歩していますが、有意義かつ正確な知見を提供するためには、行動トラッキングをさらに発展させる必要があると彼は指摘しました。

行動を理解するよりスマートなビジョンAIモデルの構築#

続いて、デビッドは聴衆を舞台裏に案内し、Ultralytics YOLOv8とその姿勢推定機能の助けを借りて、チームがどのように牛の健康状態を監視するコンピュータビジョンソリューションを構築したかを紹介しました。

彼らはまず、牛のポーズ推定用のカスタムデータセットを作成することから始め、キーポイントの標準数を17から145に増やして、モデルの動き分析能力を高めました。次に、モデルは200万枚以上の画像と1億1000万件の行動例を含む膨大なデータセットでトレーニングされました。

高度なハードウェアインフラストラクチャを使用することで、David氏のチームは従来のハードウェアでは数週間かかるモデル学習をわずか2日で完了させることができました。学習済みのモデルは、複数のビデオフレームを同時に分析して牛の行動パターンを検出するカスタム行動トラッカーと統合されました。

その結果、食べる、飲む、横たわるといった8つの異なる牛の行動を検出・追跡し、健康上の懸念を示す小さな行動の変化を特定できる、ビジョンAI主導のソリューションが完成しました。これにより、酪農家は迅速に行動を起こすことができ、群れの管理が改善されます。

行動AIの今後の展望#

David氏は、聴衆への重要な教訓を共有して講演を締めくくりました。「もしAIに失敗する余地を与えないのであれば、それは失敗を招いているのと同じです。なぜなら、結局のところAIは統計的なものだからです」。同氏は、AIはその強みにもかかわらず完璧ではないと指摘しました。それはパターンから学習するツールであり、常に正しく動作しない時があるものです。そうしたミスを恐れるのではなく、それに対処し、時間をかけて改善し続けるシステムを構築することが重要です。

コンピュータビジョンモデル自体に関しても同様です。たとえば、Ultralytics YOLOモデルの最新バージョンであるUltralytics YOLO11は、YOLOv8と比較して次のレベルへと引き上げる必要性を念頭に置いて構築されています。

図5. Ultralytics YOLO11がサポートするコンピュータビジョンタスク。

特に、Ultralytics YOLO11は、農業やヘルスケアのように精度が鍵となるリアルタイムアプリケーションにおいて、より優れたパフォーマンスを提供します。高度な機能を備えたYOLO11は、革新的なリアルタイムの洞察を提供し、業界がより効果的に課題に取り組むのを支援することで、AIの利用方法を再定義しています。

重要なポイント#

YV24でのDavid氏の基調講演は、AIが単なるクールな革新ではなく、現実の課題を解決し、私たちの生活や働き方を改善するための強力なツールであることを再認識させるものでした。行動に焦点を当てることで、AIはすでに動物の健康状態の追跡や、日常的な動作における有意義なパターンの認識といった分野で影響を与えています。

行動AIの可能性は刺激的であり、私たちはまだ始まったばかりです。生のデータを実行可能な知見に変換することで、行動AIは受動的な監視から能動的な問題解決へとシフトします。今後さらに発展していく中で、行動AIはよりスマートな意思決定を促進し、プロセスを効率化し、私たちの生活に有意義な改善をもたらすでしょう。

AIとその現実世界の応用について詳しく知るために、私たちのコミュニティにつながりましょう。私たちのGitHubリポジトリにアクセスして、農業におけるAIや製造業におけるコンピュータビジョンなどの分野における革新を発見してください。