データ量の増加が人工知能の成長を促進
人工知能（AI）は、様々な産業や分野において急速に普及しており、2019年もその傾向は続くと予想されています。Forbes誌は、マーケティングや販売以外にも、機械学習の新たな用途が今後1年間で様々な産業に広がると予測しています。AIアプリケーションの普及は、データの入手可能性と、利用状況やインタラクションデータを生成するコネクテッドデバイスの増加によって促進されています。Gartnerによると、 2019年には14.2億個のコネクテッドデバイスが使用され、2021年にはその総数が250億個に達し、膨大な量のデータが生成されると予測されています。
しかし、この膨大な量のデータの生成と分析にはコストがかかります。製品やデバイスには、イベントを収集・公開するために様々なセンサーを設置する必要があり、すべての製品やデバイスで導入するのは経済的に現実的ではない可能性があります。また、製品が完全に「配線」されている場合でも、センサーの誤動作のリスクがあり、収集されたデータに欠落や誤った値が含まれる可能性があります。さらに、一部の製品コンポーネントには、センサーの設置が物理的に不可能な閉鎖型サブシステムが含まれています。
また、自動運転車のように、多くのシナリオにわたる膨大な量のデータを生成・分析する必要があるユースケースも存在します。例えば、トヨタは、車両がレベル5の自動運転に到達するには14.4億キロメートルのテストが必要だと試算していますが、これは物理的なテストだけでは達成できません。つまり、ますます多くの製品やデバイスが接続されるようになったとはいえ、IIoT内で生成されるデータは、AIアルゴリズムを確実にトレーニングするために必要な品質と網羅性を備えていない可能性があるということです。では、この問題をどのように解決すればよいのでしょうか？そこで登場するのが、AIの新たなパートナーであり、データ天国で結ばれた存在、デジタルツインです。
デジタルツインとは？
デジタルツインは、物理的な製品の仮想表現であり、4つの特徴を備えています。まず、製品定義、3Dモデル、物理ベースのメカニクスといったデータが含まれており、これらは正確なデジタルツインを作成するために必要なものです。デジタルツインの作成時に考慮される定義が包括的であればあるほど、現実世界の製品の動作をよりリアルにシミュレートし、予測することができます。また、ユーザーやAIによって生成された入力データも、デジタルツインを駆動するための触媒として必要であり、これにより分析に使用できるデータが生成されます。
デジタルツインの2つ目の特徴は、ツイン化された物理資産の仮想表現が含まれていることです。これにより、人々は遠隔地からその状態や履歴を把握し、操作することができます。図1に示されている三角形の3つ目の点は、デジタルツインによって理解と予測が可能になることを示しています。最終的に、デジタルツインは、様々な状況や環境条件下での物理オブジェクトの動作を理解し、将来の動作を予測できるようにするために作成されます。最後に、デジタルツインは、設計段階の効率化に役立つデジタルプロトタイプの作成、営業およびマーケティングプレゼンテーションでのソリューションの視覚化、機械操作の最適化に至るまで、製品ライフサイクル全体にわたってメリットを生み出す能力を備えています。
デジタルツインがAI開発に役立つ3つの方法
では、デジタルツインは、AIアルゴリズムの効果的な学習を阻害する不完全、ノイズ、または欠落したデータの問題をどのように解決できるのでしょうか？そのためには、デジタルツインは現実世界の製品とその環境を物理法則に基づいて正確に表現する必要があります。また、シミュレーションをリアルタイムで実行し、製品の動作に関する有意義かつタイムリーなデータを生成できる必要があります。このレベルの速度と精度が達成されれば、デジタルツインによって生成されたデータは、様々なシナリオにおけるAIアルゴリズムの学習に活用できるようになります。
1. 支援システムまたは安全システムの開発
例えば、自律走行車や遠隔操作車の近くの歩行者や物体を検出するなどです。デジタルツインは、トレーニングデータの生成や、トレーニング後に様々なシナリオで使用できるテストソリューションの作成に活用できます。
2. サブタスク自動化の開発
例えば、機械学習とシミュレーションの再現性を組み合わせて、ニューラルネットワークを特定のタスクに訓練することができます。例えば、掘削、運転、コンテナの取り扱いといった作業プロセスのシナリオを繰り返し実行することで、機械や車両の自律操作や支援操作を可能にすることが挙げられます。
3. フィールドデータの拡張
例えば、十分なトレーニングデータを生成できない少量生産の機械や部品、あるいはセンサーの配置が物理的に困難であったり経済的に望ましくない領域などです。機械や部品の物理ベースのデジタルツインを使用することで、その動作を高精度にシミュレートし、現実世界では取得できないデータポイントを生成することができます。
新たな機会
デジタルツイン技術とAIを組み合わせることで、遠隔または自律的な機械操作や予知保全といった、刺激的な新技術開発を実現できます。デジタルツインはAIのトレーナーのように、シナリオを繰り返し実行し、AIが学習するためのデータを生成します。これら2つの高度に補完的な技術トレンドの組み合わせはまだ初期段階ですが、その成果は有望視されています。特に、物理学に基づくデジタルツインアプローチと組み合わせることで、AIを特定の学習目標に集中的に適用することが可能になります。
デジタル ツインが AI や自律マシンの開発にどのように役立つかについて詳しく知りたいですか?
Silo.AIのAIエキスパート、ヴィレ・フルッコ氏を招いたウェビナーをご覧になり、これら2つのテクノロジーがどのように連携できるかについて詳しく学びましょう。ウェビナーの録画はこちらからご覧いただけます！