未来を変えるAIユースケース

AIは私たちの住む世界をどのように変えているのか？もしまだ気づいていないなら、衝撃を受けることになるだろう。仮想空間間でのアバターの移動から、データ・アーキテクチャの混雑緩和、自宅でのホログラム・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をエキサイティングな新時代へと前進させている。

我々はまだスタートレックのSFファンタジーの中に生きているわけではないが、それに近づきつつある。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、物体検出を用いたエッジ・コンピューティングがデジタル機器間のデータ伝送をどのように改善しているかを含む、斬新なAIの使用例について説明する。

それでは、2022年に新境地を開くと予想されるAIの活用事例をいくつかご紹介しよう。

フィットネスにおけるビジョンAI

2022年の物体検出はエキサイティングな展望であり、フィットネス業界ではすでに波紋を広げている。Mirrorと Tonalは、フィットネスでAIを推進して成功した企業の例であり、どちらもインタラクティブな家庭用デバイスを提供し、10,000以上のワークアウトをストリーミングして鏡に映し出すことができる。

フィットネスを趣味というより雑用と感じ、ジムに足を踏み入れたくないという人も多いだろう。しかし、Mirrorを使えば、自宅にいながら、スタンス検知によって、上達度やフォーム、その他の指標を追跡することができる。

この高度なアプリケーションは、Human Pose Estimation（画像やビデオ内の人体の部位や関節のポーズを予測するプロセス）を使用して、ビデオ上の人物の姿勢やポーズを批評します。

人間の箱から人を区別し、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の理解を深めることで、物体検出とは異なる。しかし、Human Pose Estimationとディープラーニングを融合させることで、Mirrorは何百万もの異なるワークアウトを分析することで、各エクササイズがどのように実行されるべきかの概念化されたモデルを持つことになる。

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。逸脱が検出されるとハイライト表示され、怪我のリスクを軽減し、パーソナルトレーナーなしでもより安全で最適なワークアウト方法を促進します。

フィットネスにおけるビジョンAIは、Mirrorのような革新的なアプリケーションを通じて、ここ最近すでに飛躍的な進歩を遂げている。

メタバースにおけるコンピュータ・ビジョンAI

マーク・ザッカーバーグがフェイスブックをメタバース（Metaverse）の略称であるメタ（Meta）にリブランディングして以来、この言葉は誰もが口にするようになった。しかし、メタバースとは一体何なのだろうか？要するに、メタバースとは、現実世界を拡張するデジタル領域を指す包括的な用語なのだ。

バーチャルなイベントやコンサート、ミートアップに参加することを想像すれば、正しいアイデアが浮かぶだろう。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、よりシンプルな「バーチャル」なインタラクションも含まれる。

明確な最終ゴールはないが、科学者たちは、コンピュータビジョンAI（視覚入力から価値ある情報を理解し、収集したデータに基づいて推奨事項を提供するようにコンピュータを訓練する人工知能分野）を使って、メタバースを可能な限り没入感のあるものにしようと山ほど動いている。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、相互運用性である。この空想的で少し威圧的な用語は、基本的に、ある仮想領域から別の仮想領域へアバターやデジタルアイテムをシームレスに転送するプロセスのことである。

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与えている。例えば、CTスキャンを受けると、大量のデータが処理され、収集され、医療データベースに保存される。

医師は、医療情報をデータベースに手入力することで、異なるアプローチをとる。そして、相互運用性を利用してこれら2つのデータ分析を統合し、病気の迅速な診断を行う。

エッジコンピューティングにおけるオブジェクト検出

世界はデータに溺れている。データは "新しい石油 "というレッテルを貼られているが、現実にはデータが多すぎると問題が生じる。すべてのデータが同じように作られているわけではない。収集されたデータを収集し、整理し、ふるいにかけることは、時間を食い潰す。

オブジェクト検出を用いたエッジ・コンピューティングは、データをメインのデータセンターからアーキテクチャのエッジに抽出するという、この重い負担から私たちを解放してくれた。しかし、エッジ・コンピューティングとは何であり、どのように機能するのだろうか？

メインのデータベースとの間でデータをやり取りする技術的な装置の軌道を想像してみてほしい。データベースが処理する情報量は膨大だ。データベースのスピード処理能力は妨げられ、パフォーマンスを低下させるラグや混乱を引き起こすだろう。

しかし、エッジ・コンピューティングでは、このデータの多くが周辺に広がることになる。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た分析モデルのトレーニングを担当させる。

各デバイスは、最も価値のあるデータの断片をフィルタリングすることで、重労働をこなし、その後、全体的な分析のためにメインデータベースに送られる。科学者が、研究がぎっしり詰まったプロジェクトを担当することを考えてみよう。すべての実験データを分析する代わりに、その責任を他の研究者に委ね、その研究者がまとめて報告するのだ。

ここで取り上げたAIの使用例は氷山の一角に過ぎません。しかし、さらにエキサイティングなのは、当社のMLデプロイメント・プラットフォームUltralytics HUB を使えば、ビジョンAIの驚異を利用することもできるということです。

AIコンピュータ・ビジョンを楽しみたいが、ノーコードがいい？

必要なのはアイデアだけだ。アイデアさえあれば Ultralytics HUBでモデルを作成し YOLOv5あなたのアイデアに命を吹き込みます。複雑なMLOPSはすべて私たち自身が行うので、コードを知らなくてもAIを楽しむことができます。簡単に始められ、最初のMLモデルを構築するのはさらに簡単です。

ビジョンAIで問題を解決

私たちのMLデプロイメント・プラットフォームは簡単に始めることができます。AIの経験がなくても大丈夫です。