AIoTは次なる巨大なエンジニアリングのフロンティアである

Webやモバイル開発は成熟している。クラウドインフラはコモディティ化している。経済的需要の高い困難な課題を見つけたいのであれば、物理世界に目を向けるべきだ。

AIoTは、人工知能（AI）とIoTインフラを組み合わせたものである。この分野はまだスケールし始めたばかりだ。WebやバックエンドからAIoTへ移行する場合、これまでの前提が通用しなくなるだろう。

接続性は決して保証されない。 Web開発では、APIコールが成功することを前提とする。しかし工場では、デバイスが1時間オフラインになることもある。ローカルバッファ、欠落したタイムスタンプ、センサーエラーに対処しなければならない。モデルは、こうした混乱の中でも意思決定を下す必要がある。

データ品質はエンジニアリング上の課題である。 産業用センサーのデータは「汚い」。センサーは時間の経過とともにドリフトする。電磁干渉がスパイクを引き起こす。ファームウェアのバグがエラーコードを偽の読み取り値に変えてしまうこともある。AIがデータに触れる前に、パイプラインに防御策を組み込んでおく必要がある。

リスクもより高い。 ウェブサイトでの誤ったレコメンデーションは、クリックの損失で済む。しかし、工場での誤ったアラートは、作業員の負傷や大規模な機械のダウンタイムを招く可能性がある。これにより、信頼性と故障モードに対する設計のあり方が変わる。

完全なAIoTシステムには、5つのレイヤーの習得が必要である：

  • Edge: 電力やメモリが限られたマイクロコントローラ上でモデルを実行する。
  • Connectivity: 信号の途切れに対処しながら、MQTT、LoRaWAN、Zigbeeなどのプロトコルを管理する。
  • Data: 時系列データベースを使用して、膨大なセンサー読み取り値のストリームを管理する。
  • AI/ML: 疎なデータでモデルをトレーニングし、乱れた視覚環境に対処する。
  • Application: 最新のダッシュボードを、数十年前の産業システムと統合する。

ここでの課題は、深い専門知識を持つ者に報いてくれる。長期間の停止後のデータの整合性を取ることや、熱や振動といった異なる種類のセンサーを統合することなどの課題に直面するだろう。

エンジニアリング市場は希少性に報いる。エッジAIとハードウェア・ソフトウェアの統合をマスターした開発者は、競争が極めて少なく、需要が非常に高い状態になるだろう。

物理世界は知能レイヤーを獲得しつつある。早めに参入すべきだ。

IoTやエッジAIに関するあなたの経験は？最も困難だったアーキテクチャ上の課題は何ですか？

出典: https://dev.to/assettechinsights/aiot-is-the-engineering-frontier-most-developers-havent-seriously-considered-heres-why-thats-49ed

オプションの学習コミュニティ: https://t.me/GyaanSetuAi