IoT に AI を組み込む ~ 最新技術と実践方法解説 AI08
IoTの開発 運用コストは AIの活用で回収する
AI = Big Data Big Data from IoT Edges AI Create Excellent Value
IoT は 膨大なデバイスと膨大なデータを扱う
Azure で IoT+AI を実践するときの基本骨格
IoT で使われる AI 要素
IoT のスケール感
要件を踏まえた適材適所な配置
IoT で AI 重要ポイント
データを測る データを収集する データを整理し 傾向を把握する 学習モデルを作る 学習する 配置する 継続的に改善する 最後は 運用する に 現実的な AI の構築
IoT の AI へのインプットといえば
センサーデータストリーム
AI を構築する準備段階 アスリートを例に データを測るデータを収集するデータを整理する傾向を把握する
データを測り収集する Edge SDK V1 Machine BLE IoT Hub Broker
データを整理し 傾向を把握する
巨大なセンサーデータストリームの可視化 時系列データの価値を最大限に 時系列データに対するクエリ機能 傾向や異常に焦点 離散データの相互相関を把握 埋もれていた傾向を発見可能
ご協力頂いたパートナー様 : ありがとうございました! サクサ株式会社様 情報通信に関して 開発から生産 販売 保守に至るまで一貫したワンストップ体制でソリューションを提供 センサー情報収集 IoT Gateway のご提供 データスタジアム株式会社様 データの収集や提供からソリューションの開発までを行うスポーツデータのスペシャリスト集団 投球動作測定のための環境およびスポーツデータ分析の専門的な知見の提供 株式会社ホロラボ様 Reality と Virtuality を自由自在に操る技術を独自に研究開発し 関連するサービスをご提案 Unity を使った投球動作データの解析とアバターへの実装
AI を構築する
AI を構築 IoT における AI 傾向を把握する学習モデルを作る配置する運用する
数理モデル
リモート配置と制御を実現する Azure IoT Edge
IoT Edge Technology
参考 )IoT Edge Runtime が動く機器 Azure IoT Edge と OpenBlocks IoT VX2 を使ったエッジコンピューティング IoT システム構成例 IoT センサー デバイス 富士通コンポーネント社加速度センサー オムロン社環境センサー BLE IoT Hub Functions PD Handler (parse process) json (containing base64) PD Repeater (transfer process) Elasticsearch Kibana Operator json (containing base64) Parse Module (C# Custom Module) Filter Module (ASA Module) Stream Analytics (Edge) Container Registry IoT Edge / Edge Agent deploy via IoT Hub Action Plat Home OpenBlocks IoT VX2 パトライト社ネットワーク監視表示灯
Stream Analytics を Edge で動かす Edge SDK V2 Machine ASA on Edge Edge SDK V1 Machine FA FA FA Equips Equips Equips KES 製 Modbus Bridge IoT Hub ASA on Edge Local Alert Broker MQTT 証明書による接続 Edge Runtime
参考 ) 金沢エンジニアリングシステムズ様事例
ASA on Edge による数理モデル配置 機器 Docker Container
Stream Analytics on Edge デモ
Azure IoT Edge テクノロジーの進化
Deep Learning
Azure Machine Learning
Open AI Framework
学習済みモデルを Cloud で動かす
学習済みモデルを Edge で動かす https://docs.microsoft.com/ja-jp/azure/iot-edge/tutorial-deploy-machine-learning 学習済みライブラリー Docker コンテナ https://github.com/liupeirong/azure DarknetYoloIoTEdge Edge 向けカスタマイズ
クラウディアン ( 株 ) 様を例に Edge 側でのリアルタイム画像識別 識別結果をクラウドへ送信 リモートからの AI ロジック配置 更新 CLOUDIAN AI Box Outdoor Model NVIDIA JetPack PoE 接続 最大 30W 給電 NVIDIA Jetson TX2 搭載堅牢, 防塵 防水, 落雷対策センサーデータストリームにも対応可 Microsoft Azure
IoT Hub と IoT Edge Technology デモ
継続的な学習モデル改善と Edge への再配置
AI を Edge に組み込む際のポイント
Edge 全般 Cloud: Azure 高機能 Edge 軽量 Edge 概要 An Azure host that spans from CPU to GPU and FPGA VMs A server with slots to insert CPUs, GPUs, and FPGAs or a x64 or ARM system that needs to be plugged in to work A Sensor with a SoC (ARM CPU, DSPs) and memory that can operate on batteries CPU CPU,GPU or Arria 10 FPGA Arria 10 FPGA NVIDIA GPU x64 CPU ARM CPU HW accelerated DSP,CPU,GPU モデルパッケージ Native to Windows and container elsewhere Windows Native - Linux container - Windows ML - Linux container - Windows ML - Linux container - (Ideally) container - Android Native - ios Native - RT OS
Edge で動かすには カスタマイズが必要 学習済みモデル Edge Runtime 入出力ロジック 学習済みモデル (Tuned) 学習環境向け AI ライブラリー HW 向け AI ライブラリー
最新のテクノロジー群
マイクロソフトが提供するサービス群
まとめ
最後に
2018 Microsoft Corporation. All rights reserved. 本コンテンツの著作権 および本コンテンツ中に出てくる商標権 団体名 ロゴ 製品 サービスなどはそれぞれ 各権利保有者に帰属します