.jpg?origin=fd&width=1600)
自動車技術のパラダイムシフトによって、自動車業界では現在と未来の境界線が曖昧になりつつある。自動運転や人工知能を搭載した自動車は、もはや未来の概念ではない。私たちはもはや、安全なモビリティ、セキュリティ、環境保護、運転の楽しさや利便性といったアイデアを「次の10年」のために思い描いているのではなく、今後2～3年の間にこれが私たちのライフスタイルを牽引することになるのだ。
今日の自動車は、車輪の上の機械というだけでなく、ソフトウェアとハードウェアの不可分の共同体である。クルーズコントロール、ドライバーアシスト、衝突防止システム、ジオロケーション、コネクティビティ統合などの機能が大衆市場に浸透し、自動車の安全性、快適性、利便性を高めている。
しかし、この業界の目標は、自動車を人間の付属品ではなく、人間の延長にすることだ。そして、ここで人工知能（AI）と機械学習（ML）が登場する。
AI自動車レース
AIは、自動車産業における競争の火付け役となっているようだ。テスラ、フォード、ボルボ、BMW、アウディ、メルセデスといった企業は、現在の自動車にAIやMLを適度に組み込んでおり、今後3～5年で完全自動運転車を生産することを目指している。電気自動車業界のパイオニアの1つであるテスラを例に取ると、その自律走行機能とスマートフォンのようなソフトウェア性能のアップグレードは、この分野における技術革新の認識を変えつつある。
安全装備で知られるボルボは、Teradataと提携し、自動車部品の故障を事前に予測して予防措置を講じるシステムを発表した。これにより、同社は部品の在庫計画をより適切に立てることができる。
在庫の削減は、コストの削減とより効率的なサプライチェーンを意味し、ひいては顧客満足を意味する。ボルボは、新車の80～90％が「コネクテッド」（顧客の許可後）であり、運転行動、自動車関連の保証データ、顧客データ、路上での反応に関するデータ主導型の情報を収集すると述べている。すべては、現行モデルを強化し、消費者とシームレスに相互作用する将来モデルを開発するためである。
ボルボの車は、Teradataのアナリティクス・ソリューションとモノのインターネット（IoT）を活用し、オートパイロット、車両間通信、Project 26などの主要な取り組みで高度なアナリティクスを実現しています。例えば、接続された複数のボルボ車が収集した道路状況に関する情報を、近い将来、他の車や道路整備当局と共有することができるでしょう。
伝統的な自動車が現代の技術に注目
伝統的な自動車会社にとって、新たなテックプレーヤーが重要なパートナーとなる時代が到来しつつある。例えば、アメリカの自動車メーカーであるフォードは、自動運転車を開発するためにアルゴAIに10億ドルを投資した。BMWはコンピュータービジョン企業のモービルアイを買収し、2021年までにMLを自動車に統合する。アウディとメルセデスも、現在の自動車機能を自動化するためにAIを幅広く活用しており、今後数年で完全自動運転車の生産を目指している。
興味深いことに、自動車メーカー以外の企業も、自動車向けのAIやMLソリューションを模索するブランドワゴンに加わっている。例えば、グーグルの自動運転車プロジェクト、ウェイモとフィアット・クライスラーの提携は、1年以上前から米国フェニックスで乗客を乗せている。移動タクシー配車サービスのLyftは、ディープラーニングの新興企業Drive.aiと提携し、自動運転タクシー用のAIソフトウェアを構築した。国際的な自動車サプライヤーであるDelphiは、シンガポールで自動運転車のテストを行っている自律移動の新興企業NuTonomyを買収した。
AIがあればデータアナリティクスがある
センサー、予知保全、地理空間マッピングなど、AIを活用した運転支援やコネクティビティ機能は今日、自動車に搭載されつつあるが、人間の介入を最小限に抑える自動運転車は、まったく別のゲームだ。完全自律走行車では、自動車会社によって収集された過去のデータと、ML（適応学習）システムによって照合されたリアルタイムのデータを処理するAIアルゴリズムによって運転判断が支配される。
マッキンゼーによると、自動車メーカーにとって業界全体のAI対応エコシステムは、2025年までに約2150億ドルの価値があるという。この機会を活用するためには、AIとML技術が自動運転車メーカーやコネクテッドカーメーカーと連携する必要がある。これらの技術をシームレスに完全に統合し、消費者向け車両の主流にするためには、自動車メーカーはデータを照合、処理、意味付けするための強力な分析ツールを持つ必要がある。
自律走行車のデータアナリティクスは車輪と同じくらい重要
自動車におけるAIは、コスト削減、業務効率の改善、価格設定の最適化、メンテナンススケジューリングの改善、需要と供給の予測とマッチング、さらには新たな収益源の創出に役立つ数多くの機会を生み出すだろう。このような機会を活用するために、数多くのハイテク企業や自動車関連企業が世界的なAI自動車競争に参加しており、生産性の障害となり得る膨大な量のデータが混在することは明らかである。
強力でスケーラブルなビッグデータ分析プラットフォームは、それらすべてをまとめ、アウトプットを合理化し、エコシステム全体の効率を高めることができる。マッキンゼーは、自動車のビッグデータは2030年までに7500億ドル産業になると予測している。
例えば、現在のデータ分析ツールは、電車、地下鉄、タクシー、自動車、信号機、レストラン、一般市民の動きのパターンを分析し、自律システムの予防対策のための新たなインサイトを提供している。分析ツールは、移動時間やルートなどの車両群からのセンサーデータを研究し、故障の確率とその結果生じるビジネスへの影響を予測するためにオペレーションを最適化することができる。個々の車両からのビッグデータ分析は、統合AIシステムが事故とニアミスの違いを理解するのに役立ち、将来の自律走行車をよりスマートで安全なものにするだろう。
AI自動車が人間の直感を超えることはないかもしれないが、適切なデータとアルゴリズムがあれば、道路をより安全で効率的な移動手段にしてくれるだろう。完全自律走行車が環境の変化にさらされるにつれ、実用的なインサイトと性能向上のために常に処理されるデータウェアハウスが必要となるだろう。データが大きければ大きいほど、自律走行車の可能性は大きくなる。従って、自動運転自律走行車とビッグデータ解析は、互いのレベルを高めるために共同で取り組まなければならないだろう。