人工知能 (AI) と機械学習 (マシンラーニング)

ABI Researchが提供する人工知能 (AI) と機械学習 (ML) に関するこの年間契約型情報サービスは、IoTのシステムや各種応用分野に関連する技術を分析するもので、データ、トレンド、予測レポートなど多彩な情報を網羅しながら、プラットフォームアズアサービス、テクノロジーアズアサービス、ソフトウェアライセンシング、エッジデバイスの応用など、AIとMLの多様なビジネスモデルが新たに生まれるなかでオープンソースが担う役割を明らかにします。このサービスの目的は、音声認識や画像認識、マシンビジョン、自然言語処理、接触／ハプティクス、AIとMLを利用したデータと分析のためのセキュリティ技術などを導入するのに役立つ信頼性の高い識見を提供し、IoTベースの技術やソリューションの普及が拡大するなか、産業プロセスやビジネスプロセスの改善に向けこれらの技術を活用する必要に迫られている企業を後押しすることにあります。

先進的な技術の早期導入を検討している企業から寄せられる質問

• ネットワークに接続されている膨大な数のデバイスから生成される無数のデータを管理する際にIoT関連業界が直面する主な課題とは何か。
• 今後導入を検討すべき高度な分析法とは何か。
• 高度な分析法が重要な役割を担う業種と応用分野は何か。
• IoTシステムと応用技術に対してMLはどのような形で関与するのか。
• 現在MLで利用されているアルゴリズムの主なタイプは何か。
• ビジネスプロセスを簡素化するためには、どのような形でAIを利用すればよいのか。
• 予測解析と処方的分析の違いは何か。生成されたすべてのデータを効果的に管理するため導入すべき行動指針とは何か。
• 高度な分析法を利用することにより、生成されるデータからどのようなことを認識できるのか。
• 高度な分析法を本格的に導入するうえで認識しておくべきセキュリティ面の懸案は存在するのか。
• AIを活用することでもたらされる重要なビジネスチャンスとは何か。
• 自社のデータや顧客のデータを保護するためどのような方策を講じることができるのか。
• AIシステムを構成する各種の要素が成熟するまで現実的に見てどの程度の時間が必要なのか。
• どのような形でオープンソースコードを商品化すればオープンソースコミュニティから価値を引き出すことができるのか。
• 信頼できる最も成功を収めているオープンソースコミュニティはどこか。
• AIを社内のエコシステムに統合するための最良のアプローチとは何か。
• クラウドコンピューティングと比較した場合のエッジコンピューティングの価値とは何か。
• 頼るべき最も成功を収めているオープンソースコミュニティはどこか。
• どのような方法でオープンソースコードを商品化し、価値を引き出すことができるのか。
• ターゲットとして設定すべき新たな業種は何か。収益機会はどの程度の規模なのか。
• AIがもたらす重要なビジネスチャンスとは何か。
• AI分野の提携相手を選ぶ際に考慮すべき基準とは何か。

本サービスで扱う領域

• 機械学習
• 人工知能
• IoT
• ネットワーク接続デバイス
• データ生成
• 高度な分析法
• 予測解析
• 処方的分析
• 新たな応用技術やビジネスモデルを実現するうえでオープンソースが担う役割
• 音声認識と画像認識、マシンビジョン、自然言語処理、接触／ハプティクス、セキュリティなどの応用分野における新たなトレンド
• クラウドコンピューティングとの対比によるエッジコンピューティングの分析

サービス内容

技術、動向、市場をあらゆる角度から調査し、定性・定量的な分析を複数のフォーマットでお届けします。

調査レポート例

• 人工知能 (AI) への投資動向：2019年
  2020年05月12日発行
• 通信業界におけるAI対応メンテナンス・試験
  2020年04月14日発行
• 産業用マシンビジョンカメラベンダーの競合評価
  2020年01月17日発行
• 産業用マシンビジョン市場の追跡調査
  2019年12月30日発行
• 産業用途におけるマシンビジョン
  2019年12月23日発行

AI technologies are moving fast into new areas, including machine learning, deep learning and augmented intelligence. Developments in these areas are opening new opportunities across different market sectors and use cases. ABI Research's AI and Machine Learning (ML) market intelligence service assesses the market opportunity created by AI related technology, while at the same time providing thought leadership for the industry. Our extensive coverage of these areas includes data, trends, forecast, benchmark and analysis reports, that asses the key technical and business factors that are essential for shaping AI and ML market activity and business models - including ML as a service, technology and platform as a service, software licensing, edge AI hardware and applications. We aim to provide technology implementers with visionary and authoritative insight into the various AI and ML applications and use cases they should leverage to best streamline industrial and business processes as AI technology becomes accessible. Our approach to market coverage is use-case centric as it looks at technology implementation for each use case studied. Aside from verticals that have existing AI implementation, such as consumer electronics and robotics, we also track AI and ML deployment in retail, manufacturing, energy, automotive, public safety and telecommunications. Special attention is dedicated to AI edge solutions.

TOP QUESTIONS WE RECEIVE FROM INDUSTRY INNOVATORS:

Technology Suppliers

• How are the different ML hardware and algorithms are mapped against requirements of the different use cases addressed?

• What are the key verticals that will drive AI and ML applications?

• Should I create my own AI frameworks and solutions or should I adopt existing open frameworks?

• Who are competitors I should watch and who are those I should partner with?

• What emerging verticals should my organization target? How big is the revenue opportunity?

• What major challenges will the industry face when managing a myriad of data generated by billions of connected devices?

• Who are the companies and organizations my company should partner with to create adequate solutions for the verticals are targeting?

• Where does my company fit in the AI/ML competitive landscape?

• How can my organization productize open source code? How can we stream value from it?

• What are the most successful open-source communities and frameworks for my company to rely on?

• Do I have any benefit from contributing and using open source and what are the risks?

• What are the most invested in AI R&D projects and frameworks?

• What impact will the move from cloud-based to edge based have on the market dynamics and supplier positioning?

Implementers

• How can I implement AI in my current business activities?

• How will AI create new market opportunities in my sector?

• What is the realistic time to maturity of different AI components?

• What is the best approach for integrating AI into my company's ecosystem?

• What criteria should I consider when choosing an AI partner?

• What advanced analytics techniques should my company consider adopting?

• What are the main types of algorithms used in ML today and how this is going to evolve in the future?

• How can my company utilize AI to simplify our business and operation processes?

• What is the difference between predictive and prescriptive analytics, and what is the best course of action for my company to take to effectively keep tabs on all our generated data?

• What can my company discern from our generated data through advanced analytics?

• Are there any security concerns my company should be made aware of when relying on advanced analytics?

• How can my company protect our data and our customers' data?

• What is the value of edge computing versus cloud computing?

• Should I be using an open-source AI framework to develop models, and which one would suit my needs?

COVERAGE AREAS :

• Machine learning

• Artificial intelligence

• Augmented Intelligence

• Deep Learning

• Data analytics

• Predictive analytics

• Prescriptive analytics

• Algorithms and hardware technologies segmentation

• Analysis of AI Tools and SDKs

• AI and ML hot technology innovators

• Edge AI and ML

• Market segmentation and taxonomy of AI and ML use cases and applications

• Different implementation approaches of AI and ML

• AI and ML business models

• AI and ML use cases in the telecoms industry

• AI and ML use cases in the manufacturing industry

• AI and ML use cases in the consumer market

• AI and ML use cases in the IoT market

• The role of open source in shaping new applications and business models

• Emerging trends in speech and image recognition, machine vision, natural language processing, touch/haptics, Generative and Creative Adversarial Networks, automated reasoning and security applications

• Analysis of edge AI versus cloud AI