EdgeのAI がドライバーの安全性をどのように変革しているか

0:00 「Driving Innovation 」ポッドキャストの紹介

「Driving Innovation 」へようこそ。本ポッドキャストは、Sonatus が配信するもので、自動車およびモビリティ業界を形作るテクノロジーやソリューションを探求しています。

本日は、エッジにおけるAI が、ドライバーのリスク評価、保険分野のイノベーション、および車載インテリジェンスをどのように変革しているかについて探っていきます。

0:19 ゲスト紹介：シヴァ・ヨガナタン

本日は、MOTER Technologiesのエンジニアリング担当副社長、シヴァ・ヨガナタン氏をお迎えしています。

MOTERは、従来の引受モデルを超え、実際の運転行動や状況に応じた車両データ、組み込み型AI を活用することで、より安全でパーソナライズされたモビリティ体験を創出し、インシュアテックの再定義に貢献しています。

0:39 MOTERととのコラボレーションSonatus

今回の対談では、MOTERとSonatus がどのように連携し、Sonatus AI Directorを活用して、高度なAI モデルを車載環境で直接展開しているかについて解説します。これにより、リアルタイムのドライバー指導、スケーラブルな展開、より強力なプライバシー保護、そして行動ベースの保険や安全対策に対する根本的に新しいアプローチが実現されます。

1:09 リスクインテリジェンスにおけるMOTERの役割について

Sivalさん、Driving Innovation へようこそ。まずは、同サイトについて簡単に紹介し、そこであなたが担っている役割についてお話ししましょう。

サンジェイさん、このポッドキャストにご招待いただき、ありがとうございます。MOTERはインシュアテック企業であり、エッジ環境でのリスクインテリジェンス分析に活用されるAI 基盤モデルの開発に注力しています。私たちの焦点は、単にリスクを測定することだけでなく、実際にリスクを低減することにあります。また、車両を単なるデータ収集の手段として利用するのではなく、データを解釈・分析し、エッジ環境で直接価値を生み出すのに役立つAI モデルの構築にも注力しています。

だからこそ、MOTERはその点に焦点を当てており、その名の通り、MOTERは「リアルタイムのエッジにおけるモビリティ（Mobility on the Edge in Real Time）」なのです。

わかった。

つまり、それが私たちの名前なんだね。なかなか気の利いた名前だね。

ありがとうございます。私の理解では、MOTERのアプローチは、従来の走行距離ベースの保険モデルをはるかに超えたものですね。御社のドライバーリスク分析モデルが根本的にどのような点で異なるのか、また、御社が特に重視している「コンテキストに応じた運転インテリジェンス」が、この文脈においてなぜそれほど重要なのか、ご説明いただけますか。

2:21 従来型リスク分析と文脈に基づくリスク分析

そうですね。従来のUBIといえば、主にブレーキや加速、コーナリングなどの運転行動や、スピード違反を基準にしていますよね。

確かにそれらは価値をもたらします。しかし、特定のドライバーがどのような状況下でブレーキを踏んでいるのかを理解することが重要です。例えば、急ブレーキの場合を考えてみましょう。同じ車線に物体が飛び出してきたため、その人が急ブレーキを踏んだのかもしれません。

つまり、それが回避ということですね。素晴らしいことです。しかし、もしブレーキ操作の原因が、長時間にわたる過度な車間距離の詰めや、車線変更時の注意散漫、あるいは過度な車線逸脱だった場合はどうでしょうか？これらは修正可能な危険な状況であり、衝突事故の減少につながる可能性がありますよね？

3:08 リスク評価における文脈化の重要性

したがって、文脈に応じた対応が重要です。そこで、当社の基盤モデル構築においては、車内の道路状況や基本的なテレマティクス情報を分析して事象を把握し、リスク評価のために保険局の承認を受けた一連のAI 基盤モデルを提供しています。

3:28AI の車両モデルにおけるエッジ実行

なるほど、つまり誤検知を排除したいということですね。正当な理由でブレーキを踏んでいるドライバーに対して、その行為を罰するようなことは避けたい。それはまったくその通りです。この提携の最も魅力的な点の一つは、これらのモデルが車内で直接動作することです。Moterにとって、エッジ実行がなぜそれほど重要だったのでしょうか？

そうですね。サンジェイ、私はモビリティ分野に長年携わってきて、IoTやV2Xのプロジェクトにも従事してきました。現在はMOTERでインシュアテック分野に携わっていますが、ここでもやはり、ほぼリアルタイムでフィードバックを提供できることが極めて重要です。今日の事例を挙げてみましょう。

米国では、ごく普通の1日でも、数千万台の車両が道路を走っています。もし、すべての車両が、処理のためにすべての車両データをクラウドに送信しなければならないとしたら、どうなるか想像してみてください。そして、その重要な情報の一部は、車内にいる消費者、つまりドライバー自身に関するものです。その情報は、ドライバーが利用できるように、再びドライバーに送信されなければなりません。

つまり、効果がないってことですよね？ ですから、AI の基盤モデルをエッジで適用できるようになれば、こうした素晴らしいユースケースをすぐに活用できるようになります。だからこそ、エッジでモデルを実行できることは、私たちにとって非常に重要な機会なのですよね？ それによってプロセスが大幅に効率化されるのですから。

大容量のデータ通信が遮断されると、車内でのユーザー体験やプライバシーが重要な問題になりますよね？エッジ側ですぐに処理・分析できるのに、なぜすべてのデータをクラウドに送信しなければならないのでしょうか？

5:05Sonatus AI ディレクター（現在はFastlane Edge ）の展開における役割

ここでは、特に「Sonatus 」AI Directorについてお話ししましょう。この導入を本番環境対応にする上で、このツールはどのような役割を果たしたのでしょうか？

ですから、当社のようなインシュアテック企業の立場から言えば、当社のコアコンピタンスはドライバーの行動分析です。そのため、私たちはこうした複雑なAI の基盤モデルを構築することにかなりの時間を費やしています。しかし、それは問題の一部に過ぎません。では、それをどのように展開すればよいのでしょうか？

考えてみれば、OEMメーカーは数十社あります。各社には多くのブランドやモデルがあり、毎年それらを販売しています。その下には、いくつかのハードウェアインフラやOSインフラが存在しています。

では、こうしたモデルをどのように導入すればよいのでしょうか？そうでしょう？そこで、「AI Director」は素晴らしい事例であり、優れたソリューションです。このソリューションは、そうした複雑さをすべて抽象化して、私たちから取り除いてくれるのです。そうでしょう？私たちは、ドライバーの行動リスク分析という中核的な強みに集中できるのです。

弊社では、それらのモデルを構築し、お客様のインフラに適用いたします。OEM提携を結んだ後は、確かにそれが必要となります。

でも、実装のインフラについては、そちらで対応していただけるんですよね？ そうでしょう？ そうした複雑な部分をすべて隠してくださるおかげで、私たちはさまざまなOEMやブランドにまたがって簡単にデプロイでき、ユーザーには一貫した体験を提供し続けることができるのです。

6:27 リスクインテリジェンスの多様な活用法

そうですね、それはとても理にかなっています。さて、御社のプラットフォームは、保険スコアリングの結果とドライバー向け指導の知見の両方を生成しています。OEMや保険会社は、こうした2つの機能からどのようなメリットを得られるとお考えですか？

ご存知のように、今日の保険業界、特に安全分野における課題の一つは、情報の断片化ですよね？保険会社としては、個々のドライバーのリスクだけでなく、ポートフォリオ全体のリスクも測定したいと考えていますよね？一方、ドライバーは、安全性を向上させ、ひいては保険料の削減につながるような改善点に焦点を当てています。ですから、モビリティ・エコシステムに関わるすべての組織やステークホルダーが利用できる、基礎的なAI モデルを一元的に整備する必要があるのですよね？

OEM各社ですよね？ 彼らにもニーズがあるわけですよね？ そこで、ADASやレベル1から5までの自動運転機能に数十億ドルを投じているわけです。しかし、そうした車両機能について、例えばADASの「車間距離不足」防止機能を取り上げてみましょうか？

説明によると、設定は「1台分」「2台分」「3台分」の距離から選べるそうです。しかし、消費者としては、どの設定が自分にとってより安全なのか、どうやって判断すればよいのでしょうか？

そうですよね？ メーカーからの推奨設定はありますが、それは私の安全特性に合わせてカスタマイズされたものではありません。そこで、エッジ側で直接動作するAI の基盤モデルが、ドライバーの安全特性プロファイルを保存します。これにより、そのドライバーに適した設定を推奨することができるのです。

うん。そうよね？

ですから、コーチングの価値は、単に即時のアラートやイベント通知を行うことだけでなく、ドライバー自身にとって安全で、パーソナライズされた体験が得られるような車両の設定を支援することにもあると考えています。つまり、これらのAI モデルは、保険会社がリスクを評価したり、ドライバーが運転行動を改善したりするのを支援するだけでなく、州運輸局（DOT）や自治体といったインフラ管理機関が、管轄区域や道路網内でどのような行動が起きているかを把握し、それを改善する方法を探る上でも役立つのです。 したがって、これらすべてがエッジ側で実行され、データを収集・分析できる必要があります。これらのAI モデルはエッジ側で実行され、データの収集、分析、処理を行い、その処理済みデータは、ユーザーが好むUX体験に基づいて、さまざまなユーザーに配信されます。

8:57 車載用AI の将来

将来を見据えて、組み込み型のAI や車載インテリジェンスは今後どのように進化していくとお考えですか？あくまで一般的な話として、もちろん御社はリスクインテリジェンスなどの分野に携わっていますが、それ以上の展望についてもお聞かせください。

私の率直な見解としては、組み込み型AI はまだ初期段階にあるのではないでしょうか？そして、問題の一部はインフラの展開を管理する能力にあるのではないでしょうか？素晴らしいモデルを構築することはできますが、それを展開し、消費者や顧客に価値を提供する方法が必要ですよね？現在、安全性、例えば保険の観点から言えば、リスク評価やリスク分析モデル、即時的なドライバー指導などに多大な努力が注がれていると思いますよね？

9:42 予防的リスクルーティングの革新

次のステップは、リスク予防型の経路選択機能だと思います。例えば、今日、A地点からB地点へ行きたいとして、目的地アドレスを入力すると、システムは輻輳状況や到着予定時刻、その他いくつかのパラメータを分析して、最適なルートを提案してくれます。しかし、AI を基盤とした分析モデルが、ノードレベル――つまり、すべての交差点や1マイルごと、0.5マイルごとといった特定の固定地点ごとに、リスクスコアを算出するようになったらどうでしょうか。 そして、そのデータがクラウドに送信されれば、目的地に応じて最適な経路を決定できるようになるでしょう？

そして、このルートには10か所のストップサインがあり、その多くがリスクの高い場所だと分かったら、別のルートに迂回させればいいですよね？　これこそが、エッジAI が貢献すると私が考える、ルート設定の革新の次の段階です。3つ目は、すでに触れた車内でのパーソナライズされた体験です。 今日、車に乗り込むと、車種によっては「オプション1、2、3」といったプリセットメモリーがあり、それを選択するとシートやハンドルが調整され、場合によっては音楽の好みなども記憶されることがありますよね？

11:04 まとめと今後の展望

これは実に興味深いですね。さて、シヴァさん、本日はご出演いただき、MOTERがインシュアテックとインテリジェント・モビリティの未来をどのように再構築しているかについてお話しいただき、ありがとうございました。この提携は、車両内におけるエッジAI の重要性が高まっていることを如実に示しています。これは、よりスマートな保険やドライバー指導を可能にするだけでなく、コネクテッドカーのエコシステム全体において、プライバシーの保護、スケーラビリティ、そしてリアルタイムの応答性を向上させる上でも重要な役割を果たしています。

11:26 閉会の辞と今後の予定

お聴きいただきありがとうございました。ソフトウェア定義車両（SDV）と自動車業界の未来を切り拓くイノベーターたちとの対談は、今後も続きますので、ぜひご期待ください。AI 。