1. 定義と徹底解説
IoT（Internet of Things：モノのインターネット）とは、従来はインターネットに接続されていなかった物理的な「モノ」が、ネットワークを通じて相互に情報を交換し、自律的な制御や高度な情報処理を実現する技術体系を指します。この概念の提唱者は、1999年にケビン・アシュトン（Kevin Ashton）氏であり、当初はRFID（無線タグ）による在庫管理システムを想定したものでした。しかし、現代のG検定におけるIoTの定義は、単なる接続性を超え、「データの発生源」としての役割が極めて重要視されています。ディープラーニングの爆発的な発展を支えたのは、IoTデバイスが生成する膨大なビッグデータに他なりません。
IoTのアーキテクチャは、一般に「デバイス層（センシング）」「ネットワーク層（伝送）」「プラットフォーム層（処理・蓄積）」「アプリケーション層（分析・活用）」の4階層で捉えられます。物理世界にあるセンサーが温度、湿度、加速度、画像、音声といった情報をアナログからデジタルへ変換し、これをクラウドやエッジサーバーへ送信します。このプロセスにおいて、物理空間の情報をデジタル空間に再現するデジタルツイン（Digital Twin）という概念が生まれ、シミュレーションや最適化が可能となりました。
技術的な核心は、データ収集における「非構造化データ」の扱いです。かつてのシステムは数値データが中心でしたが、現在のIoTはカメラ映像や振動データといった複雑なデータを収集し、それをディープラーニングによって解析することで、従来人間が介在しなければ判断できなかった「事象の予兆」を捉えることができます。
2. G検定・試験対策の急所
G検定の対策において、IoTは単体で出題されるよりも、「ディープラーニングの実装環境」や「ビッグデータの供給源」として問われることが非常に多いです。まず押さえるべきは、計算リソースの配置に関する「クラウドコンピューティング」と「エッジコンピューティング」の対比です。すべてのデータをクラウドに送ると、ネットワークの帯域不足や通信遅延（レイテンシ）が問題となります。そこで、IoTデバイス側（エッジ）で一次処理や推論を行うエッジAIの重要性が増しています。試験では、リアルタイム性が求められる自動運転や工場のロボット制御において、なぜエッジ処理が必要なのかという文脈で頻出します。
次に、IoT特有の通信規格についても整理が必要です。低消費電力で広範囲をカバーするLPWA（Low Power Wide Area）は、スマート農業やスマートメーターの文脈で登場します。また、IoTにおけるセキュリティの脆弱性も頻出トピックです。2016年に猛威を振るったマルウェア「Mirai」のように、ID・パスワードが初期設定のままのIoTデバイスが踏み台にされ、DDoS攻撃に悪用された歴史的背景は、ELSI（倫理的・法的・社会的課題）の観点からも重要です。
さらに、IoTとAIの融合（AIoT）による「学習モデルの更新」プロセスも理解しておくべきです。現場のIoTデバイスから収集された新データをクラウドで再学習させ、更新された重みパラメータを再びデバイスへ配信するサイクル（OTA：Over-The-Air）は、継続的学習の基盤となります。試験では、このサイクルにおける「プライバシー保護」の手法として、データをサーバーに送らずに端末内で学習を行う連合学習（Federated Learning）がひっかけ問題や発展問題として出題される傾向にあるため、IoTと関連付けて記憶を定着させてください。
3. 関連概念との比較・相違点
受験生が最も混同しやすいのが、M2M（Machine to Machine）とIoTの違いです。M2Mは「機械同士の通信」を指し、多くの場合、インターネットを介さないクローズドなネットワーク内で、特定のタスク（例：自動販売機の在庫管理）を完結させることを目的とします。対してIoTは、インターネットを介してオープンにデータが流通し、収集されたデータが当初の目的以外（二次利用）にも活用される「データの多様性とオープン性」に特徴があります。G検定では、単なる遠隔操作や自動化ならM2M、ビッグデータ分析やAI予測に繋がる広範な仕組みならIoT、という判断基準を持つとスムーズです。
また、CPS（Cyber-Physical Systems：サイバーフィジカルシステム）との関係性も重要です。IoTが主に「通信と接続」の手段に焦点を当てるのに対し、CPSは「物理世界のデータを収集し、サイバー空間で分析・シミュレーションを行い、その結果を再び物理世界にフィードバックして動かす」という全体的な循環系（ループ）を強調する概念です。ドイツが提唱するインダストリー4.0（第4次産業革命）の文脈では、このCPSを実現するための基盤技術としてIoTが位置づけられています。IoTは情報の通り道であり、CPSはその情報を活用した高度な社会システムである、という包含関係で理解してください。
4. ビジネス・実務での活用シナリオ
現代ビジネスにおけるIoTの最有力シナリオは、製造業における予兆検知（予測保守）です。従来のメンテナンスは、一定期間が経過したら部品を交換する「時間基準保守」でしたが、IoTセンサーでモーターの振動や電流値を常時監視し、ディープラーニングの異常検知アルゴリズム（オートエンコーダなど）を適用することで、故障の予兆を事前に察知する「状態基準保守」が可能になりました。これにより、工場の突発的なライン停止（ダウンタイム）を防ぎ、数億円規模の損失回避を実現しています。この実装においては、異常データが極めて少ないという課題に対し、正常データのみで学習する手法が実務上のスタンダードとなっています。
スマートシティの分野では、交通流の最適化が挙げられます。路面に設置されたセンサーやカメラ（IoTデバイス）から得られるリアルタイムの渋滞情報をAIが解析し、信号機の点灯時間を動的に制御することで、都市全体のCO2排出量削減と移動時間の短縮を図ります。また、物流業界では、荷物の位置情報だけでなく、倉庫内のピッキング作業者のバイタルデータをIoTウェアラブルデバイスで取得し、作業負荷の平準化や熱中症の未然防止といった労務管理に役立てる事例も増加しています。
しかし、実装にあたってはELSI（倫理的・法的・社会的課題）への配慮が不可欠です。例えば、スマートホームにおいて収集される生活動線データは、個人の私生活を極めて詳細に可視化するため、GDPR（EU一般データ保護規則）などの法規制に抵触するリスクがあります。また、カメラを用いた属性分析では、個人の同意なく「顔の特定」を行わないといったプライバシーバイデザインの考え方が求められます。IoTは物理世界と直結しているため、サイバー攻撃が物理的な事故（例：スマートキーの不正解錠や医療機器の停止）に直結する危険性も含んでいます。ビジネス実装のリーダーとしては、利便性の追求と同時に、セキュアなライフサイクル管理とデータガバナンスの構築を同時並行で進める責任があるのです。
