物聯(lián)網(wǎng)(IoT)和人工智能(AI)本身就是開(kāi)創(chuàng)性的商業(yè)技術(shù),但當(dāng)它們結(jié)合在一起時(shí),對(duì)企業(yè)用戶來(lái)說(shuō),它們的好處會(huì)被放大。物聯(lián)網(wǎng)將設(shè)備連接在一起,像神經(jīng)系統(tǒng)一樣發(fā)出和接收信息,而人工智能則像大腦一樣,接收數(shù)據(jù),處理數(shù)據(jù),并利用它做出明智的決定,從而控制整個(gè)系統(tǒng)。
當(dāng)它們結(jié)合在一起時(shí),就能提供智能的、連接的系統(tǒng),這些系統(tǒng)可以根據(jù)需要進(jìn)行自我糾正和自愈,這就是人工智能物聯(lián)網(wǎng)。
AIoT(智能物聯(lián)網(wǎng))可以自主采取行動(dòng)
為了理解AIoT的能力,回顧物聯(lián)網(wǎng)已經(jīng)對(duì)工業(yè)產(chǎn)生的影響是有幫助的。借助云計(jì)算和存儲(chǔ)等物聯(lián)網(wǎng)技術(shù),以及增強(qiáng)的連通性和機(jī)對(duì)機(jī)(M2M)通信,制造商已經(jīng)能夠完成三項(xiàng)關(guān)鍵任務(wù):連接機(jī)器、存儲(chǔ)數(shù)據(jù)以及處理數(shù)據(jù)?,F(xiàn)在,當(dāng)我們引入AIoT時(shí),他們可以從第四種能力中受益——擁有自主行動(dòng)的能力。
現(xiàn)在,制造商可以得到的不僅僅是數(shù)據(jù)。AI不只了解設(shè)備的運(yùn)行情況,還可以根據(jù)這些情況做出自己的決定,通過(guò)預(yù)設(shè)機(jī)制或推理功能自主為用戶采取行動(dòng)。
當(dāng)然,為了使人工智能切實(shí)可行,制造商需要一個(gè)數(shù)據(jù)管理系統(tǒng)來(lái)支持快速?zèng)Q策。雖然云存儲(chǔ)是一個(gè)可行的選擇,但分析數(shù)據(jù)更接近其來(lái)源——在物聯(lián)網(wǎng)邊緣——將把人工智能技術(shù)帶到一個(gè)新的水平。
進(jìn)入邊緣
在人工智能集成的許多情況下,決策和動(dòng)作需要在本地發(fā)生,以便快速行動(dòng)。例如,如果人工智能系統(tǒng)收到機(jī)器故障的警報(bào),系統(tǒng)可能會(huì)決定停止機(jī)器以避免產(chǎn)品損壞。通過(guò)在邊緣(Edge)而不是在云端集成人工智能系統(tǒng),可以避免延遲問(wèn)題,這意味著機(jī)器可以更快地關(guān)閉,更少的產(chǎn)品損壞(這類情況對(duì)于自動(dòng)駕駛汽車來(lái)說(shuō)的價(jià)值更明顯)。
這同樣適用于過(guò)程優(yōu)化活動(dòng),例如改變機(jī)器運(yùn)動(dòng)的速度或方式。位于邊緣的人工智能系統(tǒng)可以向設(shè)備發(fā)送指令,比來(lái)自云的類似指令更快更靈敏,提高整個(gè)系統(tǒng)性能。
集成人工智能和在邊緣處理數(shù)據(jù)的另一個(gè)好處是增加了安全性。云計(jì)算可能會(huì)帶來(lái)一些安全問(wèn)題——數(shù)據(jù)由第三方提供商存儲(chǔ),遠(yuǎn)離公司的場(chǎng)所,以及通過(guò)互聯(lián)網(wǎng)訪問(wèn)這些企業(yè)數(shù)據(jù)。邊緣計(jì)算可以作為一種補(bǔ)充,通過(guò)在源頭過(guò)濾掉敏感信息并將其存儲(chǔ)在內(nèi)部,減少向云傳輸機(jī)密數(shù)據(jù)的情況,從而克服這些安全問(wèn)題。
另一個(gè)在邊緣集成AIoT有優(yōu)勢(shì)的用例是當(dāng)涉及到視覺(jué)檢測(cè)系統(tǒng)時(shí)。攝像機(jī)和傳感器會(huì)產(chǎn)生大量的數(shù)據(jù),因此在邊緣分析和過(guò)濾這些數(shù)據(jù)比將其全部發(fā)送到遠(yuǎn)端的云或大型集中式系統(tǒng)更省時(shí)間和成本。
此外,設(shè)施通常有許多移動(dòng)設(shè)備連接到AIoT,同樣必須處理伴隨而來(lái)的大量數(shù)據(jù)。將這種龐大的數(shù)據(jù)發(fā)送到云可能是不可行的,所以在邊緣進(jìn)行分析更有效。邊緣分析可以從原始數(shù)據(jù)中提取高價(jià)值的特征,只向云發(fā)送重要和必要的信息,如剩余機(jī)器壽命估計(jì)等。
整合AIoT
要在邊緣整合人工智能,行業(yè)領(lǐng)導(dǎo)者必須先建立一個(gè)離線的人工智能模型。然后,他們必須使用以前存儲(chǔ)的數(shù)據(jù)集來(lái)訓(xùn)練模型,以改進(jìn)它,并確保它滿足期望和需求。一旦對(duì)這一模式感到滿意,行業(yè)領(lǐng)導(dǎo)者就可以通過(guò)導(dǎo)出新的實(shí)時(shí)數(shù)據(jù)并在應(yīng)用程序中執(zhí)行它。
然而,將該模型應(yīng)用于在線場(chǎng)景中的實(shí)時(shí)數(shù)據(jù)與在訓(xùn)練階段已經(jīng)排序的存儲(chǔ)數(shù)據(jù)上進(jìn)行測(cè)試是非常不同的。實(shí)時(shí)數(shù)據(jù)還沒(méi)有被過(guò)濾或分類,每組數(shù)據(jù)可能會(huì)在不同的時(shí)間到達(dá),給AIoT帶來(lái)混亂的信息。
因此,在AIoT使用數(shù)據(jù)之前,需要對(duì)數(shù)據(jù)進(jìn)行一些處理,這也是邊緣分析的作用所在。邊緣分析可以協(xié)調(diào)來(lái)自多個(gè)來(lái)源的不同格式的數(shù)據(jù)。在不同時(shí)間進(jìn)入的數(shù)據(jù)可以在規(guī)則的時(shí)間邊界上進(jìn)行修正對(duì)齊,以便在數(shù)據(jù)到達(dá)AIoT之前是統(tǒng)一且流線化。
機(jī)器智能確實(shí)擁有巨大的力量,但其他支持技術(shù)可以幫助揭示其最大的潛力。在邊緣集成AIoT的行業(yè)領(lǐng)導(dǎo)者可以直接且有針對(duì)性地獲得更高效和反應(yīng)性控制系統(tǒng)的好處,并更快地優(yōu)化流程。