做搜狗网站优化首,软件开发服务合同,阿里巴巴做公司网站,注册推广赚钱一个10元来源#xff1a;中国工业和信息化本文发表于《中国工业和信息化》杂志2020年8月刊总第26期随着科技的不断发展#xff0c;一些在功能上具有相互补充作用的技术正在不可避免地发生结合——例如#xff0c;人工智能#xff08;AI#xff09;和物联网#xff08;IoT#xf… 来源中国工业和信息化本文发表于《中国工业和信息化》杂志2020年8月刊总第26期随着科技的不断发展一些在功能上具有相互补充作用的技术正在不可避免地发生结合——例如人工智能AI和物联网IoT。由于物联网的快速发展企业可以使规模庞大的设备或“事物”实现网络连接和数据共享并能够通过数据分析获取收益。由于AI能够从海量物联网数据中“学习”从而快速做出决策并揭示深刻见解因此对于任何希望扩展物联网价值的企业而言AI都是一种必不可缺的分析能力。当前已经有越来越多的人将AI与IoT结合到一起来看AIoT作为各大传统行业智能化升级的最佳通道已经成为物联网发展的必然趋势。本文将探讨AI和物联网即AIoT如何共同为各行各业的组织创造新价值。IoT连接的艺术万物互联的迅速崛起1982年卡内基梅隆大学将可乐机改装成为世界首个可连接的智能设备该设备能够报告其库存情况以及新储存的饮料是否冰凉。几十年后的今天我们生活在一个物联网多于人联网的世界里。不但如此Business Insider Intelligence预计到2025年物联网设备的数量将超过550亿个远高于2017年的90亿个。快速扩张的物联网技术将便携式设备、家用电器、汽车、制造设备和其他嵌入式电子设备、软件、传感器和执行器相连接从而组成一张巨大的物联网网络并能相互进行数据交换。从消费类可穿戴设备到工业机器和重型机械这些相互连接的“物”可以向环境发出信号能够被远程操纵和控制并且能越来越多地自主做出决策并执行。目前来看物联网几乎无处不在。它可以是一个家庭自动化系统通过检测环境的改变自动调整恒温器或照明设备它也可以是生产设备能够及时提醒维护技术人员即将发生的故障它还可以是车载导航系统能够检测用户的位置并提供环境方向感知……此外物联网还有很多应用案例。例如用户可以将具有语音识别的设备作为个人数字助理商业车队通过配备传感器来传达动态等。这个由相互连接的设备、人员和环境组成的生态系统产生了大量复杂的数据。例如今天的汽车和卡车就像建立在车轮上的数据中心大量配备的传感器可以监控从轮胎压力到发动机性能、部件健康状况、无线电音量、驾驶员动作——甚至是挡风玻璃上是否有障碍物或雨点等状态数据。一辆联网的汽车每小时能输出大约25GB的数据而自动驾驶汽车每秒甚至可以输出多达1GB的数据。然而连接和交换大量数据只是物联网故事的开始。从收集数据到智能连接智能连接设备一般由四层组成物理元件如机械和电气部件智能元件如传感器、处理器、存储器和软件连接元件如端口、天线和协议自主分析可以在边缘训练和运行AI模型。智能元件放大了物理元件的作用反过来又被连接元件放大从而实现监测、控制和优化。但就其本身而言仅仅将事物进行连接并不会促进学习。连接为进一步的学习铺平了道路但也只是基础。在最底层的应用方面物联网设备生成的数据可以被用于触发简单的警报。例如如果传感器检测到超出阈值的情况像过热或振动它就会触发警报通知技术人员进行检查。而在一个更复杂的物联网系统中则可能有几十个传感器监控到事物的方方面面。正是这些应用场景为设备的连接增加了价值但是物联网的真正价值在于另一个更复杂的层次这些价值会在物联网设备能够进行学习并自主决策时体现出来。例如使用物联网数据检测故障的模型可以将机器控制推送给适合的由物联网驱动的执行器以减少类似设备发生故障的可能性自动驾驶车辆也可以将他们的经验传递给网络中的其他车辆。这些功能是物联网应用程序个性化需求的基础。作为人类我们希望得到智能设备的单独对待从而需要它们了解我们的习惯、行为模式和偏好。例如可穿戴技术应该考虑监测运动员的动作并在检测到其将受伤时发出信号。因为没有两个人的移动会完全相同所以应用程序只有具备更好的个性化才有意义。再例如零售商可以使用由物联网技术支持的相机进行物体检测以及机器学习以便在适当的时刻向购物者提供量身定制的广告和优惠。随着机器变得越来越复杂个性化的需求也变得越来越迫切。例如相同品牌和型号的两件工业设备在不同条件下的性能可能不同以相同的方法对待它们可能会错失提高运营效率、提高安全性和更好地利用资源的机会因此需要以不同的方式使用。再例如通过机器学习可以帮助操作人员确定特定生产运行的最佳机器集合从而在车间内做出更好的决策。AI无所不在地构建智能AI的演变AI是一门通过学习和自动化来模拟人类任务的训练系统的科学。借助嵌入式AI机器可以不断适应新的输入并从经验中学习还能在没有人工干预的情况下完成特定的任务。目前来看AI已被广泛应用于面部识别、语音识别AI在游戏中已经击败了人类国际象棋、围棋冠军。AI诞生于上世纪50年代但直到最近几年随着物联网数据量、高速连接和高性能计算的爆炸式增长它才真正在主流应用中占据了一席之地。现阶段AI主要使用的是各种统计和计算技术。机器学习是AI的一个子集它可以识别来自智能传感器和设备数据中的模式和异常。随着时间的推移机器学习算法可以通过“学习”提供更准确的结果。因此机器学习优于传统的商业智能工具并且相较基于规则、阈值或计划的系统能够更快、更准确地进行操作预测。深度学习、计算机视觉、自然语言处理以及经过时间考验的预测或优化中的机器学习等技术使AI成为了物联网不可或缺的重要补充。例如AI可以将信号从噪声中分离出来从而产生了先进的物联网设备它还可以从与用户、服务提供商和生态系统中的其他设备的交互中学习。AI的潜力通过AI连接的智能设备和环境可以从更大的数据源网络包括彼此中学习并有助于提高整体的智能化水平。各行各业中已经存在很多案例可以证明这种潜力公用事业和制造商可以检测表现不佳的资产并能在发生代价高昂或危险的设备故障之前进行预测性维护或自动关闭。数字孪生是对真实世界的虚拟模拟它能够使工程师和操作人员分析现场设备的性能同时最大程度地降低传统测试方法的成本和安全问题。零售商可以使用基于位置和环境感知的技术来检测店内情况并将其与其他数据如在线用户配置文件和店内库存相结合可以在客户进入商店时发送实时个性化优惠。无人机可以用以及时了解互联网或GPS无法到达的黑暗、闭塞的环境中的未知情况并能用来调查如海上作业、地雷、战区或燃烧的建筑物等危险区域。机器人可以自主穿过仓库的过道从货架上挑选零件或货物将它们运送到正确的位置并能避免沿途发生碰撞。协作机器人“cobots”可以与人类一起工作从事繁重的搬运、舞台材料的组装或完成重复性的任务和动作。集装箱和牵引拖车可以监测温度、湿度、光照、重量分布、二氧化碳和氧气水平等条件以保持负载的完整性加快交货和检查的速度。远程监控设备可以提供家庭诊断在需要干预时提醒护理人员并提醒患者服用药物。城市可以在实体基础设施中部署连接的传感器以不断监测能源效率、空气污染、用水、交通状况和其他生活质量因素。这种自适应、预测和“学习”的能力在工业物联网IIoT中尤其重要因为系统故障和停机可能会导致危及生命或高风险的情况发生。AI物联网成功的四个关键除了传感器、摄像头、网络基础设施和计算机等智能物联网的物理基础设施外还有一些要素是成功部署AIoT的关键一是思考并实时分析。使用事件流处理来分析运动中的各种数据并确定哪些是最相关的。二是能够在云端、网络边缘或设备本身等应用程序最需要的地方部署智能。三是结合AI技术。对象识别或处理自然语言等AI功能具有非常高的价值并能在协同作用中发挥关键作用。四是统一完整的分析生命周期对数据进行流化、过滤、评分存储相关内容、分析并使用结果持续改进系统。实时分析事件流处理在处理物联网数据时起着至关重要的作用因为它能够完成以下几方面的任务检测感兴趣的事件并触发适当的操作。事件流可以处理实时精确定位中的复杂模式例如它可对个人移动设备的操作或银行交易期间的异常活动进行快速检测。监控汇总信息。事件流可以持续处理来自监控设备和传感器的数据查找出可能存在问题的趋势、相关性或异常。智能设备可以采取补救措施例如通知操作员、移动负载或关闭电机。清理并验证传感器数据。当传感器数据延迟、不完整或不一致时可能是由于许多因素共同作用导致的。嵌入到数据流中的各种技术可以检测并解决此类数据问题还能对即将发生的传感器故障或网络错误导致的错误数据进行清洗。实时预测和优化运营。高级算法可以持续对流数据进行评分以便在瞬间做出决策。例如可以在数据环境中分析有关火车的到达信息并延迟另一趟火车的出发时间以保证乘客不会错过换乘。在应用程序需要的地方部署智能前面描述的案例需要不断变化和移动的数据例如自动驾驶车辆内驾驶员的地理位置或温度以及其他离散数据例如客户概况和历史购买数据。这一现实要求分析以不同的方式应用于不同的目的。例如高性能分析可以对静态、云端或存储中的繁重数据进行高效处理流分析可对运动中的大量不同数据进行分析这些数据中可能只有少量是我们需要的并只有短暂的价值因此速度十分重要。例如发送有关即将发生的碰撞或组件故障的警报边缘计算使系统能够在源头立即对数据进行操作而无需暂停获取、传输或存储数据。在应用程序需要的地方部署智能是一种多相分析方法要记住的关键原则是并非所有数据点都是相关的也不是所有数据点都需要发送并永久存储。分析基础架构必须灵活且可扩展以支持当前和未来的所有需求。协同AI技术要用AIoT实现最高的回报除了部署单一的AI技术外还需要考虑其他方面。例如可以采用多种AI功能协同工作的平台将机器学习与自然语言处理和计算机视觉等进行协同工作。举例来看一家大型医院的研究诊所结合了多种形式的AI为其医生提供诊断指导。该诊所使用深度学习和计算机视觉对X线片、CT扫描和核磁共振成像进行识别以确定结节和其他与人类大脑、肝脏有关的区域。该检测过程使用深度学习技术和卷积神经网络这是一类通常用于分析视觉图像的机器学习。这种检测过程使用了深度学习技术和卷积神经网络卷积神经网络是一种通常用于分析视觉图像的机器学习。然后该诊所使用一种完全不同的AI技术——自然语言处理建立一个基于家庭病史、药物、既往疾病和饮食的患者档案它甚至可以解释心脏起搏器等物联网数据。该工具将自然语言数据与计算机视觉相结合使医务人员在宝贵的工作时间内工作效率大大提高。统一完整分析生命周期为了从互联的世界中获得价值AIoT系统首先需要访问各种不同的数据来感知正在发生的重要事项。之后它必须从丰富的数据环境中提取对数据的理解。最后无论是提醒操作员、提供报价还是修改设备操作都必须得到快速的结果。成功的物联网实施将在整个分析生命周期中链接这些支持功能动态数据分析这是前面描述的事件流处理部分。事件流处理以非常高的速率在每秒数百万的范围内 并以极低的延迟以毫秒为单位分析大量数据以识别感兴趣的事件。实时决策/实时交互管理。可将感兴趣事件的流数据推入可正确决策或行动的推荐引擎例如汽车不断变化的位置、方向、目的地、环境等。大数据分析。从物联网设备获取智能首先需要具备能够从分布式计算环境中快速获取和处理大量数据的能力并能够运行更多的迭代以使用所有的数据从而提高模型的准确性。数据管理。物联网数据可能太少、太多而且肯定会以多种格式出现因此必须进行集成和协调。可靠的数据管理可以从任何地方获取物联网数据并使其干净、可信为下一步分析做好准备。分析模型管理。模型管理提供从注册到退休的整个分析模型生命周期的基本治理。这确保了模型管理方式的一致性并确保性能不会随着时间的推移而降低。AI物联网将重新定义可能性具有数千个连接点的高性能物联网设备和环境正在网络中扩散不断下降的硬件成本使得将传感器和连接性嵌入任何东西都成为可能。计算机、光速通信和分析技术的进步使得在网络边缘等任何需要的地方都能创造出由AI驱动的智能。这些技术共同开创了一个物联网的新时代将像“万维网”或“互联网连接”一样真正改变我们的生活。未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市云脑研究计划构建互联网城市云脑技术和企业图谱为提升企业行业与城市的智能水平服务。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
