Succesul în aplicațiile IoT necesită o cultură orientată spre analiză și spre date. De exemplu, la trecerea de la întreținerea planificată a dispozitivelor, a mașinilor, a echipamentului-lucrurilor la întreținerea predictivă, acțiunile nu mai sunt determinate de calendar. Ele sunt determinate din datele care decurg din lucruri prin aplicarea logicii, a regulilor de decizie și a modelelor. Cu alte cuvinte, acțiunile sunt determinate prin analize. Din ce în ce mai mult, analizele vor fi aplicate mai puțin în datacenter sau în cloud și mai mult la marginile și punctele de agregare ale rețelei. Datele streaming asigură mișcarea în locul potrivit, în timp ce analiza fluxurilor oferă o perspectivă în locul și ora potrivită.
Un sistem de inteligență artificială este un sistem computerizat care ia decizia sau îndeplinește o sarcină pe care un om o poate realiza. AI de astăzi este o formă de analiză avansată care se bazează pe învățarea mașinilor, optimizare și învățarea profundă. Apoi, componentele fizice sunt amplificate de elementele inteligente, care la rândul lor sunt amplificate prin conectivitate.
Pentru ca un lucru inteligent, conectat să fie un lucru în AIoT, trebuie să ia o decizie sau să îndeplinească o sarcină pe care o persoană o poate face. Există multe dispozitive inteligente care nu sunt dispozitive AI. A fi controlabil de o aplicație sau de a învăța doar preferințele utilizatorilor nu este suficient. Un sistem de încălzire la domiciliu care învață preferințele de temperatură nu este un sistem AI dacă nu face ceva. De exemplu, acesta ajustează temperatura în numele utilizatorilor. Un autovehicul autonom este un sistem AI, acesta conduce pentru șofer. Când este conectat la alte mașini sau la internet este parte a AIoT.
Ajustarea unghiului lamei turbinelor eoliene din aval, rezervarea unui zbor și a hotelului, efectuarea unei recomandări, interacțiunea cu lumea fizică, recunoașterea fețelor, traducerea limbii sau aprobarea unui împrumut sunt fapte artificial inteligente atunci când sunt realizate printr-un algoritm. Imaginați-vă ce s-ar putea întâmpla când aceste acțiuni sunt realizate de sisteme conectate unul la celălalt.
Conectivitatea amplifică elementele inteligente ale produselor și dispozitivelor externalizând capacitățile lor. Permite monitorizarea, controlul și optimizarea. Prin aceasta, conectarea lucrurilor nu promovează învățarea, ci deschide calea. Multe aplicații IoT se bazează pe trimiterea de date către cloud sau centrul de date, analizarea și modelarea datelor și aplicarea informațiilor. Acestea oferă un rezultat și, eventual, împing logica modificată înapoi la dispozitive.
Abilitatea de a se adapta, de a schimba comportamentul în timp este o altă piatră de temelie în direcția personalizării și a inteligenței colective, deoarece dorim ca dispozitivele să învețe de la utilizarea lor specifică și dorim ca dispozitivele să învețe unele de altele. Astăzi avem cea mai simplă formă a inteligenței colective, sistemele care sunt instruite cu informațiile colectate din colectiv, fără prea multă personalizare. Generalizările sistemului instruit se aplică tuturor.
Pentru a promova învățarea și inteligența colectivă, dispozitivele conectate trebuie să înțeleagă valoarea informațiilor care le sunt furnizate și să le aplice în rețele informale, auto-direcționate. De exemplu, camerele situate în jurul terenului de fotbal ajustează diafragma în funcție de condițiile locale de lumină și știu să ignore anumite condiții meteo și de teren. Apoi, autoturismele din apropierea unui accident de autostradă comunică densitatea traficului pentru traficul de rute pentru a sugera ocolirea. Un dispozitiv care distribuie medicamente pentru astm înțelege nevoile pacientului individual și poate ajusta medicamentul pe baza informațiilor despre condițiile de smog la destinația călătorului.
Oportunitatea în AIoT este de a promova învățarea și personalizarea în același timp. Cu toții vrem să fim tratați individual, cu obiceiurile, modelele și preferințele noastre luate în considerare. Două unități de echipamente industriale de aceeași marcă și model nu funcționează identic în condiții diferite și probabil nu sunt utilizate identic. Îndepărtarea lor se dovedește a fi omisă de oportunitățile IoT pentru o mai mare eficiență operațională, o mai mare siguranță și o mai bună utilizare a resurselor.
Aceste sisteme AIoT ar putea fi exploatate de un alt sistem AI, de exemplu unul bazat pe învățarea armăturii. Este puțin probabil să putem atinge gradul înalt de personalizare fără sisteme automate care sunt suficient de flexibile pentru a se optimiza pentru mii de scenarii. Dacă putem pregăti un algoritm care să sugereze următoarea cea mai bună mișcare în jocul complex, putem pregăti un algoritm pentru a regla răcitoarele într-un centru de date sau unghiul lamei unei turbine eoliene sau pentru a distribui cantitatea potrivită de medicament la fix.
Citiți și:
Forţa majoră a IoT în industrie
Potenţialul caselor inteligente prin IoT
