close
当前位置: 物联网在线 > 产业研究 >

AI在IoT基础设施中的地位

“我们目睹了人类历史上最伟大的革命之一 - 人造智能和物联网驱动的革命。它将产生繁荣,就业和促进人类的理解。“ - 纽约市立学院理论物理教授Michio Kaku博士(NEC介绍)人工智能或人工智能是John McCarthy首先创立的术语,John McCarthy是一位认知科学家,在1955年被称为人工智能之父,用于描述可能像人类一样的机器。此后,由能力硬件和软件技术的日益增长的能力以及互联网,AI和物联网的日益增长的影响越来越大。许多人认为,这种影响在不久的将来会变得更加深刻。
本文首先介绍一下AI是什么,以及它可以成为什么。然后回到目前,并考虑到AI与物联网之间的当前关系,以及如何在各个层面带来好处。我们完成了一个路线图,定义了AI开发的未来可能的阶段。

什么是人工智能?

在最简单的定义中,人工智能(AI)是关于可以做人们通常做的事情的计算机的开发。1950年由艾伦·图灵(Alan Turing)发明的图灵测试(Turing Test)解决了这个问题。它认识到机器可能能够表现出与人类不可区分的智能行为。
人工智能 - 可以像人类一样思考的机器
图1:人工智能 - 可以像人类一样思考的机器
此后,机器加工能力稳步增长; 实现摩尔定律预测,计算能力每两年翻一番。AI现在关于电脑越来越多地搜索和识别不断增长的数据存储模式的能力。它还涉及另外两个因素; AI系统如何不断地从其传入的数据中学习,并相应地进行改进; 以及如何在不参照人类的情况下自行采取行动。
无论我们是否意识到AI系统已经成为我们日常生活的一部分。Wired的一篇文章强调了Google搜索引擎的一个典型的例子; 每天进行的数十亿次搜索都会反复引导搜索引擎深入学习的AI。
另一个例子是IBM的沃森 - 一套云服务器,为医生和医院等用户提供AI服务。在一个用户的意见中,“沃森将很快成为世界上最好的诊断学家 - 机器或人类”。
但是,如果我们允许AI在现实世界和信息应用中接管人类,设计师必须意识到,用更大的力量来承担更大的责任。想像一个控制大型化工厂的AI系统。如果出现问题,系统可能会决定破坏部分工厂,以防止进一步的损坏和生命危险。考虑到系统将根据可能无法吸收的广泛数据做出这些决定,我们准备授予自主权吗?

AI的增长潜力

AI会提出很多这样的大问题,同时在未来提供巨大的,甚至难以想象的好处。在剑桥大学看来,人工智能可能会对社会运作产生重大影响,构成实际,道德,法律和安全方面的挑战,其中大部分尚未得到充分的理解和理解。然而,扭转人类老龄化,治愈疾病和饥饿,甚至死亡和重新编程天气,以保护地球上生命的未来只是一些可能成为可能的结果。以前引用的Wired文章描述了如何通过以下几个因素的出现创造出惊人增长的潜力:

便宜的并行计算

思维是一个本质上平行的过程,数十亿神经元同时发射以产生皮层计算的同步波。建立一个神经网络 - AI软件的主要架构 - 同时也需要许多不同的过程。神经网络的每个节点松散地模仿大脑中的神经元 - 与其邻居相互作用,以使其接收的信号有意义。要识别一个口语,程序必须能够听到所有相互之间的音素; 为了识别图像,它需要看到它周围的像素的上下文中的每个像素 - 两个深入并行的任务。但直到最近,典型的计算机处理器一次只能ping一个东西。
随着图形芯片(GPU)的出现,这种图形芯片(GPU)的出现也随之变化,专门用于并行处理,每秒需要数百万像素的计算,以满足视频游戏的强烈视觉和平行需求。当Andrew Ng和斯坦福大学的一个团队意识到GPU芯片可以并行运行神经网络时,真正的突破就来了。今天,运行在GPU上的神经网络常常被诸如Facebook等云端公司用来识别你的照片中的朋友。
神经网络 - 通过维基媒体形象
图2:神经网络 - 通过维基媒体形象

大数据

每个智慧必须被教导。人脑仍然需要看几十个例子才能区分猫和狗。这对于人为的心灵来说更为真实。即使是最好的计算机,它必须发挥至少一千游戏的棋,才能变得好。然而,AI系统现在可以通过网络从广泛的数据库中学习; 大量数据库,自我跟踪,网络Cookie,在线足迹,存储容量,几十年的搜索结果等。组织现在正在捕获和记录自己的操作,无论是涉及生产车间的机器,还是服务人员都记录了现场访问的结果,这一点至关重要。
想像一个服务机构,例如,保持技术人员的事件报告出现,并注意到成功和失败的维修尝试。随着时间的推移,这些将会建成一个数千个修复场景的数据库; AI分析软件可以持续处理这些数据,发现相关性,学习并为正在进行的技术人员支持创造更好更有见地的建议。

更好的算法

数字神经网络产生大量的数据,但计算机科学家不得不学习如何管理这些数据来提取有用的信息。答案是使用多层方法,其中如果将一组比特识别为诸如人眼的图案,则将结果传递到神经网络中的下一级以进一步解析 - 在这一点上可以将两只眼睛组合在一起。如果这个过程被重复了十五个层次,它可以得到对人脸的认可。
2006年,当时在多伦多大学的杰夫·霍顿(Geoff Hinton)对这种方法进行了一个调整,他被称为“深度学习”。他能够在数学上优化每个层的结果,使得学习在堆栈层次上累积得更快。几年之后,深度学习算法被移植到GPU。只有深入学习的代码不足以产生复杂的逻辑思维,但它是所有当前AI的重要组成部分,包括IBM的沃森,Google的搜索引擎和Facebook的算法。

结果 - 可能爆炸式增长

平行计算,更大的数据和更深入的算法的完美风暴,使得AI成功实现了60年的成功。而这种趋同表明,只要这些技术趋势继续下去,没有理由认为他们不会继续改善。
事实上,Tim Urban的另一篇文章认为,增长可能是爆炸式的,因为他称之为递归自我完善的概念。他解释如下:
“一个AI系统在一定程度上 - 让我们说,人类村里的白痴 - 是为了提高自己的智慧而编程的。一旦这样做,它更聪明 - 也许在这一点上它在爱因斯坦的水平 - 所以现在,当它的工作,以提高智能,爱因斯坦的智力,它有一个更容易的时间,它可以做更大的飞跃。这些飞跃使其比任何一个人都聪明得多,从而使其能够实现更大的飞跃。随着飞跃越来越大,发生更快,AGI在智慧化上升,很快达到了ASI系统的超智能化水平。这被称为智力爆炸 - 这是1965年由欧文·约翰·福尔(Irving John Good)创造的一个术语 - 它是“加速退货法”的最终例证。
NB。AGI意味着“人造通用智能”,ASI意味着“人造超智能”,如后面的路线图部分所述。

回到现在

我们已经看过AI的可能未来,但是自然,替代方案可能会展开 - 只有时间会告诉。同时,让我们看看大赦国际,特别是与物联网一起,已经在影响着我们今天的世界。
AI的一个有力的例子是:1979年3月,美国宾夕法尼亚州哈里斯堡附近的三里岛核电厂的冷却故障破坏了压水堆。世界核协会指出“缺乏控制室仪器和应急训练不足”是根本原因。另有观察员报告说,操作人员只能听到一个单声道和视觉报警,同时打印出数百条故障信息。
一个可以分析这些信息的AI系统,通知运营商的根本原因,建议采取的行动可能对运营商的响应速度和有效性产生了重大的影响。
三里岛 - 维基共享图片
图3:三里岛 - 图像通过维基共享资源

工厂AI和IoT系统

在工厂内部,可以追溯到一个进化路径,即IoT和AI通过互相排斥,正在提高我们理解和管理我们工业流程的能力:
  • 在工业厂房,工厂车间生成的数据可用于产生简单的警报,如温度传感器读数超过预设电平,则检查电机的警告。
  • 更复杂的IoT安装将有大量的传感器监控各种操作方面; 温度,振动,电流消耗也可能更多。这成为一个大数据方法,其中所有的数据都被发送到云上进行更高层次的分析,以及历史数据和其他趋势的报告。它还涉及到从本地孤岛系统出口工厂机器控制的行业4.0架构,转而转移到远程集中的云计算设施。
  • 随着这个模型的发展和发展,数据处理和一些其他云功能被移动到尽可能接近数据源的边缘。
这可以带来真正的AI解决方案。基于对机器性能的实时分析,以及工厂车间或许多工厂的大量机器的性能综合历史记录,AI系统可以学习导致故障的模式。
这种预测性维护系统可以预测,在(说)三个月内,如果不服务,部件将失败,并建议采取行动来预防故障。AI系统还可以推荐操作机器以最大化其使用寿命的方法,从而在性能和寿命之间进行权衡。机器学习算法使得分析系统随着时间的推移而变得更加智能,并且有更多的数据集和模式可用。AI系统只能收到数据,因此,您所输入的设备操作,故障和维护数据越多,预测分析系统就越准确。
数据来自工厂的许多来源,除了在线的机器:
  • 可编程控制器
  • 制造执行系统
  • 楼宇管理系统
  • 人工检查的手动数据
  • 静态数据,如制造商的服务建议
  • 外部数据,如天气条件
  • 地理资料
  • 设备使用历史
  • 零件组成
相反,没有这样的AI能力,用户根本无法完全实现他们的物联网安装的潜力。物联网特征的大量传感器将生成数据,这些数据将很快压倒人类操作员或技术人员。他们需要很多时间来关联和分析可以实时或接近实时处理的AI系统的数据,如果他们可以做到这一点。AI系统还可以考虑其他变量,例如机器操作员的性能,季节变化或不同工厂的位置。如果随着时间的推移收集到足够的数据,AI分析可以进一步了解可以转换为可操作信息的相关性。
使用所描述的预测技术的维护管理可以节省用户与以前的预防性维护方法相比的金钱 这些依赖于在使用寿命结束之前有时更换零件。在防止故障的同时,不可避免地会浪费部分零件的价值。
使用二阶分析可以进一步节省成本。例如,更深入的分析可以确定从服务中移除可疑部分的最佳时间,以及哪些额外的维修(如果有的话)应同时执行。
IBM的“云计算维护”是一种软件解决方案,允许可靠性工程师识别和管理可能对工厂或业务运营产生不利影响的资产可靠性风险。根据预测评分和对资产健康有积极和消极影响的因素的确定规定采取行动,并对影响资产业绩的历史因素进行详细比较。
阅读我们的文章“智能工厂:灵活处理复杂性”,以获取有关部署IOT和AI实施的智能工厂环境的更多信息。

其他AI应用及其优点

人工智能从数据中提取信息的效率转化为巨大的节省金钱的好处。据杜邦研究公司(Juniper Research)称,例如,到二零二二年,chatbots预计将全球业务节省高达六百亿英镑。劳埃德银行数字开发与应用科学总监Marc Lien认为,chatbot技术大大增强了客户支持人员的服务。他认为这是非常强大的,将整个机构的知识库整合到一个同事的会话中,在何时何地想要它。
通过使用AI功能的后台的数据可以通过API为任何授权的前端消费提供更广泛的chatbots的使用。集成到应用程序,网站或其他前端可以轻松实现。
使用AI从IoT传感器中提取数据可以为城市居民带来好处,并为进一步,全面改进提供一个平台。Redwood City对停车可用性不足的常见投诉的回应正在得到证实,尽管许多停车库距离大约只有半个小时。加利福尼亚城市已经建立了一个试点项目,将车辆传感器安装到其中两个车库。这些不仅揭示了可用的停车位及其位置,还测量交通流量模式,并帮助提供指示车库何时最繁忙的信息。
这个计划是一个更雄心勃勃的基础设施计划的一部分。该市已经启动了另一个测试自动送货机器人的试点项目。停车数据还将与智能照明系统和连接的水表相关,可以感知未来的破裂。市议会认为,这种整体性的方法和使用的物联网和人工智能技术是城市基础设施的未来。此外,拥有人造卫星数据驱动的基础设施和城市规划决策是建立自驾车可以发挥作用的未来的关键。
AI也以更直接,个人的方式影响我们的生活。我们每天在购物网站上看到它,并将信息提供给“观看者也浏览过的客户”等信息。
语音识别是AI的另一个主要受益者。随着这项技术的改进,我们可以更快,更轻松地与我们的计算机和智能设备进行交互。IBM最近宣布,它在对话语音识别方面取得了新的行业纪录,字错误率只有5.5%。该软件采用深度学习技术,利用负面例子和积极的学习技巧,随着时间的推移,它变得更加智能化,在重复相似的语音模式的情况下表现更好。
虽然这一表现与人类的比例尚未达到5.1%,但正在成为越来越有用的竞争者。

现在和将来的AI

我们来看一下(略)未来的例子; 医院访问:
  • 想象你正在医院看望你的侄女,他正在从曲棍球事故中恢复过来。在抵达时,您将受到如图4所示的数字接待员的欢迎。
  • “史密斯先生,你的侄女在病房6上躺在床上5,但是正面医师会在几分钟内评估她。我建议等一会儿,所以你可以和你的侄女讨论医生的报告。同时,你为什么不去参观我们的咖啡厅?今天很热,他们正在喝很多清凉饮料。我会将地图发送到您的智能手机,以便您轻松找到。
  • 地图还显示礼品店的位置,这可能是有用的,因为我可以看到你是空手而归的。我知道今天环路上的交通拥挤,这可能已经否认你有时间在其他地方买礼物。最后一件事:我收到你最后一次血压丸处方近一个月,你应该尽快收集你的下一个包,但不要忘记今天下午4点关闭药房“
  • 在您的侄女抵达时,您可以与她讨论医生的报告,以及她健身器材的反馈。这一直在跟踪她一直遵循治疗计划的情况,将结果与历史规范进行比较,并酌情突出分歧。
机器人接待员
图4:机器人接待员 - 通过维基百科图像

人造路线图

意见各不相同,但大多数专家都接受了三类人工智能开发:
  • ANI:人造狭义智力

    第一智力水平,有时被称为弱智。“AI专门在一个领域。有AI可以在国际象棋中击败世界象棋冠军,但这是唯一的事情。“
  • AGI:人造总智能

    第二智力水平,有时被称为强AI,或人为AI。AGI达到并通过了人类的智力水平,意味着它能像人一样容易地“理性,规划,解决问题,抽象思考,理解复杂的想法,快速学习,从经验中学习”的能力。
  • ASI:人工超级智能

    第三智力水平:牛津哲学家和领先的AI思想家尼克·博斯波伦(Nick Bostrom)将超级智能定义为“在几乎每个领域比最好的人类智慧更聪明的智慧,包括科学创造力,一般智慧和社交技能”。人造超级智能范围从一台电脑比人类更聪明一点,数万亿次更聪明 - 全面。
目前,最低级别的ANI存在于各地的许多实施中; 在汽车,工厂,城市,商店和家庭,以及我们的智能手机上。AGI开发项目正在进行中,而ASI仍然在未来。
AGI项目的一个例子是Google收购了一家名为DeepMind的英国公司。DeepMind试图通过软件模拟人类大脑的生物结构,构建可以“有机地”学习的机器 - 也就是没有人为的参与。
DeepMind的研究包括通过学习如何在Google的数据中心使用大量更少的能源,他们声称对环境造成重大影响的系统。该公司还与国家卫生服务部门的临床医生合作,更好地照顾影响全球数百万人的病情。

结论

在这篇文章中,我们已经看到,AI长期以来被视为“未来的东西”,现在正在影响我们的日常生活。这在许多领域正在发生,特别是在AI与协同合作伙伴关系中的IoT实施相结合的情况下。
我们还研究了AI如何日益增长的牵引因素 - 快速增长的计算机能力,大数据和改进的算法 - 预计将进一步推动AI的爆发性增长及其对我们社会的影响。

(责任编辑:ioter)

用户喜欢...

研华发布多连接IoT网关UTX-3117 ,物联网应用如虎添翼

全球领先的嵌入式计算供应商研华科技于近日全新发布了一款助力工业物联网解决方案的物联网网关产品,即无风扇...


中兴发布NB-IoT安全芯片“朱雀”

据统计,2016年全球使用64亿物联网(IoT)设备,比2015年增长了30%,市场规模约为1200亿元。而当前只有10%的IoT应用是基于...


接收IoT标准化连接 by the Kilometer: SIGFOX, LoRa®, or LTE?

由于每个人都可能厌倦了听力,因此物联网应该将每个人都连接在一起。到目前为止,没有什么具体的证据,因为它最初不是由消费者驱动,而是由工业,政府和其他更难发现的应用程序驱动。...


蓝牙5:网状网络,更大的范围和能力共存为IoT和IIoT应用程序提供潜力

去年12月,蓝牙特别兴趣小组(SIG)发布了蓝牙5的2,822页标准,显然SIG的意图是使该技术更适合于IoT应用。为了达到这个目的,SIG于2017年7月正式增加了网状网络功能,这有可能使蓝牙5成为长距...


探讨关于IoT设备安全漏洞的僵尸网络,以及确定针对他们安全设备的关键方法

针对物联网(IoT)的僵尸网络的兴起已经成为快速增长的新兴行业(如家庭自动化,智能城市和工业网络)的明显和现实的危险。僵尸网络释放分布式拒绝服务(DDoS)攻击已经有一段时间了,...


支持4G高速传输——面向高速物联网的绝佳工控板EVB-P6UL评测

i.MX 6系列应用处理器是目前NXP主推的一个功能和性能可扩展的多核平台,其中,基于高能效比的ARM Cortex-A7处理器的...


意法半导体(ST)与Objenious携手合作,加快IoT节点连接LoRa网络

横跨多重电子应用领域的全球领先的半导体供应商、LoRa Alliance联盟会员意法半导体和LoRa联盟创办会员、法国首家全国...


迷你精悍AVR,Microchip ATtiny817 Xplained Mini

tinyAVR MCU具有很多年历史了,tiny是微小的意思,代表着此系列AVR具有超小的封装尺寸,可以塞进很多小巧设备中。M...


《普罗米修斯》中的人造人大卫

1982年的经典科幻电影《银翼杀手》在最近迎来了续集《银翼杀手2049》的上映,片中引人入胜的关于复制人与AI人工智...


构建安全的IIoT设备

无线通信在工业控制和自动化领域提供了显着的优势。 任何自动化工业操作中的无线设备的数量都大大增加,所有这些都连接到形成由设备,路由器和传感器组成的工业物联网(IIoT)。 而且...