Интернет вещей (IoT) и искусственный интеллект — это мощные технологии, но по-настоящему их сила раскроется тогда, когда они начнут работать в связке. Это позволит создать интеллектуальные, подключенные системы, которые могут исправлять ошибки и «лечить» себя по мере необходимости, образуя ИИ вещей (Artificial Intelligence of Things, AIoT), пишет на портале EnterpriseAI директор по маркетингу и соучредитель поставщика решений в области периферийной аналитики Crosser Йохан Джонсон.
IoT соединяет устройства, подавая и принимая сигналы, как нервная система, а ИИ действует как мозг — получает данные, обрабатывая их и используя для принятия обоснованных решений, которые управляют всей системой. Объединенные вместе, эти технологии позволяют создавать интеллектуальные, подключенные системы — AIoT.
AIoT может выполнять действия автоматически
Чтобы оценить возможности, которые может открыть AIoT, полезно вспомнить, какое влияние IoT уже оказал на промышленность. Благодаря таким технологиям, как облачные вычисления и хранение данных, а также расширенным возможностям подключения и связи между машинами (M2M), производители смогли решить три ключевые задачи: подключить машины, хранить данные и сделать их значимыми. По мере внедрения AIoT они могут воспользоваться еще одной возможностью — способностью действовать.
Теперь промышленные предприятия могут не только получать фактическую информацию о работе оборудования, а затем принимать решения и действовать. ИИ замыкает цикл, автоматически предпринимая действия за пользователей. Однако, чтобы сделать концепцию AIoT осуществимой, промышленным предприятиям необходима система управления данными, способная поддерживать быстрое принятие решений. Хотя облачное хранение данных является жизнеспособным вариантом, анализ данных ближе к их источнику — на периферии — выведет AIoT на новый уровень.
Выход на периферию
Во многих случаях интеграции ИИ, чтобы действовать быстро, это нужно делать на местном уровне. Например, если ИИ-система получает предупреждение о неисправности машины, она может принять решение об ее остановке, чтобы избежать повреждения продукции. Интеграция ИИ-системы на периферии, а не в облаке, позволяет избежать проблем с задержкой — это означает, что машина будет отключена быстрее и меньше продукции будет повреждено. То же самое применимо и для оптимизации процессов, например, для изменения скорости или типа движения механизма. ИИ-система на периферии может отправлять инструкции оборудованию для повышения его производительности быстрее, чем если аналогичные инструкции поступают из облака.
Дополнительным преимуществом интеграции ИИ и обработки данных на периферии является повышение безопасности. Облачные вычисления могут вызывать ряд проблем с безопасностью. Это связано с тем, что данные хранятся у стороннего поставщика вдали от помещений компании, и доступ к этим корпоративным данным осуществляется через Интернет. Периферийные вычисления помогают справиться с этими проблемами безопасности, отфильтровывая конфиденциальную информацию в источнике и храня ее локально, на периферийном устройстве, что позволяет уменьшить объем передаваемых в облако конфиденциальных материалов.
Еще один сценарий выгодной интеграции ИИ и обработки данных на периферии, — это системы визуального контроля. Камеры и датчики создают огромные объемы данных, поэтому разумнее анализировать и фильтровать эти данные на периферии, а не отправлять их в облако за пределы объекта или в большую централизованную систему. Кроме того, на объектах часто используется множество подключенных мобильных устройств, и им приходится работать с огромным сопутствующим объемом данных, которые они генерируют. Отправка этого огромного кэша в облако может оказаться невозможной, поэтому эффективнее проводить анализ за счет Edge-мощностей. Edge-аналитика может извлекать из необработанных данных более ценные инсайты, отправляя в облако только необходимую информацию, например, оценки оставшегося срока службы машин и многое другое.
Интеграция AIoT
Чтобы интегрировать AIoT на периферии, лидеры отрасли должны сначала построить офлайновую модель ИИ. Затем нужно обучить модель, используя ранее сохраненные наборы данных, чтобы улучшить ее и убедиться, что она соответствует ожиданиям. После того, как модель будет готова, ее можно будет реализовать, экспортировать и применить в режиме онлайн с новыми данными. Однако применение модели к данным реального времени в онлайн-сценарии сильно отличается от ее тестирования на сохраненных данных, которые уже были отсортированы на этапе обучения. Данные в реальном времени не отфильтрованы или классифицированы, и каждый набор может поступать в разное время, создавая информационный хаос для AIoT.
Поэтому прежде чем данные будут использованы AIoT, они должны пройти первичную обработку, и именно в этом случае на помощь приходит Edge-аналитика. Она позволяет гармонизировать данные в различных форматах и из различных источников. Данные, поступающие в разное время, выравниваются по регулярным временным шкалам, что позволяет упорядочить их до того, как они попадут в AIoT.
Машинный интеллект действительно обладает огромной силой, но вспомогательные технологии могут помочь раскрыть его потенциал в полной мере. Лидеры отрасли, интегрировавшие AIoT на периферии, могут целенаправленно пожинать плоды более эффективной и реактивной системы управления и получать преимущества ускоренной оптимизации процессов.
