Компании могут использовать генеративный искусственный интеллект для оптимизации процессов, снижения затрат и раскрытия новых возможностей для инноваций, пишет на портале IoT World Today Яссер Альсаид, вице-президент Amazon Web Services по IoT.
За последнее десятилетие Интернет вещей (IoT) разросся до десятков миллиардов подключенных устройств — от термостатов до автомобилей и заводов, — непрерывно отправляющих мультимодальные данные в облако. В связи с таким бурным созданием и сбором данных предприятия ищут новые способы масштабирования операций, сбора информации и интеграции данных в процессы разработки продуктов.
Одним из таких способов является генеративный ИИ — революционная технология, использующая большие массивы данных для создания больших языковых моделей (LLM), способных обеспечить работу на естественном языке разговорных ассистентов, которые интеллектуально взаимодействуют с пользователем, пишут код и комбинируют текстовые и видеоданные.
Компании в основном используют генеративный ИИ для обучения LLM, а недавно мы увидели, как такие методы, как генерация с расширенным поиском (retrieval augmented generation, RAG), используются для тонкой настройки с использованием собственных данных, возможности которых безграничны. Применяя генеративный ИИ, компании могут оптимизировать процессы, снизить затраты и открыть новые возможности для инноваций.
В этой статье мы рассмотрим, почему генеративный ИИ и данные IoT становятся все более важными для роста бизнеса и принятия решений, прокладывая путь к более интеллектуальному, управляемому данными и гиперперсонализированному будущему.
Синергия между генеративным ИИ и данными IoT
Чтобы полностью раскрыть потенциал генеративного ИИ, предприятиям необходимо найти способы непрерывной подачи новых данных в LLM. Исторически сложилось так, что IoT позволяет передавать данные с устройств в облако для дальнейшей обработки и получения аналитических выводов. С появлением периферийных решений генеративного ИИ, часто называемых малыми языковыми моделями (Small Language Models, SLM), IoT становится инструментом для вычислительных задач, позволяющим беспрепятственно собирать и передавать данные между устройствами и облаком. В сценариях, когда важна оперативность реагирования в реальном времени (например, действия робота), SLM может обеспечить немедленный ответ, одновременно используя IoT для согласования статуса с соответствующей LLM.
Примеры интеграции IoT и генеративного ИИ можно найти в подключенных автомобилях, где автопроизводители используют IoT для подключения миллионов автомобилей к облаку, сбора данных для диагностики и поддержки подключенных сервисов. Одной из таких подключенных услуг является онлайн-поиск, который позволяет водителям и пассажирам использовать голосовые команды или бортовые сенсорные экраны для поиска информации, маршрутов или достопримечательностей в Интернете.
Голосовые помощники в салоне автомобиля существуют уже несколько лет, пытаясь обеспечить простой в использовании речевой интерфейс для различных функций и возможностей автомобиля. Однако существующие ассистенты плохо понимают естественный язык и сложные повороты разговора, что часто разочаровывает водителей. Автопроизводители стремятся использовать генеративный ИИ для создания автомобильных интерфейсов, аналогичных популярным чат-ассистентам. Для этого им необходимо использовать технологию IoT для сбора информации от различных датчиков и систем автомобиля и взаимодействия с LLM, находящимися как в автомобиле, так и в облаке. При этом автопроизводители также должны полагаться на технологии IoT для обеспечения безопасности, конфиденциальности и гибкости при поддержке новых пользовательских возможностей.
Мы только начинаем осознавать возможности, открывающиеся на пересечении IoT и генеративного ИИ. Например, роботизированные IoT-устройства, такие как шарнирные манипуляторы и автономные мобильные роботы, обычно встречающиеся на производственных предприятиях, могут видеть и чувствовать окружающую обстановку. На сегодняшний день большинство таких роботов выполняют заранее заданные инструкции, не имея практически никаких возможностей для совершенствования. Благодаря мультимоделям генеративного ИИ, которые постоянно учатся на основе новых условий окружающей среды и потребностей пользователей, IoT играет ключевую роль в создании коммуникационного цикла обратной связи, который может обеспечить реализацию плана совместных действий для всего парка роботов, повышая эффективность и надежность.
Будущее подключенного интеллекта
Таким образом, конвергенция IoT и генеративного ИИ открывает новые возможности для предприятий различных отраслей. IoT обеспечивает непрерывный поток данных от устройств в облако, что позволяет создавать более интеллектуальные и отзывчивые системы, способные понимать естественный язык, адаптироваться к сложным сценариям и предоставлять персонализированный опыт. Такое взаимодействие важно не только для повышения эффективности, но и для реализации автоматических процедур, которые действительно являются интеллектуальными и независимыми по своей природе. По мере продвижения вперед мы можем ожидать появления новых инновационных приложений IoT и генеративного ИИ, работающих вместе и открывающих новые возможности для инноваций в различных отраслях.
