Размещение данных и моделей ИИ рядом с точкой взаимодействия — ключ к разработке приложений на базе ИИ, которые всегда работают быстро и всегда на связи, пишет на портале The New Stack Марк Гэмбл, директор по маркетингу продуктов и решений Couchbase.

Искусственный интеллект является движущей силой следующей волны технологических инноваций, а данные — это топливо для него. В связи с этим обработка данных в рамках работы ИИ является, пожалуй, одной из самых важных составляющих, которую необходимо правильно реализовать, особенно в распределенных и часто не связанных между собой средах, характерных для приложений Интернета вещей (IoT).

Сложность заключается в том, что нужна база данных, способная справиться с требованиями и IoT, и ИИ.

Ускорить разработку функций и возможностей на основе ИИ в периферийных приложениях может помочь мобильная платформа баз данных со встроенной синхронизацией данных и поддержкой ИИ. Используя такую базу данных, приложения, работающие на основе ИИ, могут реализовать преимущества периферийных вычислений — они могут работать быстрее, поскольку данные расположены физически ближе к точке взаимодействия, и становиться более надежными за счет устранения зависимости от ненадежного Интернета.

ИИ и данные в мире IoT

В IoT периферийные вычисления приобретают особое значение, поскольку устройства IoT живут буквально на периферии сети в виде датчиков, исполнительных механизмов, камер и т. п. Эти устройства собирают большие объемы данных, впитывая их как губка и передавая с высокой скоростью. Приложения, использующие эти данные, должны уметь реагировать на них как можно быстрее, но они поступают так быстро и в таких больших объемах, что эффективно использовать их становится крайне сложно. Ключ к решению этой проблемы дает ИИ.

Например, обрабатывая высокоскоростные и часто повторяющиеся индексированные по времени показания датчиков, обученные модели машинного обучения могут быстро оценивать данные в режиме реального времени для поиска проблем и аномалий, отсеивая шум и сразу же обращая внимание на области, требующие внимания.

Однако если отсутствует подключение к Интернету, достичь этого весьма непросто; огромное значение может иметь место обработки данных и размещения моделей ИИ. Если все это находится в облаке, то возможны значительные задержки, поскольку приходится отправлять данные через Интернет, а затем ждать, пока вернутся результаты. Хуже того, приложения могут зависнуть, если соединение прервется.

Платформа мобильных баз данных решает эту проблему, обеспечивая архитектуру баз данных ИИ на границе, которая переносит данные и обработку ИИ на периферию, в том числе на edge-устройства, устраняя зависимость от Интернета. Синхронизация данных происходит в фоновом режиме при наличии подключения, обеспечивая согласованность всей экосистемы.

Источник: Couchbase

Эта архитектура позволяет обрабатывать данные и ИИ в облаке, на периферии и на устройстве, обеспечивая масштабирование для обработки огромных объемов данных, присущих приложениям IoT, и возможность немедленного использования преимуществ периферийного развертывания.

Примеры ИИ в IoT

Некоторые примеры использования ИИ в приложениях IoT включают:

  • «Умные» города. Решения для «умного» освещения в крупных мегаполисах используют датчики IoT, установленные на муниципальных осветительных сетях. Датчики обнаруживают движение транспорта, пешеходов, изменения погоды и естественного освещения, оценивают эти условия, чтобы в реальном времени автономно регулировать или включать/выключать освещение в соответствии с потребностями в любой точке города. Это позволяет сэкономить более 75% расходов на освещение и одновременно повысить безопасность горожан. В этих решениях используются модели МО, которые оценивают окружающую среду и могут, например, отличить идущего пешехода от перемещаемого ветром предмета, а затем действовать соответствующим образом. ИИ также дает рекомендации по улучшению на основе тенденций, предлагая расширение и альтернативные места установки для оптимизации сети.
  • Складская робототехника. Автономные машины могут выполнять повторяющиеся и/или опасные задачи на складе, такие как сбор, сортировка, упаковка и транспортировка материалов. С помощью этих решений парки роботов автономно действуют на крупных складах — даже в местах без подключения к сети — быстрее и точнее, чем это могут делать работники-люди, и без устали. Благодаря ИИ роботы способны обнаруживать, обходить и даже перемещать препятствия в процессе выполнения своих задач. Кроме того, ИИ анализирует данные с течением времени, чтобы рекомендовать оптимизацию планировки склада и схем движения транспорта.
  • Привлечение клиентов в сфере гостеприимства. Многие круизные линии, парки развлечений и курортные отели предлагают гостям носимые IoT-устройства, которые служат ключами доступа к номерам и аттракционам, а также позволяют бесконтактно оплачивать товары и услуги. Системы также отслеживают перемещения гостей по территории, предоставляя информацию, которую гостиничный оператор может использовать для персонализации обслуживания гостей. ИИ в такой системе использует такие данные, как профиль гостя, его местоположение и историю активности, чтобы находить и представлять привлекательные предложения в режиме реального времени. Он также может оценивать условия, такие как передвижение и концентрация гостей, предлагая рекомендации по оптимизации пешеходного движения и исключения столпотворений. Такие приложения должны работать независимо от подключения к Интернету — вы же не хотите, чтобы гость застрял за пределами своего номера или не смог совершить покупку, — поэтому они выигрывают от способности архитектуры базы данных периферийного ИИ обеспечить максимальное время бесперебойной работы.