沒(méi)有大數(shù)據(jù)的物聯(lián)網(wǎng)什么都不是。

將工業(yè)物聯(lián)網(wǎng)想象成公司的神經(jīng)系統(tǒng)：它是一個(gè)傳感器網(wǎng)絡(luò)，從制造商的各個(gè)角落收集有價(jià)值的信息，并存儲(chǔ)在存儲(chǔ)庫(kù)中進(jìn)行數(shù)據(jù)分析和利用。有必要對(duì)測(cè)量和獲取數(shù)據(jù)做出明智的決定。但接下來(lái)會(huì)發(fā)生什么呢？我們應(yīng)該如何處理所有這些數(shù)據(jù)？我們總是談?wù)摶诳煽啃畔⒌恼_策略，但實(shí)現(xiàn)這個(gè)目標(biāo)并不總是那么容易，盡管聽(tīng)起來(lái)很明顯。在本文中，我們將超越物聯(lián)網(wǎng)，關(guān)注數(shù)據(jù)以及如何通過(guò)人工智能和數(shù)據(jù)分析來(lái)使用它。

討論分析階段，先將數(shù)據(jù)轉(zhuǎn)化為信息，再轉(zhuǎn)化為知識(shí)(有時(shí)又稱(chēng)業(yè)務(wù)邏輯)。然而，我們最終不會(huì)偏離物聯(lián)網(wǎng)的核心主題，因?yàn)闆](méi)有大數(shù)據(jù)的物聯(lián)網(wǎng)對(duì)我們來(lái)說(shuō)毫無(wú)意義。

大數(shù)據(jù)和數(shù)據(jù)分析。

近幾十年來(lái)，特別是20世紀(jì)10年代，我們目睹了大量數(shù)據(jù)（結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)）的涌入，這些數(shù)據(jù)是由無(wú)處不在的數(shù)字技術(shù)產(chǎn)生的。在工業(yè)世界的特殊情況下，充分利用和充分利用大量信息對(duì)成功至關(guān)重要。

這種對(duì)業(yè)務(wù)數(shù)據(jù)處理的需求催生了可交換術(shù)語(yǔ)大數(shù)據(jù)、數(shù)據(jù)科學(xué)和數(shù)據(jù)分析。它們可以統(tǒng)稱(chēng)為檢查設(shè)備網(wǎng)絡(luò)捕獲的數(shù)據(jù)的過(guò)程，以揭示混淆的趨勢(shì)、模式或相關(guān)性。這樣做的根本目標(biāo)是利用新知識(shí)改進(jìn)業(yè)務(wù)。

因?yàn)樗亲罱鼊?chuàng)建的術(shù)語(yǔ)，所以對(duì)大數(shù)據(jù)有不同的定義。Gartner提供的三個(gè)關(guān)鍵方面之一是：數(shù)據(jù)量、數(shù)據(jù)類(lèi)型和捕獲速度。這些通常被稱(chēng)為3V，盡管其他定義擴(kuò)展了，包括5V，增加了數(shù)據(jù)的真實(shí)性及其對(duì)業(yè)務(wù)的價(jià)值。

然而，我們認(rèn)為討論什么是大數(shù)據(jù)，什么是不合格的理論沒(méi)有多大意義，因?yàn)榇髷?shù)據(jù)分析和處理已經(jīng)適用于大規(guī)模的工業(yè)世界，因?yàn)閿?shù)據(jù)收集設(shè)備無(wú)處不在。

物聯(lián)網(wǎng)和大數(shù)據(jù)。

物聯(lián)網(wǎng)和大數(shù)據(jù)如何相互關(guān)聯(lián)？連接的主要點(diǎn)通常是數(shù)據(jù)庫(kù)。一般來(lái)說(shuō)，我們可以說(shuō)物聯(lián)網(wǎng)的工作在數(shù)據(jù)庫(kù)中結(jié)束；換句話說(shuō)，物聯(lián)網(wǎng)的目標(biāo)是在公共存儲(chǔ)庫(kù)中有序地存儲(chǔ)所有獲得的數(shù)據(jù)。大數(shù)據(jù)領(lǐng)域首先訪問(wèn)存儲(chǔ)庫(kù)以操作獲取的數(shù)據(jù)并獲取所需信息。

無(wú)論如何，將物聯(lián)網(wǎng)大數(shù)據(jù)分析可視化為工具箱是非常有用的。根據(jù)我們想要從數(shù)據(jù)中獲取的信息和知識(shí)類(lèi)型，我們將從數(shù)據(jù)中提取一個(gè)或另一個(gè)工具。許多工具以傳統(tǒng)算法的形式出現(xiàn)，以及這些算法的改進(jìn)或改編，統(tǒng)計(jì)和代數(shù)原理非常相似。這些算法不是本世紀(jì)發(fā)明的，這讓很多想知道為什么現(xiàn)在比以前更相關(guān)的人感到驚訝。

快速的答案是，現(xiàn)在可用的數(shù)據(jù)量遠(yuǎn)遠(yuǎn)大于最初構(gòu)思的算法，但更重要的是，今天的機(jī)器計(jì)算能力允許這些技術(shù)大規(guī)模使用，為舊方法提供新的用途。

但我們不想給人印象，一切都被發(fā)明了，目前的數(shù)據(jù)分析趨勢(shì)沒(méi)有帶來(lái)任何新的東西；事實(shí)上，恰恰相反。近年來(lái)，數(shù)據(jù)生態(tài)系統(tǒng)非常廣泛，見(jiàn)證了重大創(chuàng)新。

人工智能是增長(zhǎng)最快的領(lǐng)域之一?？梢哉f(shuō)這不是最近的發(fā)明，因?yàn)檫@種現(xiàn)象早在1956年就被討論過(guò)。然而，人工智能是一個(gè)如此廣泛的概念，以至于它通常被認(rèn)為是一門(mén)獨(dú)立的學(xué)科。但現(xiàn)實(shí)是，在某些方面，它在大數(shù)據(jù)和數(shù)據(jù)分析中起著不可或缺的作用。它是我們隱喻工具箱中已經(jīng)包含的另一種工具，但它發(fā)現(xiàn)了AIOT的自然演變。

人工智能：物聯(lián)網(wǎng)人工智能。

指數(shù)級(jí)數(shù)據(jù)量增長(zhǎng)需要新的分析方法。在這種情況下，人工智能變得尤為重要。據(jù)福布斯報(bào)道，物聯(lián)網(wǎng)和人工智能是主導(dǎo)技術(shù)產(chǎn)業(yè)的兩大趨勢(shì)。

物聯(lián)網(wǎng)和人工智能是兩種相互獨(dú)立的技術(shù)，相互影響很大。雖然物聯(lián)網(wǎng)可以被認(rèn)為是一個(gè)數(shù)字神經(jīng)系統(tǒng)，但人工智能也是一個(gè)先進(jìn)的大腦，可以決定控制整個(gè)系統(tǒng)。IBM表示，物聯(lián)網(wǎng)的真正潛力只能通過(guò)引入AIOT來(lái)實(shí)現(xiàn)。

但是人工智能和傳統(tǒng)算法有什么區(qū)別呢？

當(dāng)機(jī)器模仿人類(lèi)的認(rèn)知功能時(shí)，我們通常會(huì)談?wù)撊斯ぶ悄?。也就是說(shuō)，它以與人類(lèi)相同的方式解決問(wèn)題，或者假設(shè)機(jī)器能找到理解數(shù)據(jù)的新方法。AI的優(yōu)點(diǎn)是可以生成新的算法來(lái)解決復(fù)雜的問(wèn)題——這是獨(dú)立于程序員輸入的關(guān)鍵。因此，我們可以將普通人工智能，特別是機(jī)器學(xué)習(xí)（這是預(yù)計(jì)人工智能增長(zhǎng)潛力最大的部分）視為發(fā)明算法的算法。

邊緣人工智能和云人工智能。

物聯(lián)網(wǎng)與人工智能的結(jié)合給我們帶來(lái)了人工智能（物聯(lián)網(wǎng)人工智能）的概念，即隨著時(shí)間的推移，智能互聯(lián)網(wǎng)系統(tǒng)可以做出自己的決策，評(píng)估這些決策的結(jié)果，并不斷改進(jìn)。

這種組合可以通過(guò)多種方式完成，我們想強(qiáng)調(diào)兩者:

一方面，我們可以繼續(xù)將人工智能的概念轉(zhuǎn)化為一個(gè)集中的系統(tǒng)，處理所有的沖動(dòng)，做出決定。在這種情況下，我們指的是云中的中接收所有遙測(cè)數(shù)據(jù)并采取相應(yīng)行動(dòng)的系統(tǒng)。這將被稱(chēng)為CloudAI(云人工智能)。

另一方面，我們還必須討論隱喻性神經(jīng)系統(tǒng)的一個(gè)非常重要的部分：反射。反射是神經(jīng)系統(tǒng)的獨(dú)立決定，不需要向中央處理器(大腦)發(fā)送所有信息。這些決定是在數(shù)據(jù)源附近做出的。這叫邊緣AI(邊緣人工智能)。

邊緣AI和云AI的用例。

CloudAI為整個(gè)系統(tǒng)提供了一個(gè)全面的分析過(guò)程，EdgeAI為我們提供了快速的響應(yīng)和自主權(quán)。但和人體一樣，這兩種反應(yīng)并不是相互排斥的，實(shí)際上可以互補(bǔ)。

例如，水控制系統(tǒng)可以在檢測(cè)到泄漏時(shí)立即關(guān)閉現(xiàn)場(chǎng)閥門(mén)，以防止重大水損失，并向中央系統(tǒng)發(fā)出通知。中央系統(tǒng)可以在那里做出更高層次的決策，比如打開(kāi)通過(guò)另一個(gè)電路引導(dǎo)水的替代閥。

可能性是無(wú)限的，可以超越反應(yīng)維護(hù)的簡(jiǎn)化示例，復(fù)雜的系統(tǒng)可以預(yù)測(cè)可能的事件，從而實(shí)現(xiàn)預(yù)測(cè)維護(hù)的可能性。

智能電網(wǎng)中可以找到AIOT數(shù)據(jù)分析的另一個(gè)例子。我們有智能設(shè)備在邊緣分析每個(gè)節(jié)點(diǎn)的電流，并在當(dāng)?shù)刈龀鲐?fù)載平衡決策。同時(shí)，我們將所有這些數(shù)據(jù)發(fā)送到云中進(jìn)行分析，以生成更全面的國(guó)家能源戰(zhàn)略。宏觀分析將允許在區(qū)域?qū)用孀龀鲐?fù)載平衡決策，甚至通過(guò)關(guān)閉水電廠或從鄰國(guó)開(kāi)始電力購(gòu)買(mǎi)來(lái)減少或增加電力生產(chǎn)。

成都融和實(shí)業(yè)排隊(duì)叫號(hào)系統(tǒng)廠家(yuanshangpin.cn)是一家集研發(fā)、生產(chǎn)、營(yíng)銷(xiāo)、服務(wù)于一體的高新技術(shù)企業(yè).主營(yíng)智能排隊(duì)叫號(hào)系統(tǒng)、醫(yī)院分診系統(tǒng)、排隊(duì)機(jī)、叫號(hào)機(jī)、評(píng)價(jià)器(好差評(píng)系統(tǒng))、呼叫器、多媒體查詢(xún)及信息發(fā)布配套系統(tǒng)等,公司產(chǎn)品已廣泛應(yīng)用于不動(dòng)產(chǎn)登記、智慧醫(yī)療、智慧稅務(wù)、智慧政務(wù)、智慧金融、智慧通訊、智慧服務(wù)大廳、智慧機(jī)關(guān)單位等服務(wù)窗口行業(yè).咨詢(xún)電話：028-87438905。

標(biāo)簽：邊緣人工智能和云人工智能,智能電網(wǎng),人工智能