在亞洲的許多地區(qū)，季節(jié)性暴雨帶來了洪水，破壞了公民的財(cái)產(chǎn)和生計(jì)。過去，城市管理部門、市民和企業(yè)除了抵御洪水及其潛在疾病外，幾乎無能為力。物聯(lián)網(wǎng)(IoT)、機(jī)器學(xué)習(xí)(ML)和人工智能(AI)等待技術(shù)可以為更具前瞻性的領(lǐng)導(dǎo)者提供喘息的機(jī)會(huì)。

隨著越來越多的組織在商業(yè)和工業(yè)環(huán)境中部署物聯(lián)網(wǎng)，這些設(shè)備和傳感器的數(shù)據(jù)量可能對(duì)提高質(zhì)量、運(yùn)行效率和在雅加達(dá)拯救生命和財(cái)產(chǎn)具有重要意義。

物聯(lián)網(wǎng)系統(tǒng)對(duì)其環(huán)境的響應(yīng)速度和準(zhǔn)確性至關(guān)重要。但是，傳統(tǒng)的工具和方法會(huì)減緩對(duì)這些數(shù)據(jù)的理解過程，因?yàn)榈湫拖到y(tǒng)中的設(shè)備和其他傳感器會(huì)產(chǎn)生大量的數(shù)據(jù)。

人工智能嵌入式物聯(lián)網(wǎng)是什么？

在邊緣或邊緣附近處理數(shù)據(jù)可以使物聯(lián)網(wǎng)系統(tǒng)更加靈活和有影響力。然而，以數(shù)據(jù)為主導(dǎo)的行動(dòng)的質(zhì)量和基于數(shù)據(jù)的洞察力的質(zhì)量一樣有意義。

物聯(lián)網(wǎng)本身對(duì)制造商來說并不陌生。在過去的幾十年里，制造商一直在收集和存儲(chǔ)來自機(jī)器的傳感器數(shù)據(jù)。它們的價(jià)值主張是AIoT-利用人工智能和機(jī)器學(xué)習(xí)來實(shí)時(shí)分析邊緣數(shù)據(jù)，提高效率和價(jià)值。

通過為物聯(lián)網(wǎng)系統(tǒng)配備人工智能能力，可以在邊緣處理各種結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。系統(tǒng)可以以更快的速度采取行動(dòng)，提供高質(zhì)量的意見。

如何釋放人工智能嵌入物聯(lián)網(wǎng)的商業(yè)價(jià)值？

人工智能嵌入式物聯(lián)網(wǎng)在降低成本的同時(shí)，提高了運(yùn)營(yíng)效率和生產(chǎn)力。它還促進(jìn)了創(chuàng)新，以提供更好的客戶服務(wù)、更好的產(chǎn)品和更快的產(chǎn)品投放市場(chǎng)。

將AI嵌入物聯(lián)網(wǎng)設(shè)備中可以實(shí)現(xiàn)邊緣計(jì)算，從而允許物聯(lián)網(wǎng)系統(tǒng)在不能使用相同5G網(wǎng)絡(luò)的情況下部署。例如，物流供應(yīng)商甚至在后者路線的偏遠(yuǎn)地區(qū)，都可以使用物聯(lián)網(wǎng)傳感器來監(jiān)控車輛的內(nèi)部和外部狀況。

除了邊緣計(jì)算，人工智能嵌入式物聯(lián)網(wǎng)利用機(jī)器學(xué)習(xí)，從物聯(lián)網(wǎng)系統(tǒng)每天生成的TB數(shù)據(jù)中開發(fā)可操作的見解。在上面的例子中，從這些傳感器中收集到的數(shù)據(jù)被實(shí)時(shí)發(fā)送到云中，這樣技術(shù)人員就可以更準(zhǔn)確、更快地解決車輛故障。

制造商還可以利用這些觀點(diǎn)來預(yù)測(cè)特定工廠系統(tǒng)或設(shè)備何時(shí)會(huì)出現(xiàn)故障，從而使技術(shù)人員能夠進(jìn)行預(yù)防性維護(hù)。在降低昂貴計(jì)劃外停機(jī)時(shí)間的同時(shí)，主動(dòng)檢測(cè)故障設(shè)備可以節(jié)省寶貴的工作時(shí)間。

就零售而言，物聯(lián)網(wǎng)系統(tǒng)的意見可以用來確定產(chǎn)品的最佳價(jià)格，并且可以最大限度地減少對(duì)其供應(yīng)鏈的干擾。

物聯(lián)網(wǎng)分析中機(jī)器學(xué)習(xí)的作用。

與其他物聯(lián)網(wǎng)部署相比，機(jī)器學(xué)習(xí)是人工智能嵌入式物聯(lián)網(wǎng)的優(yōu)勢(shì)。在處理傳感器生成的數(shù)據(jù)時(shí)，系統(tǒng)可以學(xué)習(xí)各種先進(jìn)的分析方法，如決策樹、隨機(jī)森林、梯度提升、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和因式分解機(jī)。

這樣可以節(jié)省企業(yè)在組織中的人力時(shí)間和專家。專家可以專注于其他關(guān)鍵任務(wù)，而不是數(shù)據(jù)科學(xué)家可以訪問、查看和處理數(shù)據(jù)，而不需要大量的AI系統(tǒng)。

機(jī)器學(xué)習(xí)能力還增加了人工智能系統(tǒng)可以訪問和處理的數(shù)據(jù)范圍:在線和離線視覺圖像、文本甚至口頭語音。隨著現(xiàn)有數(shù)據(jù)數(shù)量和質(zhì)量的增加，意見的價(jià)值和影響也隨之增加。

結(jié)合這些機(jī)器學(xué)習(xí)功能，可以提高數(shù)據(jù)處理的速度和數(shù)量，從而實(shí)現(xiàn)實(shí)時(shí)可操作的觀點(diǎn)。這在許多物聯(lián)網(wǎng)系統(tǒng)中非常重要。

利用SAS人工智能平臺(tái)，雅加達(dá)智慧城市可以通過物聯(lián)網(wǎng)、機(jī)器學(xué)習(xí)、人工智能技術(shù)實(shí)時(shí)集成多源數(shù)據(jù)，為公眾提供應(yīng)急/災(zāi)難預(yù)測(cè)能力和優(yōu)化服務(wù)。因此，洪水應(yīng)急響應(yīng)降低了雅加達(dá)的洪水風(fēng)險(xiǎn)。

鑒于物聯(lián)網(wǎng)在歷史上屬于運(yùn)營(yíng)技術(shù)，誰應(yīng)該有物聯(lián)網(wǎng)的安全性？

物聯(lián)網(wǎng)的引入模糊了企業(yè)IT和OT之間的界限。為了創(chuàng)建新的系統(tǒng)和改進(jìn)過程，傳感器和設(shè)備連接到網(wǎng)絡(luò)。同時(shí)，這種融合使得傳統(tǒng)的OT設(shè)備和系統(tǒng)面臨著前所未有的威脅。

事實(shí)上，真正的設(shè)備安全是技術(shù)、流程和最佳實(shí)踐的結(jié)合。因此，保護(hù)物聯(lián)網(wǎng)系統(tǒng)應(yīng)該在兩者之間產(chǎn)生更緊密、更有效的合作，而不是OT或IT團(tuán)隊(duì)的專屬領(lǐng)域。

但是，由于IT安全團(tuán)隊(duì)和OT安全團(tuán)隊(duì)通常不使用相同的語言，因此IT安全團(tuán)隊(duì)和OT安全團(tuán)隊(duì)很難理解對(duì)方的觀點(diǎn)。

職責(zé)分配完全不同。優(yōu)先事項(xiàng)往往存在差異，OT安全管理和IT安全法規(guī)有時(shí)會(huì)相互矛盾。通過對(duì)給定環(huán)境中所有資產(chǎn)的概述，我們可以清楚地知道在任何情況下哪些資產(chǎn)和流程都不能失敗。

通過這種方式，組織可以建立和實(shí)踐統(tǒng)一的網(wǎng)絡(luò)安全，以確保數(shù)據(jù)的機(jī)密性、完整性和可用性。

舉辦IT與運(yùn)營(yíng)技術(shù)人員協(xié)同工作的最佳實(shí)踐。

在制造業(yè)中，數(shù)據(jù)對(duì)時(shí)間非常敏感。例如，如果一個(gè)過程中的化學(xué)濃度偏離了最佳濃度，工程師可能只需要幾分鐘就能做出反應(yīng)，以節(jié)省數(shù)噸產(chǎn)品。

在很多半導(dǎo)體過程中，工程師只需要幾秒鐘就能做出反應(yīng)。在這種情況下，分析需要轉(zhuǎn)移到“邊緣”，這意味著數(shù)據(jù)必須在機(jī)器或車間進(jìn)行分析和決策，而不是在后臺(tái)辦公室或工程部門。

它需要能夠在任何需要的地方進(jìn)行分析，例如在機(jī)器上，在生產(chǎn)車間，在云端或后臺(tái)辦公室。

數(shù)據(jù)孤島是面臨的主要挑戰(zhàn)之一。對(duì)于未實(shí)施IT/OT融合的組織來說，它是由未集成或部分集成的應(yīng)用程序和企業(yè)系統(tǒng)組成的。如果不仔細(xì)規(guī)劃，引入物聯(lián)網(wǎng)傳感器等新的數(shù)據(jù)源，問題會(huì)更加復(fù)雜。

實(shí)施數(shù)據(jù)集成平臺(tái)，將物聯(lián)網(wǎng)系統(tǒng)與組織的現(xiàn)有技術(shù)堆棧連接起來，可以打破歷史數(shù)據(jù)與未來數(shù)據(jù)之間的孤島，通過單一控制點(diǎn)為所有團(tuán)隊(duì)提供相同的訪問權(quán)限。這確保了IT和OT團(tuán)隊(duì)在同一個(gè)頁面上為更好的IT/OT融合奠定了基礎(chǔ)。

標(biāo)簽：人工智能,物聯(lián)網(wǎng),AI物聯(lián)網(wǎng),AI嵌入式物聯(lián)網(wǎng),AI人工智能