אתגרים טכניים לטיפוס על מודל הבגרות של IoT

בואו נחקור את המכשולים הטכנולוגיים שעלינו לפנות כדי להתקדם משלב אחד למשנהו בטיפוס על מודל הבגרות של IoT. זכור כי זהו תהליך מצטבר; לא רק שכל שלב מתבסס על השלבים הקודמים, אלא שהם גם הופכים מורכבים יותר ויותר. תחשוב על זה כעל התקדמות של קורסי מתמטיקה. כל שיעור מתבסס על השיעורים הקודמים, וההבדל בין מתמטיקה בקולג' לתיכון גדול בהרבה מהפער בין רמות היסודי לחטיבת הביניים.

ובדיוק כמו שביצוע חישוב יהיה כמעט בלתי אפשרי ללא פקודה על האלגברה, כל החסרונות הטכניים שאנו לא מצליחים להתגבר עליהם בשלבים נמוכים יותר מוגדלים ככל שאנו מתקדמים יותר אל מודל הבשלות.

האם בניית מוצר IoT בוגר מאתגרת? זה בטוח. אבל זה לא אומר שזה לא אפשרי.

אילו מיומנויות טכניות נדרשות כדי להתקדם במודל הבגרות של IoT?

שלב 1: התקנים משובצים

החל בתחתית הדגם, יש לנו מכשירים אלקטרוניים ייעודיים. מוצרים אלה אינם כוללים קישוריות, ומאז אנשים בונים אותם תומס אדיסון המציא את הנורה בשנת 1879. מכשירי שלב א' קצת יותר מסובכים עכשיו מאשר אז, אבל הם עדיין מדורגים נמוך במודל הבשלות.

האתגרים הטכנולוגיים להגיע לשלב זה הם גם פשוטים. כל עוד לצוותים שלנו יש את הידע הנדרש להנדסת חומרה ותוכנה, נוכל ליצור מוצר.

שלב 2: מחשוב ענן

שלב שני מכשירים מתחברים לאינטרנט. זה אומר שאנחנו צריכים להוסיף פרוטוקולי תקשורת, כרטיסי ממשק רשת (NICs), ו תשתית עורפית. בעיקרו של דבר, המכשולים הטכניים של שלב שני מתבססים על אלה של שלב א' עם מרכיב מכריע אחד: נטוורקינג.

עלינו לבנות תשתית שרתים ולמנף דרכים יעילות לניהולה. תוצאה נוספת של נטוורקינג היא אבטחת סייבר. מכיוון שאנו מאפשרים חיבורים מאובטחים דרך רשת ציבורית ובלתי מאובטחת - האינטרנט - עלינו להשקיע גם בכישרון אבטחה למוצר מוצלח בשלב השני.

שלב 3: קישוריות IoT

השלב השלישי הוא המקום שבו פתרונות ה-IoT באמת באים לידי ביטוי: קישוריות. בשלב זה, מכשירים מדברים זה עם זה, ואנחנו מתחילים לראות מערכת אקולוגית מחוברת מתעצבת.

האתגרים הטכניים לבניית מוצר מחובר קשים עוד יותר. כמובן, אנחנו עדיין צריכים את כל המומחיות מהשלב הראשון והשני, אבל עכשיו אנחנו צריכים רמת מיומנות גבוהה עוד יותר כדי להצליח.

אנחנו שואלים הרבה מהמכשירים המחוברים שלנו, ובכל זאת המערכות המשובצות הללו עובדות על חומרה מוגבלת. שילוב שירותים שונים, במיוחד כאשר נקודות המוצא שלהם שונות כל כך, מהווה מכשול משמעותי. האבטחה הופכת אפילו יותר קשה, ואנחנו באמת צריכים לחשוב על זה בניית אבטחה מההתחלה; לדוגמה, נרצה להטמיע א מודול אבטחת חומרה (HSM) שבב לתוך המעגל שלנו.

אחד החלקים המורכבים ביותר בפיתוח IoT הוא לגרום לכל טיפה חשובה. בעוד שמחשב חזק יותר יכול להרשות לעצמו להקדיש מעט שטח דיסק או כוח עיבוד ליישומים שרק נחמד להחזיק או אפילו מיותרים בעליל, מכשירי IoT חסרים את המותרות הזו.

לכן כלי עבודה כמו עֲצַבִּים הוא כל כך שימושי: הוא מאפשר לנו לבנות מערכת לינוקס מותאמת אישית שיש בה רק את מה שאנחנו צריכים ותו לא. עם זאת, לדעת בעצם מה לכלול ומה להפיל דורש ידע טכני רב.

שלב 4: ניתוח חיזוי 

זה השלב שבו אנחנו באמת מתחילים להפעיל את הנתונים שלנו. ניתוח חזוי עבור IoT בוחן מגמות כמו נתוני חיישנים, מעורבות משתמשים ומדדים אחרים שאנו מקבלים מהמכשירים שלנו. לאחר מכן נוכל להשתמש ב-Big Data עבור משימות כמו תחזוקה חזויה עבור IoT תעשייתי.

שלב רביעי הוא המקום שבו מדעני נתונים הופכים לביקורתיים יותר. אנשי מקצוע אלה משתמשים בכלים כמו פיתון, PyTorch, ו AWS SageMaker לבנות, לאמן ולפרוס מודלים של למידת מכונה, אבל זה רק חלק קטן מהעבודה. הבסיס לכל פרויקט מדעי נתונים מוצלח הוא מסגרת אנליטית, דרך חשיבה ביקורתית על נתונים ובעיות עסקיות. לפעמים, החלק הקשה ביותר הוא פשוט למצוא את השאלות הנכונות לשאול.

עם זאת, אנחנו לא יכולים לזרוק חבורה של מספרים על מדען נתונים ולצפות בתמורה למודל אנליטי חיזוי מלא. אנחנו צריכים גישה חוצת תחומית שבו מדעני הנתונים שלנו עובדים בשיתוף פעולה הדוק עם צוותי ההנדסה שלנו כדי לפתח צינור נתונים. אחרי הכל, אם מהנדסי החומרה שלנו לא יודעים עכשיו באילו נתונים האנליסטים שלנו רוצים להשתמש, איך הם יידעו באילו חיישנים לבחור? כמו כן, מפתחי התוכנה שלנו צריכים להבין את סדרי העדיפויות של מדען הנתונים כדי להבין אם הם צריכים להפיק משתנים כלשהם, לצבור נתונים או לדחוף אותם לענן ואפילו לאילו נקודות נתונים צריך ללכת לאילו מסדי נתונים.

שלב 5: ניתוח מרשם

לוקחים את הגישה מונעת הנתונים שלנו צעד אחד קדימה, שלב זה מוגדר על ידי ניתוח מרשם, אשר בונה את כוח הניבוי של ניתוח שלב רביעי על ידי המלצה על דרכי פעולה עתידיות. חברות IoT יכולות להשתמש בניתוח מרשם כדי להציע ערך ארוך טווח למשתמשים מכיוון שיש להן פוטנציאל להפוך את חיינו לקלים, נוחים ומהנים יותר.

בצד הטכנולוגי של המשוואה, שלב חמישי כולל רבים מאותם אלמנטים של שלב רביעי, אך כולם נדרשים לתפקד ברמה הרבה יותר גבוהה. לדוגמה, כשזה מגיע למדעי הנתונים, אנו מרחיבים באופן דרסטי את ההיקף שלנו; אנחנו כבר לא משתמשים בדגם בודד, כמו זיהוי חריגות לצורך תחזוקה מונעת. במקום זאת, אנו משתמשים בעבודת שמיכה של דגמי ML שזורים כדי להוציא כמה הישגים מרהיבים באמת. אלה עשויים לכלול עיבוד שפה טבעית (NLP) לזיהוי דיבור/פקודות קוליות, אלגוריתמים שמייעלים בהתאם מודל אישיות של OCEAN, ועוד הרבה יותר.

התוצאה מתחילה להיות ממש דומה בינה מלאכותית (AI), אז זה די קשה לראות כיצד האתגרים הללו משתרעים מעבר למדעי הנתונים בלבד. צוות החומרה שלנו, למשל, יצטרך למצוא דרכים יצירתיות להטמיע עוד יותר כוח עיבוד בחללים הקומפקטיים ביותר, כמו עם GPUs עבור מחשוב קצה. יתר על כן, מוצר שלב חמישי לעולם אינו שלם באמת. פרקטיקות זריזות כגון אינטגרציה מתמשכת/פריסה מתמשכת (CI/CD) הן חיוניות אם ברצוננו להמשיך לספק חווית IoT ברמה עולמית.

שלב 6: מחשוב בכל מקום

השלב האחרון של מודל הבגרות של IoT הוא מחשוב בכל מקום, משחק קצה שבו כמעט כל היבט בחיי היומיום כולל אינטראקציה מסוימת עם העולם הדיגיטלי. נכון לעכשיו, השלב הזה קיים רק במדע בדיוני, אבל אולי אנחנו קרובים יותר ממה שאתה חושב.

הטכנולוגיה שנדרש כדי להגיע לכאן היא עצומה, וכל מה שאנחנו באמת יכולים לעשות זה לשער בנקודה זו. עם זאת, אנו יודעים כי נדרשת עבודת מופת קולקטיבית בהנדסה, פיתוח תוכנה, מדעי נתונים, עיצוב חווית משתמש ועוד. בניית אוסף של כישרונות בתחומים אלה היא המכשול הגדול ביותר שמונע מאיתנו להיכנס לעולם המחשוב בכל מקום.

יש לנו עוד דרך ארוכה לעבור. בואו נתחיל לבנות. 

סיכום

עכשיו צריך להיות ברור כמה קשה כל צעד מתקדם מהקודם. המעבר ממכשיר שלב שני למוצר IoT שלב שלישי אמיתי הוא קפיצת מדרגה אדירה. זה דורש מומחיות בתחומים רבים ומאלץ אותנו לשלוט בטכנולוגיות רבות ושונות.

למרות שחברות הטכנולוגיה המתקדמות ביותר של היום מתהדרות בבגרות של שלב חמישי, עדיין אין לנו משהו שקרוב למחשוב בכל מקום. למרבה המזל, רבים מהמוחות הגדולים ביותר ברחבי העולם פועלים לקידום אלפי טכנולוגיות שונות.

זה לא אומר שהמצב העדכני הנוכחי לא משנה את העולם.

מקור: https://www.iotforall.com/technical-challenges-to-climbing-the-iot-maturity-model