Aducerea AIoT la viață: Împerecherea învățării automate cu date în flux

Cuplarea Inteligenței Artificiale cu Internetul Lucrurilor reprezintă o progresie firească pentru aplicațiile din ambele spații. Învățarea automată și IA oferă o serie de beneficii pentru IoT care, datorită rapidității datelor pe care le generează, ajută AI în mai multe moduri.

Pentru IoT, avantajele tangibile ale acestei combinații includ:

• Tehnologii din ce în ce mai sofisticate: AI oferă o mulțime de tehnologii, inclusiv recunoașterea facială, recunoașterea vorbirii și altele pentru a îmbunătăți capacitățile IoT pentru a include implementări critice, cum ar fi cazurile de utilizare pentru securitatea camerelor video.
• Analize în timp real: Suporturile AI pentru analiză predictivă sunt ideale pentru procesarea rapidă a datelor în timp real, pentru luarea deciziilor latente reduse necesare pentru aplicații precum vehiculele autonome.
• Implementări inteligente Edge: Cazuri de utilizare Edge generați mult mai multă valoare cu învățarea automată și inteligența artificială pentru a îmbunătăți analiza în dispozitivele terminale, necesitând mai puține date și luare a deciziilor în setările cloud centralizate.

La rândul său, IoT este mediul ideal în care să se antreneze modele AI, deoarece produce o cantitate enormă de date (pe care acele modele le necesită) la viteze mari. Aceste capabilități permit ca astfel de modele să fie reîmprospătate în mod continuu pentru cele mai informate predicții posibile.

Formare model

Unul dintre inhibitorii aplicațiilor întreprinderilor de învățare automată și inteligență artificială este lipsa datelor de antrenament (și, de altfel, a datelor de antrenament adnotate) într-un anumit domeniu de utilizator. Prin urmare, atunci când organizațiile pot accesa astfel de date, modelele „AI tradiționale” se bazează pe date istorice”, a explicat Max Nirenberg, CRO al Angajați SUA. Cu numeroase dispozitive care creează date senzoriale și date în flux, IoT este apreciat pentru cantitățile sale uriașe de date care sunt produse continuu cu latență scăzută. În consecință, „cu mai multe date în timp real care au loc tot timpul, acest lucru face ca datele istorice să fie mai puțin relevante”, a menționat Nirenberg. De fapt, una dintre cele mai semnificative evoluții impactul științei datelor contemporane este mișcarea ModelOps în care organizațiile progresiste sunt capabile să antreneze și să implementeze date simultan (la margine, în unele cazuri) prin intermediul IoT.

Această tehnică și altele sunt esențiale pentru cazurile de utilizare sensibile la timp, cum ar fi cel descris de Nirenberg, în care un dispozitiv IoT „are recunoaștere facială și, de asemenea, recunoaște vocile. Recunoaște textul, dar recunoaște și când există două obiecte unul lângă celălalt care nu ar trebui să fie acolo.” Astfel de capabilități sunt esențiale pentru monitorizarea securității în locuri private și publice, cum ar fi aeroporturile, de exemplu. „Dispozitivul la care mă refer este unul pe care l-am creat pentru industria de apărare”, a recunoscut Nirenberg. „Cu siguranță a fost creat din... gândiți-vă ca o componentă teroristă, dar are multe aplicații. Nu trebuie să fie doar atât.”

Analiza predictivă și prescriptivă

Beneficiile reciproce ale naturii a relației dintre IoT și AI sunt demonstrate prin faptul că cazurile de utilizare IoT fie depind direct de, fie sunt considerabil îmbogățite de ceea ce Nirenberg a numit capacitatea de „a face analize bazate pe date la scară”. Această calitate, desigur, este implicită pentru aproape orice implementare a învățării automate și a inteligenței artificiale, ceea ce întărește în mod natural compatibilitatea acestor tehnologii cu IoT.

Mișcarea către dezvoltarea orașelor inteligente și a clădirilor inteligente profită de acest potențial în câteva moduri, în special atunci când este luată în considerare în lumina crizei de sănătate publică în curs. Într-o clădire inteligentă, de exemplu, este mult mai mult decât o chestiune de interes academic „să știi cine a intrat în ce camere, pentru a te asigura că oamenii potriviți au fost lăsați să intre și oamenii nepotriviți au fost ținuți afară”, a comentat Nirenberg. „Cu COVID, poate vreau să știu unde există niveluri ridicate de trafic pietonal și am nevoie rapid de acele date.”

Făcuți unul pentru celălalt

Procesarea în timp util a datelor de către AI pentru acest caz de utilizare și altele – indiferent dacă implică detectarea obiectelor sau o altă formă de analiză – poate oferi această inteligență pentru a obține acțiuni latente scăzute. Natura în timp real a acestei acțiuni, precum și analiza aproape instantanee de unde provine, este propunerea de valoare cardinală a AIoT. Atunci când este folosită în tandem cu IoT, analiza predictivă latentă scăzută a AI devine impregnată de capacitatea de a monitoriza evoluțiile cotidiene care au impact asupra calității vieții pentru consumatori, întreprindere și chiar sectorul public sau societate în general.

„Este acela de a putea lua orice lucru obișnuit de zi cu zi pe care îl faci și de a obține informații din el”, a reflectat Nirenberg despre IoT. „Îți permite să obții informații, astfel încât să poți lua decizii de genul, Doamne, trimite oameni în acel loc chiar acum.”

Imagine recomandată: NeedPix 

Contribuabil

Jelani Harper este consultant editorial care deserveste piata tehnologiei informatiei. Este specializat în aplicații bazate pe date axate pe tehnologii semantice, guvernare a datelor și analize.

Opiniile exprimate de contribuabili sunt ale lor.

• Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
• Platoblockchain. Web3 Metaverse Intelligence. Cunoștințe amplificate. Accesați Aici.
• Sursa: https://www.aitimejournal.com/@jelani.harper/bringing-the-aiot-to-life-pairing-machine-learning-with-real-time-data