Искусственный интеллект на грани

Когда мы позволяем себе окунуться в мир научной фантастики, концепция искусственного интеллекта и машинного обучения (AI / ML) вызывает в воображении видения Нео, Тринити и Морфеуса, сражающихся с машиной в фильмах о Матрице.

Однако в реальной жизни AI / ML помогает разработчикам создавать более качественные и недорогие конечные узлы IoT, которые принесут пользу экосистеме, в которой существуют их продукты. В преимущества AI / ML намного глубже, чем просто принятие лучших решений в конечном узле; некоторые оптимизации приносят ценные выгоды всем участникам, включая потребителя, разработчика и оператора.

AI и ML

AI / ML - не новая концепция, но его использование традиционно было доступно через энергоемкие и более дорогие платформы, которыми одновременно пользуются многие пользователи. Централизованные центры обработки данных предоставили техническому сектору ограниченную возможность столкнуться с растущими капитальными и операционными затратами, поскольку он начал все больше полагаться на хранилище и вычислительные возможности для своих данных. Это связано с тем, что феномен центров обработки данных позволил технологическому сектору совместно использовать серверы, коммунальные услуги, охлаждение, недвижимость и безопасность. Кроме того, он давал возможность увеличивать и уменьшать ресурсы по мере необходимости, например, количество необходимых вычислений и хранилища. Благодаря общей стоимости, новые технологии, такие как AI / ML, могут быть доступны быстрее.

Взаимосвязь глобально распределенных центров обработки данных также дала технологическому сектору возможность использовать региональные объекты. Компания Интернета вещей, базирующаяся в США, может предлагать услуги потребителям в Европе без трансатлантических задержек. Данные передаются и направляются между континентами или не соответствуют нюансам региональных законов о конфиденциальности и защите данных. Такие требования важны, если вы считаете, что выключатель освещения с двухсекундной задержкой перед включением света не соответствовал бы ожиданиям потребителей и, следовательно, не смог бы добиться коммерческого успеха.

Центры обработки данных и облако открыли новые возможности для внутреннего и международного бизнеса. Разработчики создали новые механизмы экономии денег потребителя и хозяйствующего субъекта.

Оператору больше не нужно катать грузовик для технического обслуживания, потому что льдогенератор в отеле может нуждаться во внимании; оператору нужно только отправить машину для обслуживания, потому что они знают, что она требует внимания, что позволяет компании сэкономить десятки тысяч долларов на эксплуатационных расходах.

Ненужное перемещение некритических данных

Использование AI / ML для просмотра этих крошечных подписей в устройстве до того, как произойдет сбой, может быть сложным, потому что связанные подписи могут быть крошечными и, следовательно, незаметными. Эти изменения могут быть вибрационными в двигателе насоса или небольшими изменениями температуры в теплообменнике или конденсаторе: то, что человек может не узнать или даже не увидеть. Может показаться, что пример подключенных ледогенераторов не приводит к объемам, которые многие разработчики считают проблемой, но учитывают те же проблемы или бизнес-модели, применимые к освещению склада или гостиницы. На складе могут существовать тысячи лампочек, каждая из которых расположена над стеллажом или оборудованием, которое необходимо будет переместить, чтобы заменить лампочку, что, в свою очередь, означает остановку производственной линии, возможно, в самый критический момент.

Предиктивное обслуживание облачная аналитика становится крупным бизнесом, а AI / ML предлагает простой способ автоматической оценки генерируемых данных. Тем не менее, эти новые бизнес-модели действительно приводят к созданию огромного объема данных. Это, в свою очередь, создало новые и интересные технические задачи, с которыми теперь приходится сталкиваться разработчикам и операторам.

Эти проблемы кажутся проблемами масштабирования на поверхности - добавление дополнительных серверов, дополнительных хранилищ и других расходных материалов на базе центров обработки данных, но устранение этих проблем не устраняет растущее количество проблем, образующихся на другом конце конвейера данных.

В большинстве приложений данные генерируются каким-либо датчиком, для которого требуются мощность и пропускная способность. Полоса пропускания также потребляется с точки зрения восходящей линии связи с Интернетом и радиочастотного спектра. Отправка больших объемов данных, которые могут означать «без изменений», стоит дорого; Радиостанции потребляют много энергии, а в загруженных радиочастотных спектрах они потребляют еще больше из-за повторных попыток передачи. Больше датчиков ведет к еще более загруженной радиочастотной среде и к необходимости более тщательного обслуживания батареи. Помимо проблем, связанных с временем автономной работы и локальной пропускной способностью, некоторые приложения могут быть более восприимчивыми к проблемам безопасности. Огромные объемы данных могут формировать шаблоны, которыми злоумышленники могут воспользоваться в случае перехвата.

Вычисления на грани

Наблюдается растущая тенденция к устранению этих проблем, чтобы вернуть большую часть принятия решений конечному узлу, уменьшая радиоактивность только до данных, определенных как более важные. Это снижает энергопотребление, пропускную способность и цифровую подпись. Предостережение о возврате этого решения к конечному узлу может означать увеличение обработки конечным узлом, хранения и, опять же, энергопотребления. Похоже, что Интернет вещей попал в порочный круг, ограничивающий его доступность и рост рынка.

Инновации в искусственный интеллект позволили использовать микроконтроллеры меньшего размера, такие как ARM Cortex-M, и задействовать меньшие ресурсы памяти как для флэш-памяти, так и для ОЗУ. Размер кода, используемого для реализации ИИ в системе, также может быть намного меньше, чем у традиционного кодирования, при реализации сложных алгоритмов, которые обращаются к любым реальным угловым случаям. Это также уменьшает размер обновлений прошивки, ускоряет их разработку и упрощает распространение среди большого парка датчиков.

Многие разработчики используют преимущества искусственного интеллекта в сенсорных продуктах для конечных узлов, чтобы улучшить свои проекты и сделать их удобнее как для потребителей, так и для операторов. Примеры технологий искусственного интеллекта можно быстро создать с помощью средств разработки.

Комплекты можно использовать для демонстрации системы мониторинга насоса. Возможность уменьшить размер беспроводных датчиков, продлить срок их службы и обеспечить лучшую безопасность, и все это без нарушения локального радиочастотного спектра шумом, означает, что можно развернуть более полезные датчики для повышения производительности и комфорта в полевых условиях. Повседневные продукты, такие как настенные выключатели, датчики окружающей среды и даже датчики мусора у обочины, могут быть включены в системы автоматизации и мониторинга по привлекательной цене и производительности.

Источник: https://www.iotforall.com/artificial-intelligence-on-the-edge