Welche Anwendungsszenarien ergeben sich nach der Integration von künstlicher Intelligenz und dem Internet der Dinge?

Die Technologietrends Künstliche Intelligenz (KI) und Internet der Dinge (IoT) beginnen zu verschmelzen, und die Branche hat diesen Trend Künstliche Intelligenz Internet der Dinge (AIoT) genannt. Künstliche Intelligenz verlagert sich von der Cloud an den Rand und bietet Lösungen für die Bandbreiten- und Sicherheitsprobleme, die eine breitere Einführung des IoT in Schlüsselmärkten behindert haben. Wenn die Geschichte der Technologieentwicklung ein verlässlicher Anhaltspunkt für die Zukunft ist, werden in den nächsten Jahren mindestens zwei weitere Phasen dieser Konvergenz stattfinden.

Das Internet der Dinge hat in letzter Zeit großes Interesse geweckt, aber für viele Anwendungen stellen sich zwei wichtige Probleme. Einer davon ist die Sicherheit; die Daten, die von IoT-Geräten durch das Netzwerk fließen, und die Kontrolle über die Geräte selbst hängen stark von einer angemessenen Sicherheit vor Cyberangriffen ab. Da sich die Bedrohungen ständig weiterentwickeln und intensiver werden, erfordert die Sicherheit von IoT-Entwicklern eine kontinuierliche Erhöhung der Wachsamkeit und Abwehrmaßnahmen. Gleichzeitig schrecken viele potenzielle Nutzer aufgrund der Unsicherheit über die Sicherheit von Systemen und Daten vor der Nutzung der IoT-Technologie zurück.

Das zweite Problem, das die IoT-Einführung einschränkt, ist die Bandbreite, die erforderlich ist, um Daten zur Verarbeitung an die Cloud zu senden. Da die Anzahl der installierten Geräte und die damit verbundene Datenmenge zunimmt, werden IoT-Implementierungen durch die Bandbreitenressourcen und die mit der Datenerfassung verbundenen Kosten eingeschränkt. Dies wird umso besorgniserregender, als KI zu einem immer wichtigeren Element bei der Wertschöpfung aus allen Daten wird.

Die Bedeutung künstlicher Intelligenz in der Datenverarbeitung hat erheblich zugenommen, da traditionelle Datenverarbeitungstechniken immer umständlicher werden. Die Entwicklung und Codierung effizienter Algorithmen zum Extrahieren nützlicher Informationen aus großen Datenmengen erfordert Zeit und Anwendungskenntnisse, die vielen potenziellen Benutzern fehlen. Dies kann auch dazu führen, dass die Software spröde und schwer zu warten und zu ändern ist, wenn sich die Anforderungen ändern. Künstliche Intelligenz, insbesondere maschinelles Lernen (ML), ermöglicht es Prozessoren, ihre eigenen Algorithmen auf der Grundlage von Schulungen zu entwickeln, um die gewünschten Ergebnisse zu erzielen, anstatt sich auf Expertenanalysen und Softwareentwicklung zu verlassen. Darüber hinaus können sich KI-Algorithmen durch zusätzliches Training problemlos an neue Anforderungen anpassen.

Der neueste Trend bei der Verlagerung der KI an den Rand besteht darin, diese beiden Technologien zusammenzuführen. Das Extrahieren von Informationen aus IoT-Daten erfolgt derzeit hauptsächlich in der Cloud. Wenn jedoch die meisten oder alle Informationen lokal extrahiert werden können, sind Bandbreiten- und Sicherheitsprobleme weniger wichtig. Da künstliche Intelligenz in IoT-Geräten läuft, besteht kaum die Notwendigkeit, große Mengen an Rohdaten über das Netzwerk zu senden; es müssen lediglich prägnante Schlussfolgerungen kommuniziert werden. Mit weniger Kommunikationsverkehr lässt sich die Netzwerksicherheit einfacher verbessern und aufrechterhalten. Lokale KI kann sogar dazu beitragen, die Gerätesicherheit zu verbessern, indem sie den eingehenden Datenverkehr auf Anzeichen von Manipulation untersucht.

Die vorausschauende Wartung von Industriemaschinen ist eine Anwendung, bei der sich die Konvergenz von KI und IoT weiter entwickeln wird.

AIoT scheint einen ähnlichen Entwicklungspfad zu verfolgen wie Mikroprozessoren in den 1980er Jahren. Die Verarbeitung beginnt mit separaten Geräten, die unterschiedliche Aufgaben erledigen: Allzweckprozessoren, Speicher, Peripheriegeräte mit serieller Schnittstelle, Peripheriegeräte mit paralleler Schnittstelle usw. Diese integrierten Geräteaufgaben schließlich in Einzelchip-Mikrocontroller, die sich dann zu dedizierten Mikrocontrollern für bestimmte Anwendungen entwickelten. AIoT scheint den gleichen Weg zu gehen.

Derzeit verwenden AIoT-Designs Prozessoren, die durch allgemeine KI-Beschleunigung und KI-Middleware ergänzt werden. Es tauchen auch Prozessoren auf, die mit KI-Beschleunigung ausgestattet sind. Wenn sich die Geschichte wiederholen soll, wird die nächste Phase von AIoT die Entwicklung von KI-gestützten Prozessoren sein, die auf bestimmte Anwendungen zugeschnitten sind.

Damit ein kundenspezifisches Gerät wirtschaftlich ist, muss es die allgemeinen Anforderungen einer Reihe themenbezogener Anwendungen erfüllen. Solche Anwendungen beginnen bereits sichtbar zu werden. Eines der Themen ist Predictive Maintenance. Künstliche Intelligenz in Kombination mit IoT-Sensoren an Industriemaschinen hilft Benutzern dabei, abnormale Vibrations- und Stromaufnahmemuster zu erkennen, die Vorboten für Geräteausfälle sind. Zu den Vorteilen der lokalen Platzierung von KI bei Sensorgeräten gehören eine geringere Datenbandbreite und Latenz sowie die Möglichkeit, Gerätereaktionen von ihrer Netzwerkverbindung zu isolieren. Dedizierte AIoT-Geräte für die vorausschauende Wartung werden einen riesigen Markt bedienen.

Das zweite Thema ist die Sprachsteuerung. Die Popularität von Sprachassistenten wie Siri und Alexa hat Verbraucher dazu veranlasst, Sprachsteuerungsfunktionen für eine Vielzahl von Geräten zu fordern. Dedizierte sprachgesteuerte AIoT-Geräte helfen dabei, Bandbreiten- und Latenzprobleme zu lösen und die Funktionalität bei instabilen Verbindungen sicherzustellen. Heutzutage ist die Zahl der Einsatzmöglichkeiten für ein solches Gerät atemberaubend.

Es gibt weitere potenzielle Themen, die mit speziellen AIoT-Geräten angegangen werden können. Eine davon ist die Umweltsensorik für Arbeitssicherheit und Gebäudemanagement. Ein weiteres Thema ist die Kontrolle chemischer Prozesse. Selbstfahrende Autosysteme sind das dritte. Der vierte Typ ist eine Kamera, die bestimmte Ziele identifiziert. Zweifellos wird es noch mehr geben.

Die Technologie der künstlichen Intelligenz scheint auf dem Vormarsch zu sein, und die nächste Entwicklung wird – wie auch bei der Verarbeitungstechnologie – die Entwicklung von Spezialgeräten für Schlüsselmärkte sein. Darüber hinaus wird die Branche höchstwahrscheinlich konfigurierbare KI-Beschleuniger entwickeln, die entsprechend ihren Anwendungen angepasst werden können, sodass die Vorteile von AIoT effektiv mehr und kleinere Märkte erreichen können.

Es sind noch viele technische Herausforderungen zu bewältigen. Gerätegröße und Stromverbrauch waren schon immer Randprobleme, und die KI muss mehr tun, um sie zu lösen. Beim Einsatz von KI können Entwicklungstools mehr dazu beitragen, die Anwendungsentwicklung zu vereinfachen. Entwickler müssen mehr über künstliche Intelligenz als alternativen Ansatz zur App-Entwicklung erfahren. Aber wenn man sich an der Geschichte orientieren kann, werden diese Herausforderungen bald überwunden sein.

Das obige ist der detaillierte Inhalt vonWelche Anwendungsszenarien ergeben sich nach der Integration von künstlicher Intelligenz und dem Internet der Dinge?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!