Sztuczna inteligencja i internet rzeczy

214

~ Harmonijne połączenie sztucznej inteligencji i internetu rzeczy ~ W skład ośrodkowego układu nerwowego wchodzi mózg, rdzeń kręgowy i nerwy. Nasze nerwy reagują na bodźce zewnętrzne, takie jak temperatura czy nacisk, przesyłając sygnały z powrotem do mózgu, który decyduje, jak zareagować. W sektorze wytwórczym niezliczona liczba urządzeń podłączonych do internetu rzeczy pełni funkcję nerwów, dokonujących pomiarów i zbierających dane, ale gdzie jest mózg?

 Firma Gartner przewiduje, że do roku 2022 ponad 80% projektów biznesowych w zakresie internetu rzeczy będzie wykorzystywać sztuczną inteligencję, co stanowi olbrzymi wzrost w porównaniu z zaledwie 10% w roku 2019. Powód tego wzrostu jest jasny – urządzenia podłączone do internetu rzeczy generują w zakładach przemysłowych olbrzymią ilość danych operacyjnych przekraczającą nasze możliwości. Zakłady produkcyjne zbierają informacje na temat temperatury, ciśnienia, drgań, przepływu i nie tylko, które możemy wykorzystać do wyciągania cennych wniosków.

Sztuczna inteligencja, a konkretnie uczenie maszynowe, pozwala symulować inteligentne zachowania i uczyć się na podstawie wcześniejszych doświadczeń w celu wykorzystywania danych zbieranych przez czujniki, umożliwiając wyciąganie za pośrednictwem urządzeń podłączonych wniosków, które mogą zostać wykorzystane w praktyce.  To idealne połączenie.

Bez danych ani rusz

Dlaczego sztuczna inteligencja oferuje tyle korzyści dla użytkowników IoT? Nasze tradycyjne metody analizy danych nie zostały zaprojektowane z myślą o danych typu Big Data – nie pozwalają skutecznie przetwarzać olbrzymiej ilości danych zbieranych za pośrednictwem maszyn w czasie rzeczywistym. Zastosowanie sztucznej inteligencji umożliwia przetwarzanie dużych zestawów danych w celu wyszukiwania wzorców i wyciągania wniosków przy niewielkiej ingerencji człowieka lub jej braku – to o wiele prostsze podejście. Aby to umożliwić, coraz większa liczba platform IoT oferuje możliwości w zakresie sztucznej inteligencji, np. Google Cloud IoT, Microsoft Azure IoT platform i AWS IoT.

sztuczna inteligencjaSztuczna inteligencja pomaga również producentom radzić sobie z problemami związanymi z interoperacyjnością. Technologie operacyjne tworzone przez różnych producentów często nie są projektowane pod kątem wzajemnej komunikacji lub komunikacji z centralną platformą zapewniającą kompleksowy wgląd we wszystkie kwestie. Jeśli uwzględnimy jeszcze przestarzałe wyposażenie, możemy sobie uzmysłowić ogrom wymaganej pracy. Choć gromadzenie wszystkich danych w ramach jednego systemu informatycznego może być gigantycznym wyzwaniem, algorytmy sztucznej inteligencji mogą pomóc nauczyć systemy analizować informacje w celu uproszczenia tego procesu.

Analiza danych przy użyciu sztucznej inteligencji może być wykonywana w czasie rzeczywistym, dzięki czemu maszyny mogą szybko reagować w nagłych wypadkach lub mogą zostać wykorzystane do identyfikowania wzorców we wcześniejszych zestawach danych oraz ustalać przy użyciu analityki predykcyjnej co stanie się dalej. Co ciekawe, firma Deloitte odkryła, że konserwacja predykcyjna może ograniczyć czas wymagany na planowanie konserwacji o 20–50%, zwiększyć czas eksploatacji i dostępności maszyn o 10–20%, a także zmniejszyć ogólny koszt konserwacji o 5–10%. Umożliwia to również przewidywanie awarii przed ich wystąpieniem, dzięki czemu można przygotować wcześniej wymagane części zamienne.

Ku obrzeżom

Zauważamy również wprowadzanie rozwiązań z zakresu sztucznej inteligencji do urządzeń znajdujących się na obrzeżach sieci (ang. edge devices) w celu utworzenia tzw. inteligentnych obrzeży (ang. intelligent edge). Na przykład bezprzewodowy sterownik bramy DXM firmy Banner Engineering wykorzystuje algorytmy uczenia maszynowego, aby zdobywać informacje na temat statusu maszyn poprzez generowanie linii bazowej eksploatacji oraz progów ostrzegawczych i alarmowych.

Dostawcy rozwiązań z zakresu IoT aktualizują swoje narzędzia, aby ułatwić użytkownikom korzystanie ze sztucznej inteligencji na obrzeżach sieci. Na przykład Microsoft zapowiedział wprowadzenie Azure IoT Edge, platformy umożliwiającej urządzeniom o niskiej mocy wykonywanie lokalnych operacji z zakresu sztucznej inteligencji przy jednoczesnym utrzymaniu połączenia z chmurą w celu zarządzania i modelowania. Greengrass firmy Amazon również został zaktualizowany w celu zapewnienia możliwości w zakresie uczenia maszynowego.

Jedno z wyzwań wiąże się z tym, że szybkie przetwarzanie danych wymaga znacznej mocy i pojemności komputerów, w związku z czym sieci muszą być budowane pod kątem sztucznej inteligencji. Aby tego dokonać, przedsiębiorstwa muszą uwzględnić przetwarzanie na obrzeżach i łączność z chmurą, skalowalność, dostępność, przepustowość i nie tylko.

Twój system nerwowy nie na wiele by się zdał bez mózgu. IoT również wymaga „mózgu”, aby skutecznie pracować, a sztuczna inteligencja znakomicie sprawdza się w tej roli.

Źródło: EUA Automation