AIoT تحول بزرگ بعدی در پلتفرمها است
زمانی نرمافزار جهان را بلعید. اکنون، سختافزار در حال بلعیدن نرمافزار است.
بحث بر سر گجتهای مصرفی نیست؛ بحث بر سر سختافزار صنعتی است. حسگرها، دوربینها و گرههای لبه (edge nodes)، ستون فقرات بخشهای انرژی، تولید و لجستیک را تشکیل میدهند.
وقتی هوش مصنوعی را به این سختافزار اضافه میکنید، AIoT به دست میآید.
توسعهدهندگان وب و موبایل با قوانین متفاوتی روبرو هستند. آنها فرض را بر این میگذارند که اینترنت پایدار و دادهها تمیز هستند. AIoT این فرضها را در هم میشکند.
دادههای حسگر اغلب نامنظم هستند. با موارد زیر روبرو خواهید شد:
- مقادیر تهی (Null) از حسگرهای آفلاین
- دادههای پرت (outliers) شدید ناشی از اختلالات
- فقدان برچسبهای زمانی (timestamps) به دلیل شکست در همگامسازی
- شکافهای طولانی در جریان دادهها
مدلهای هوش مصنوعی شما باید این آشفتگی را مدیریت کنند. خطوط لوله (pipelines) شما باید تابآور باشند. دستگاههای لبه شما باید بدون نیاز به ابر (cloud) تصمیمگیری کنند. حساسیت موضوع بالاست، زیرا این سیستمها داراییهای فیزیکی را کنترل میکنند.
یک سیستم AIoT واقعی دارای پنج لایه است:
- لایه لبه (Edge Layer)
- میکروکنترلرها و سیستمهای نهفته (embedded systems)
- استنتاج هوش مصنوعی در لبه (Edge AI inference)
- تصمیمگیری محلی
- لایه اتصال (Connectivity Layer)
- پروتکلهایی مانند MQTT، LoRaWAN و Zigbee
- پل ارتباطی لبه به ابر (Edge-to-cloud bridging)
- بهروزرسانیهای قابل اعتماد میانافزار (firmware)
- لایه داده (Data Layer)
- پایگاههای داده سری زمانی (Time-series databases)
- پردازش جریان داده (Stream processing)
- خطوط لوله کیفیت داده
- لایه AI/ML
- مدلهای نگهداری پیشبینانه (Predictive maintenance)
- بینایی ماشین برای فضاهای فیزیکی
- تشخیص آنومالی (ناهنجاری) در لحظه
- لایه کاربرد (Application Layer)
- داشبوردهای عملیاتی
- سیستمهای هشداردهنده
- یکپارچهسازی با نرمافزارهای صنعتی
ساختن این سیستم از صفر، کند و پرهزینه است. شرکتها اکنون در حال ساخت زیرساختهای مشترک هستند تا این مشکلات را سریعتر حل کنند.
سختترین مشکلات همچنان حلنشده باقی ماندهاند:
- همگامسازی دادههای محلی و ابری در زمان قطعیها
- ترکیب انواع مختلف حسگرها مانند لرزش و صدا
- کاهش هشدارهای کاذب در محیطهای فیزیکی
- بینایی ماشینی که در شرایط آلودگی و نور کم کار کند
- پیشبینی خرابی در ماشینهای پیچیده و متصل
بازارهای وب و موبایل به بلوغ رسیدهاند و حاشیه سود در آنها کم است. اما AIoT هنوز در مراحل اولیه است.
مهندسانی که بر هوش مصنوعی لبه و خطوط لوله حسگرها مسلط شوند، رهبر این موج بعدی خواهند بود. تقاضای صنعت در حال افزایش است، اما عرضه متخصصان کم است.
دنیای فیزیکی در حال ورود به عصر نرمافزار خود است.
تجربه شما با هوش مصنوعی لبه چیست؟ با چه مشکلات سختی روبرو شدهاید؟ نظرات خود را در بخش کامنتها به اشتراک بگذارید.