Cara menggunakan kecerdasan buatan untuk mengoptimumkan kelebihan IoT

Memandangkan semakin banyak syarikat menggabungkan peranti Internet of Things (IoT) dengan keupayaan pengkomputeran tepi, orang ramai semakin ingin tahu tentang cara kecerdasan buatan (AI) boleh digunakan untuk mengoptimumkan aplikasi ini. Berikut adalah beberapa kemungkinan yang menimbulkan pemikiran.

Menggunakan pembelajaran mesin untuk meningkatkan ketepatan inferens penderia IoT

Penyelidik teknologi masih di peringkat awal menyiasat cara meningkatkan prestasi IoT yang digunakan oleh tepi penderia melalui pembelajaran mesin. Aplikasi awal termasuk menggunakan penderia untuk klasifikasi imej atau tugas yang melibatkan pemprosesan bahasa semula jadi. Tetapi ada satu contoh bagaimana orang boleh membuat kemajuan.

Penyelidik di Rangkaian IMDEA menyedari bahawa jika penderia IoT digunakan untuk tugas pembelajaran mendalam yang khusus, ia mungkin menyebabkan penderia tidak dapat menjamin kualiti perkhidmatan tertentu, seperti mengalami kelewatan dan ketepatan inferens yang berkurangan. Walau bagaimanapun, penyelidik yang terlibat dalam projek itu membangunkan algoritma pembelajaran mesin yang dipanggil AMR2 untuk menangani cabaran ini.

AMR2 memanfaatkan infrastruktur pengkomputeran tepi untuk menjadikan inferens penderia IoT lebih tepat sambil mendayakan tindak balas pantas dan analisis masa nyata. Eksperimen menunjukkan bahawa berbanding dengan keputusan tugas penjadualan asas tanpa menggunakan algoritma, ketepatan penaakulan selepas menggunakan algoritma dipertingkatkan sebanyak 40%.

Mereka mendapati bahawa algoritma penjadualan yang cekap seperti ini adalah penting untuk membantu penderia IoT berfungsi dengan baik apabila digunakan di tepi. Seorang penyelidik projek menegaskan bahawa jika pembangun menggunakan algoritma AMR2 untuk perkhidmatan yang serupa dengan Imej Google (yang mengelaskan imej berdasarkan elemen yang terkandung di dalamnya), ia mungkin menjejaskan kependaman pelaksanaan. Pembangun boleh menggunakan algoritma ini untuk memastikan pengguna tidak menyedari kelewatan tersebut apabila menggunakan aplikasi.

Edge AI mengurangkan penggunaan tenaga peranti yang disambungkan

Kajian 2023 tentang CFO syarikat teknologi menunjukkan bahawa 80% syarikat menjangkakan hasil meningkat pada tahun akan datang. Tetapi peningkatan hasil memerlukan pekerja memahami keperluan pelanggan dan menyampaikan produk atau perkhidmatan dengan sewajarnya.

Banyak pengeluar peranti IoT mahu orang ramai memakai produk mereka dengan kerap. Sesetengah peranti boleh pakai boleh mengesan apabila pekerja bersendirian telah jatuh atau kesakitan; mereka juga boleh mengesan apabila peranan yang menuntut secara fizikal terlalu penat dan memerlukan rehat. Dalam kes ini, pengguna mesti mempunyai keyakinan pada peranti IoT mereka bahawa mereka akan berfungsi dengan pasti di tempat kerja dan seterusnya.

Itulah satu sebab penyelidik meneroka cara AI kelebihan boleh meningkatkan kecekapan tenaga peranti IoT. Peranti IoT digunakan untuk mengkaji kesan duduk berpanjangan pada kesihatan dan cara postur yang betul boleh meningkatkan hasil. Mana-mana peranti IoT yang menangkap data gaya hidup mesti mengumpul data secara berterusan, jadi terdapat sedikit atau tiada peluang untuk berhenti mengumpul maklumat kerana peranti kehabisan bateri.

Untuk mengelakkan situasi di atas, peranti wayarles yang dipakai oleh subjek biasanya dikuasakan oleh bateri butang. Lazimnya, setiap alat mempunyai penderia inersia yang mengumpul data tepat tentang jumlah pergerakan orang sepanjang hari. Masalah utama, bagaimanapun, ialah disebabkan oleh jumlah data yang besar yang dipindahkan, kuasa bateri hanya bertahan beberapa jam. Sebagai contoh, penyelidikan menunjukkan bahawa sensor gerakan sembilan saluran yang membaca 50 sampel sesaat akan menjana lebih daripada 100MB data dalam sehari.

Walau bagaimanapun, penyelidik menyedari bahawa pembelajaran mesin boleh membenarkan algoritma menghantar hanya data kritikal daripada peranti IoT yang digunakan di tepi ke telefon pintar atau peranti lain yang membantu menganalisis maklumat. Mereka terus menggunakan rangkaian saraf berulang yang telah terlatih dan mendapati bahawa algoritma itu mencapai prestasi masa nyata dan dapat meningkatkan kefungsian peranti IoT.

Mencipta peluang untuk latihan kecerdasan buatan sisi peranti

Kemajuan dalam pengkomputeran tepi memberi peluang untuk menggunakan peranti pintar di lebih banyak tempat. Sebagai contoh, ia telah dicadangkan untuk menggunakan lampu jalan pintar yang boleh dihidupkan dan dimatikan berdasarkan keadaan trafik masa nyata. Penyelidik dan peminat teknologi juga berminat dengan peningkatan peluang latihan untuk kecerdasan buatan yang digunakan secara langsung pada peranti IoT di pinggir. Pendekatan ini boleh meningkatkan fungsi produk sambil mengurangkan penggunaan tenaga dan meningkatkan perlindungan privasi.

Sebuah pasukan di MIT telah menyiasat kemungkinan melatih algoritma kecerdasan buatan pada peranti kelebihan pintar. Mereka cuba mengoptimumkan beberapa teknik, salah satunya memerlukan hanya 157K memori untuk melatih algoritma pembelajaran mesin pada mikropengawal, manakala kaedah latihan ringan lain biasanya memerlukan memori 300-600 MB. Inovasi ini menghasilkan peningkatan yang ketara.

Sebarang data yang dijana semasa latihan akan kekal pada peranti, mengurangkan risiko pelanggaran privasi, jelas para penyelidik. Mereka juga membentangkan kes penggunaan untuk latihan semasa penggunaan biasa, seperti sama ada algoritma boleh belajar daripada menaip pada papan kekunci pintar.

Pendekatan ini sudah tentu membuahkan hasil yang mengagumkan. Dalam satu kes, pasukan itu melatih algoritma hanya selama 10 minit sebelum ia dapat mengesan orang dalam imej. Contoh ini menunjukkan bahawa pengoptimuman boleh pergi kedua-dua arah.

Walaupun dua contoh pertama menumpukan pada penambahbaikan cara peranti IoT berfungsi, pendekatan ini juga meningkatkan proses latihan AI. Walau bagaimanapun, ia akan memberi manfaat kepada kedua-dua algoritma AI dan peranti kelebihan IoT jika pembangun dapat melatih algoritma pada peranti IoT dan mencapai prestasi yang lebih baik.

Bagaimana untuk menggunakan kecerdasan buatan untuk meningkatkan cara peranti kelebihan IoT berfungsi?

Contoh ini menggambarkan fokus penyelidik semasa mereka meneroka cara kecerdasan buatan boleh meningkatkan kefungsian peranti IoT yang digunakan di pinggir. Saya harap ini memberi anda pandangan dan inspirasi yang berharga. Adalah lebih baik untuk memulakan dengan masalah yang jelas dan kemudian mencari teknologi dan pendekatan inovatif yang boleh membantu mencapai matlamat anda.

Atas ialah kandungan terperinci Cara menggunakan kecerdasan buatan untuk mengoptimumkan kelebihan IoT. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!