الذكاء الاصطناعي للأشياء (AIoT): مجموعة قوية من الأجهزة المتصلة والخوارزميات الذكية

TL ؛ DR: رؤى ، ملخصة:

• من 60٪ إلى 73٪ من جميع بيانات المؤسسة لا يتم استخدامها للتحليلات.
• تخسر الشركة المتوسطة 12٪ من إيراداتها بسبب فقدان فرص تحليل البيانات.
• من خلال الجمع بين حلول الذكاء الاصطناعي وإنترنت الأشياء ، يمكن للشركات الاستفادة من بياناتها والحصول على رؤى لم تكن متوفرة من قبل.
• AIoT هو مزيج من الذكاء الاصطناعي وإنترنت الأشياء. يتيح الجمع بين كلا التقنيتين إنشاء حلول أكثر كفاءة تؤدي إلى زيادة عائد الاستثمار.
• القطاعات التي وجد فيها الذكاء الاصطناعي للأشجار مدى استخدام أوسع هي الرعاية الصحية والتصنيع والنقل وغيرها من الصناعات.

ما بدأ في الأصل كتواصل من آلة إلى آلة كان مقصورًا بشكل حصري تقريبًا على صناعة الاتصالات ، أصبح إنترنت الأشياء الآن في كل مكان. وفقًا لـ Statista ، سيتجاوز عدد الأجهزة المتصلة بالإنترنت 38 مليار بحلول عام 2025.

ومع ذلك ، فإن هذا الرقم قابل للجدل ، لأنه من الصعب تحديد ماهية جهاز إنترنت الأشياء بالضبط. لذا ، تشير تقارير أخرى إلى المزيد من الأرقام المقيدة. فكر: حوالي 16 مليار جهاز قيد الاستخدام بحلول عام 2025.

سيؤدي الارتفاع الحاد في عدد أجهزة إنترنت الأشياء حتماً إلى زيادة كمية البيانات التي يتم جمعها. أفادت IDC أن أحجام بيانات إنترنت الأشياء التي يتم إنشاؤها على مستوى العالم ستصل إلى 73 زيتابايت بحلول عام 2025. وهذا هو المكان الذي تصبح فيه مشكلة. يجب معالجة المعلومات التي تم جمعها وتحليلها لتحقيق القيمة. ومع ذلك ، تفشل معظم الشركات في استخدام البيانات ، مع عدم استخدام ما بين 60٪ و 73٪ منها للتحليلات.

الخبر السار هو أنه يمكن للمؤسسات تحويل المزيد من البيانات التي تم إنشاؤها إلى رؤى تجارية من خلال الاستفادة من القوة المشتركة للذكاء الاصطناعي وإنترنت الأشياء.

في المقالة ، قمنا بتغطية كل ما تحتاج لمعرفته حول هذا المزيج الفعال ، والذي يشار إليه غالبًا باسم الذكاء الاصطناعي للأشياء ، أو AIoT. لذا ، إذا كنت تفكر في القفز على عربة تطوير إنترنت الأشياء ، فاستمر في القراءة.

ما هو AIoT بالضبط؟

يتكون نظام الذكاء الاصطناعي للأشياء (AIoT) من مكونين: إنترنت الأشياء (IoT) والذكاء الاصطناعي (AI).

في هذه المجموعة القوية ، يتمثل دور إنترنت الأشياء في تجميع البيانات المهيكلة وغير المهيكلة وتمكين الاتصال بين الأشياء المتصلة والمستخدم.

عند تضخيمها باستخدام الذكاء الاصطناعي - الخوارزميات التي يمكنها العثور على ترابطات معقدة في كميات هائلة من البيانات ووصف وتوقع وكذلك وصف إجراءات معينة بناءً على ذلك - يكتسب نظام إنترنت الأشياء ذكاءً شبيهًا بالبشر ويمكن تطبيقه لحل مجموعة متنوعة من المهام . يمكن أن تشمل هذه "فهم" اللغة الطبيعية ، والتنبؤ باحتياجات المستخدمين وتعديل سلوك الجهاز المتصل وفقًا لذلك ، والمزيد.

سوق AIoT آخذ في الارتفاع حاليًا. تقدر الأبحاث الحديثة أنها ستصل إلى 102.2 مليار دولار بحلول عام 2026. ومن الواضح تمامًا السبب: يضيف الذكاء الاصطناعي قيمة إلى إنترنت الأشياء من خلال تحسين عملية صنع القرار ، بينما توفر إنترنت الأشياء منصة للذكاء الاصطناعي لزيادة القيمة من خلال الاتصال وتبادل البيانات السلس.

كيف يعمل الذكاء الاصطناعي للأشياء؟

يمكن تنفيذ أنظمة الذكاء الاصطناعي للأشجار بطريقتين:

• كنظم قائمة على السحابة
• كنظم حافة تعمل على الأجهزة المتصلة.

ستختلف بنية نظام الذكاء الاصطناعي AIoT تبعًا لاستراتيجية التنفيذ.

AIoT القائم على السحابة

مع النهج القائم على السحابة ، تبدو البنية الأساسية لحل AIoT كما يلي:

• طبقة الجهاز: الأجهزة المختلفة (التنقل ، العلامات / الإشارات ، أجهزة الاستشعار ، أجهزة الصحة واللياقة ، المركبات ، معدات الإنتاج ، الأجهزة المدمجة)
• طبقة الاتصال: بوابات المجال والسحابة
• الطبقة السحابية: تخزين البيانات ، ومعالجة البيانات (محرك الذكاء الاصطناعي) ، وتصور البيانات ، والتحليلات ، والوصول إلى البيانات عبر واجهة برمجة التطبيقات
• طبقة اتصال المستخدم *: بوابات الويب وتطبيقات الهاتف المحمول *

تقنية Edge AIoT

باستخدام تحليلات الحافة ، تتم معالجة البيانات المجمعة بالقرب من المصدر - سواء على الأجهزة المتصلة أو على بوابات المجال.

• طبقة طرفية للتجميع: أجهزة مختلفة (التنقل ، العلامات / الإشارات ، أجهزة الاستشعار ، أجهزة الصحة واللياقة ، المركبات ، معدات الإنتاج ، الأجهزة المدمجة) المتصلة بالبوابة عبر خطوط الطاقة الحالية
• الطبقة الطرفية: مرافق لتخزين البيانات ، ومعالجة البيانات (محرك الذكاء الاصطناعي) ، وتوليد الرؤى

ومع ذلك ، لا تستبعد التطبيقات التي تركز على الحافة وجود السحابة. يمكن استخدام تخزين البيانات المستندة إلى السحابة ، على سبيل المثال ، لجمع البيانات الوصفية حول أداء النظام أو المعلومات السياقية اللازمة لتدريب أو إعادة تدريب الذكاء الاصطناعي (فكر: نموذج لصياغة سير عمل الذكاء الاصطناعي الذي يتضمن السحابة والحافة ، الأخير مصنوع من الأجهزة الموجودة خارج السحابة والتي تكون أقرب إلى الأشياء المادية.)

أفضل تطبيقات AIoT في مختلف القطاعات

مدفوعة بعدد من العوامل ، مثل توافر أدوات برمجية جديدة ، وتطوير حلول الذكاء الاصطناعي المبسطة ، وضخ الذكاء الاصطناعي في الأنظمة القديمة ، والتقدم في الأجهزة التي تدعم خوارزميات الذكاء الاصطناعي ، فإن الذكاء الاصطناعي للأشياء يزحف في العديد من الصناعات. في ما يلي ملخص للقطاعات التي تستفيد بالفعل من الفرص التي توفرها AIoT - مع تسليط الضوء على حالات الاستخدام الواعدة.

رعاية صحية

المساعدة في التشخيص

يمكن أن يساعد AIoT مقدمي الرعاية الصحية على اتخاذ قرارات تشخيصية أكثر دقة. تأخذ حلول إنترنت الأشياء للرعاية الصحية الذكية بيانات المرضى من مجموعة متنوعة من المصادر - من معدات التشخيص إلى الأجهزة القابلة للارتداء إلى السجلات الصحية الإلكترونية - وتحلل هذه البيانات لمساعدة الأطباء في التشخيص الصحيح للمريض.

تتفوق الحلول الطبية القائمة على الذكاء الاصطناعي بالفعل على المتخصصين في الرعاية الصحية البشرية في العديد من مجالات التشخيص. يعتمد اختصاصيو الأشعة في جميع أنحاء العالم على مساعدة الذكاء الاصطناعي في فحوصات الكشف عن السرطان.

في دراسة نشرتها مجلة Nature Medicine ، تفوق الذكاء الاصطناعي على ستة من أطباء الأشعة في تحديد ما إذا كان المرضى يعانون من سرطان الرئة. اكتشفت الخوارزمية التي تم تدريبها على 42000 فحص مريض من سجلات بيانات التجارب السريرية للمعهد الوطني للصحة ، حالات سرطان أكثر بنسبة 5٪ من نظيراتها البشرية وقللت عدد الإيجابيات الكاذبة بنسبة 11٪. من الجدير بالذكر أن الإيجابيات الكاذبة تمثل مشكلة خاصة في تشخيص سرطان الرئة: دراسة JAMA للطب الباطني على 2100 مريض تشير إلى معدل إيجابي كاذب بنسبة 97.5٪. وبالتالي ، يساعد الذكاء الاصطناعي في معالجة إحدى مشكلات التشخيص الحاسمة.

تعمل أنظمة الذكاء الاصطناعي AIoT بشكل جيد على قدم المساواة عند تشخيص سرطان الثدي والأمراض الجلدية وسرطان الجلد. لكن إمكانيات الأنظمة الذكية المتصلة تتجاوز ذلك بكثير.

أظهرت الدراسات الحديثة أن الذكاء الاصطناعي يمكنه اكتشاف الأمراض الوراثية النادرة عند الأطفال ، والأمراض الوراثية عند الرضع ، والأمراض الوراثية التي تزيد الكوليسترول ، والأمراض التنكسية العصبية ، والتنبؤ بالتدهور المعرفي الذي يؤدي إلى الإصابة بمرض الزهايمر.

تحسين استراتيجيات العلاج ومتابعة عملية إعادة التأهيل

باتباع نفس المبدأ المتبع في تشخيص المرضى ، يمكن أن تساعد أنظمة AIoT في تطوير استراتيجيات علاج أفضل وتعديلها وفقًا لاحتياجات المريض.

من خلال الجمع بين البيانات من بروتوكولات العلاج وتاريخ المريض ومعلومات المريض في الوقت الفعلي من الأجهزة المتصلة والأجهزة القابلة للارتداء ، يمكن أن تقترح الخوارزميات الذكية تعديلات الجرعة واستبعاد احتمال إصابة المريض بالحساسية وتجنب العلاج غير المناسب أو المفرط. بعض المجالات الأساسية التي يسهّل فيها الذكاء الاصطناعي للأشجار مدى فترة العلاج:

• علاج COVID-19 أكثر فعالية

من خلال مراقبة المرضى الذين تم تشخيص إصابتهم بـ COVID-19 عبر الأجهزة القابلة للارتداء التي تعمل بتقنية AIoT والتي تسجل علامات الجسم الحيوية للمرضى ، يمكن للأطباء تقديم الاقتراحات اللازمة للمرضى ، وبالتالي توفير رعاية أكثر فعالية للمرضى الخارجيين.

• علاج الأمراض المصحوبة بتجلط الدم

تساعد أجهزة التخثر المتصلة في قياس وتيرة تشكل جلطات الدم ، وبالتالي مساعدة المرضى على التأكد من أن القياسات في نطاق العلاج وتقليل عدد الزيارات إلى المكتب حيث يمكن توصيل القياسات إلى مقدمي الرعاية الصحية عن بُعد وفي الوقت الفعلي.

• إدارة أفضل للربو ومرض الانسداد الرئوي المزمن

تؤثر أمراض الجهاز التنفسي المزمنة (COPDs) على حوالي 500 مليون مريض في جميع أنحاء العالم. للتخفيف من شدة هذه الحالات ، يجب على المرضى الالتزام بروتين شامل ، واستخدام أجهزة الاستنشاق هو جزء أساسي منه. ومع ذلك ، يفشل العديد من المرضى في الالتزام بخطط العلاج الموصى بها. تساعد أجهزة الاستنشاق المزودة بتقنية AIoT والمرتبطة بتطبيق الهاتف المحمول على تجنب ذلك ، وتسجيل الوقت والتاريخ والموقع لكل استخدام. يمكن استخدام البيانات التي تم جمعها لإعداد تذكيرات تلقائية للاستخدام التالي ، والتنبؤ بنوبات الربو ، وتحديد العوامل المحفزة.

• إدارة محسّنة لمرض السكري

في الولايات المتحدة وحدها ، يعاني 30 مليون شخص من مرض السكري. وبالنسبة لهم ، كانت قياسات الجلوكوز المنتظمة مصدر قلق دائمًا. تعمل مقاييس الجلوكوز القابلة للزرع اللاسلكية المزودة بتقنية AIoT على تخفيف هذه المخاوف من خلال إخطار المرضى - والأطباء - بالتغيرات في مستويات الجلوكوز لدى المرضى.

تحسين سير عمل المستشفى

يمكن لـ AIoT تغيير طريقة إدارة المستشفيات ، وتحسين سير العمل اليومي في المجالات الرئيسية التالية:

• تقليل أوقات الانتظار

يمكن أن تساعد أنظمة تتبع السرير الآلية التي تعمل بنظام AIoT العاملين في المستشفى على قبول مرضى الطوارئ في أسرع وقت ممكن عن طريق إخطارهم عندما يكون السرير مجانيًا. تثبت تجربة المتبنين الأوائل ، مثل مركز جبل سيناء الطبي في نيويورك ، أن التكنولوجيا يمكن أن تساعد في تقليل أوقات الانتظار لـ 50٪ من مرضى قسم الطوارئ.

• تحديد المرضى الحرجين

يعد تحديد المرضى الذين يحتاجون إلى اهتمام فوري أمرًا بالغ الأهمية في تقديم رعاية جيدة. لاتخاذ القرار الصحيح ، يحتاج الأطباء إلى تحليل كميات كبيرة من المعلومات ، بينما يكونون تحت ضغط كبير. يمكن للذكاء الاصطناعي AIoT أن يساعد الطاقم الطبي في تحديد أولويات جهودهم. قد تقوم الأنظمة المتصلة بتحليل العناصر الحيوية للمرضى وتنبيه الأطباء للمرضى الذين تتدهور حالتهم.

تم اختبار العديد من الأنظمة المماثلة في وحدات العناية المركزة. على سبيل المثال ، قامت جامعة سان فرانسيسكو بتجربة حل ذكاء اصطناعي قادر على اكتشاف العلامات المبكرة للإنتان ، وهو عدوى قاتلة في الدم. أظهرت نتائج البحث أن المرضى الذين تشمل علاجاتهم الذكاء الاصطناعي كانوا أقل عرضة للإصابة بالعدوى بنسبة 58٪. وانخفض معدل الوفيات بنسبة 12٪.

• تتبع المعدات الطبية

من خلال تتبع المعدات التي تدعم تقنية AIoT ، يمكن للمستشفيات تقليل مخاطر فقدان المعدات الطبية الهامة واتخاذ قرارات أكثر استنارة لإدارة المعدات ، وبالتالي الاستفادة من توفير 12000 دولار لكل سرير سنويًا. يمكن تتبع المعدات الطبية الحرجة عبر أنظمة RFID أو GPS داخل وخارج المستشفى ، بينما يمكن للموظفين الطبيين والإداريين استخدام تطبيقات الويب والهاتف المحمول لتحديد موقع المعدات المطلوبة بسرعة.

تصنيع

تمكين الصيانة التنبؤية

من خلال الآلات المجهزة بأجهزة استشعار AIoT التي تقيس مجموعة متنوعة من المعلمات ، بما في ذلك درجة الحرارة والضغط والاهتزاز وسرعة الدوران والمزيد ، يمكن للمصنعين الحصول على رؤى في الوقت الفعلي حول صحة أصولهم وجدولة الصيانة وفقًا للحاجة الفعلية.

في حين أن التحليلات الأساسية غالبًا ما تكون كافية لاكتشاف المعدات التي تقترب من عتبة التشغيل الحرجة ، يمكن للذكاء الاصطناعي التنبؤ بالأوضاع الشاذة مسبقًا بناءً على بيانات الصيانة والإصلاح التاريخية. نتيجة للصيانة التنبؤية ، وفقًا لتقرير شركة PwC ، يمكن للمصنعين تحسين وقت تشغيل المعدات بنسبة 9٪ ، وخفض التكاليف بنسبة 12٪ ، وتقليل مخاطر السلامة بنسبة 14٪ ، وإطالة عمر أصولهم بنسبة 20٪.

تحسين إدارة أداء الأصول

مع وجود نظام AIoT ، يمكن للمصنعين الحصول على تحديثات منتظمة حول مدى جودة أداء أصولهم والبحث في أسباب تغييرات الأداء. تسمح غالبية أنظمة إدارة أداء الأصول المستندة إلى إنترنت الأشياء بالحصول على تنبيهات آلية عندما تنحرف قطعة من المعدات عن مؤشرات الأداء الرئيسية المحددة.

يساعد محرك الذكاء الاصطناعي بدوره على البحث في أسباب تدهور الأداء ، إن وجدت ، وتحديد ما إذا كانت مؤشرات الأداء الرئيسية المقاسة معقولة لتتبعها في كل إعداد فردي. باستخدام برامج إدارة الأداء ، يقوم المصنعون بتحسين استخدام المعدات وتحسين الفعالية الكلية للمعدات.

تعزيز تخطيط الإنتاج باستخدام التوائم الرقمية

وفقًا لـ Gartner ، يمكن أن تساعد التوائم الرقمية الشركات المصنعة على تحقيق تحسن بنسبة 10٪ على الأقل في فعالية الإنتاج. يمكن أن تساعد نسخة رقمية من أصل أو نظام أو عملية أو توأم رقمي صناعي مزود بتقنية الذكاء الاصطناعي للأشجار الشركات المصنعة في الحصول على رؤية شاملة في عمليات أرضية المتجر والمساعدة في تحديد أوجه القصور في الوقت المناسب وحتى التنبؤ بها.

تشير مؤسسات التصنيع التي تستخدم التوائم الرقمية إلى أنها تستطيع تحقيق تحسينات دائمة ، بما في ذلك زيادة الموثوقية من 93٪ إلى 99.49٪ على مدى عامين ، وتقليل تلقي الصيانة بنسبة 40٪ ، وتوفير 360 ألف دولار بعد توقع انقطاع التيار الكهربائي.

أتمتة عمليات أرضية المحل عن طريق الروبوتات الصناعية

كانت الروبوتات الصناعية جزءًا من أرضية المتجر لفترة طويلة. مع زيادة إمكانية الوصول إلى حلول إنترنت الأشياء ، أصبحت الروبوتات أكثر ذكاءً واستقلالية. بفضل أجهزة الاستشعار والاعتماد على الذكاء الاصطناعي ، أصبحت الروبوتات الصناعية الآن قادرة على اتخاذ قرارات إنتاج مستنيرة أثناء التنقل ، وبالتالي زيادة فعالية وحدات التصنيع.

السيارات والنقل

إدارة المرور

يمكن استخدام AIoT للتخفيف من الازدحام المروري وتحسين جودة النقل. استفادت مدينة تايبيه ، على سبيل المثال ، من الذكاء الاصطناعي للأشجار لمراقبة معدات الإشارات والتحكم فيها عند 25 تقاطعًا. في هذا النظام ، جمعت أجهزة الاستشعار الذكية وكاميرات الفيديو بيانات في الوقت الفعلي عن حركة المرور وتدفق البشر وشغل الطرق ، بينما قامت خوارزميات الذكاء الاصطناعي بتحليل هذه البيانات وتطبيق منطق التحكم المناسب.

ساعد هذا النهج إدارة المدينة على تحسين تدفق حركة المرور وضمان تجربة قيادة آمنة وسلسة.

مركبات ذاتية القيادة

تعد المركبات ذاتية القيادة وأنظمة مساعدة السائق المتقدمة (ADAS) أمثلة بارزة على خوارزميات الذكاء الاصطناعي التي تفسر بيانات إنترنت الأشياء في الوقت الفعلي وتتصرف وفقًا لها.

تنشئ السيارات ذاتية القيادة أو ذاتية القيادة خريطة لمحيطها بناءً على البيانات من مجموعة متنوعة من أجهزة الاستشعار. أجهزة استشعار الرادار ، على سبيل المثال ، تراقب موقع المركبات القريبة ؛ تكتشف كاميرات الفيديو إشارات المرور وإشارات الطرق والمركبات الأخرى والمشاة ؛ تقوم مستشعرات الليدار بقياس المسافات ، واكتشاف حواف الطريق ، وتحديد علامات الحارات.

يقوم برنامج AI بعد ذلك بمعالجة بيانات المستشعر ، ورسم المسار الأمثل ، وإرسال التعليمات إلى مشغلات السيارة ، التي تتحكم في التسارع ، والفرملة ، والتوجيه. تساعد القواعد المشفرة وخوارزميات تجنب العقبات والنمذجة التنبؤية والتعرف على الكائنات البرنامج على اتباع قواعد المرور وتجاوز العقبات.

تحديات تنفيذ الذكاء الاصطناعي AIoT الرئيسية وكيفية حلها

من بين جميع مشاريع إنترنت الأشياء التي تم تنفيذها عالميًا ، فشل 76٪ منها ، وفشل 30٪ منها في وقت مبكر في مرحلة إثبات المفهوم. لتجنب توجيه الاستثمارات إلى مبادرات محكوم عليها بالانهيار ، يجب على الشركات التي تختبر تقنية الذكاء الاصطناعي للأشجار أن تكون على دراية بالتحديات المشتركة التي قد تعيق تطبيقاتها لتقنية الذكاء الاصطناعي للأشياء. تمتد العوائق التي تواجهها الشركات في أغلب الأحيان إلى ما يلي:

الشروع في رحلة AIoT مع عدم وجود هدف واضح في الاعتبار. انطلاقًا من مشروعات الذكاء الاصطناعي للأشجار ، قد تنشغل المؤسسات في الأمر الجديد وتفشل في تقييم جدوى أفكارها. وهذا بدوره يمكن أن يؤدي إلى زحف التكلفة غير المنضبط في المراحل الأخيرة من التنمية ، وفي نهاية المطاف ، عدم رضا أصحاب المصلحة. لتجنب ذلك ، ننصح ببدء مشروع AIoT الخاص بك بمرحلة اكتشاف ، حيث يمكن فحص الأفكار وموازنتها مع أهداف العمل المحددة وتوقعات العملاء والقدرات التنظيمية.

تكافح من أجل اختيار استراتيجية التنفيذ الأمثل. كما ذكرنا سابقًا ، يمكن تنفيذ حلول AIoT مثل أنظمة السحابة أو الحافة أو الأنظمة المختلطة. أثناء صياغة إستراتيجية التنفيذ ، قم بموازنة متطلبات النطاق الترددي ووقت الاستجابة والسرعة للحل المستقبلي بعناية وربطها بالتكاليف المحددة. القاعدة الأساسية هي عمليات النشر المتطورة للأنظمة ذات الأهمية الزمنية التي تغطي عددًا كبيرًا من الأجهزة وتعتمد على السحابة في حالة كان الحد الأدنى من الكمون والنطاق الترددي العالي أقل أهمية.

دورات نشر بطيئة مع تكاليف يصعب تقديرها. تتطلب مشاريع AIoT التزامًا طويل الأجل. اعتمادًا على حالة استخدام معينة ، يمكن أن تستغرق عملية التنفيذ عدة أشهر حتى عدة سنوات. مع التغير السريع في المشهد التكنولوجي ، هناك خطر أن يصبح الحل قديمًا بحلول الوقت الذي يعمل فيه بكامل طاقته ، فضلاً عن فقدان السيطرة على تكاليف التنفيذ. لمنع ذلك ، يجب أن تكون الشركات مرنة بما يكفي لتكون قادرة على إدخال تغييرات على طول الطريق.

الحاجة إلى ربط أنظمة معقدة وغير متجانسة للغاية. اعتمادًا على حجم الحل المستقبلي الخاص بك والصناعة التي تعمل فيها ، قد تحتاج إلى توصيل معدات قديمة غير متجانسة للغاية بـ AIoT. غالبًا ما تكون مهمة صعبة الإنجاز ، فهي تحتاج إلى تخطيط وفهم الخيارات المتاحة. على سبيل المثال ، يمكنك اختيار إرفاق المستشعرات بالأجهزة القديمة أو توصيلها عبر بوابات أو حتى استبدالها تمامًا. بغض النظر عن النهج ، تأكد من صياغة سيناريوهات الرقمنة الممكنة في وقت مبكر.

عدم وجود بيانات كافية لتدريب خوارزميات الذكاء الاصطناعي. لتوليد رؤى موثوقة ، تحتاج خوارزميات الذكاء الاصطناعي إلى التدريب على كميات هائلة من البيانات. إذا لم يكن متوفرًا بكميات كافية (أو كان متاحًا ولكن لا يمكن استخدامه لأسباب تتعلق بالخصوصية) ، فسيتعين عليك استخدام استراتيجيات أخرى للتعويض عن نقص البيانات. تشمل الطرق الشائعة نقل التعلم (فكر: استخدام شبكة عصبية مدربة بالفعل تحل مشكلة مماثلة) ، أو زيادة البيانات (تعديل العينات الموجودة للحصول على إدخالات بيانات جديدة) ، أو اللجوء إلى البيانات التركيبية.

تكافح لتحقيق الأداء الكافي لنظام AIoT. يعتمد أداء أنظمة الذكاء الاصطناعي (AIoT) على مجموعة من العوامل ، بما في ذلك قدرات الأجهزة ، وتحميل البيانات ، وبنية النظام ، ونهج التنفيذ ، والمزيد. لتجنب مشاكل الأداء أثناء التشغيل ، خطط لأحمال البيانات المحتملة مقدمًا وقم بضبط استراتيجية التنفيذ وفقًا لذلك.

معالجة نقاط الضعف في البرامج والبرامج الثابتة. تفشل العديد من مشاريع الذكاء الاصطناعي AIoT لأن أمن البيانات والأجهزة والخوادم وشبكات الاتصالات لم يؤخذ في الاعتبار أثناء مرحلة التخطيط. إذا كنت تتعامل مع بيانات شديدة الحساسية ، ففكر في عمليات النشر المختلطة ، حيث تتم معالجة البيانات بالقرب من المصدر ، وبالتالي يتم تقليل مخاطر تعرضها للخطر أثناء النقل أو في السحابة.

إذا كانت لديك أسئلة بدون إجابة حول الذكاء الاصطناعي للأشياء أو كنت تفكر بالفعل في الشروع في رحلة تنفيذ AIoT ، فاتصل بخبرائنا.

نُشر في الأصل على https://itrexgroup.com في 30 أغسطس 2022.