L'intelligenza artificiale delle cose (AIoT): una potente combinazione di dispositivi connessi e algoritmi intelligenti

TL; DR: Approfondimenti, riassunti:

• Dal 60% al 73% di tutti i dati aziendali non vengono utilizzati per l'analisi.
• Un'azienda media perde il 12% delle sue entrate a causa della perdita di opportunità di analisi dei dati.
• Combinando soluzioni di IA e IoT, le aziende possono attingere ai propri dati e raccogliere informazioni che prima non erano disponibili.
• AIoT è un mix di intelligenza artificiale e Internet of Things. L'unione di entrambe le tecnologie consente di creare soluzioni più efficienti che generano un ROI più elevato.
• I settori in cui AIoT ha trovato un intervallo di utilizzo più ampio sono l'assistenza sanitaria, la produzione, i trasporti e altri settori.

Quella che originariamente era iniziata come comunicazione da macchina a macchina era limitata quasi esclusivamente all'industria delle telecomunicazioni, l'Internet delle cose ora è ovunque. Secondo Statista, il numero di dispositivi connessi a Internet supererà i 38 miliardi entro il 2025.

La cifra è discutibile, tuttavia, poiché è difficile tracciare una linea di demarcazione su cosa sia esattamente un dispositivo IoT. Quindi, altri rapporti suggeriscono numeri più contenuti. Pensa: circa 16 miliardi di dispositivi in ​​uso entro il 2025.

Il forte aumento del numero di dispositivi IoT porterà inevitabilmente a un aumento della quantità di dati raccolti. IDC riferisce che i volumi di dati IoT generati a livello globale raggiungeranno i 73 Zettabyte entro il 2025. Ed è qui che diventa problematico. Le informazioni raccolte devono essere elaborate e analizzate per generare valore. Tuttavia, la maggior parte delle aziende non riesce a utilizzare i dati, con una percentuale compresa tra il 60% e il 73% inutilizzata per l'analisi.

La buona notizia è che le aziende possono trasformare una maggior parte dei dati generati in informazioni di business sfruttando la potenza combinata dell'intelligenza artificiale e dell'Internet delle cose.

Nell'articolo, abbiamo coperto tutto ciò che devi sapere su questo potente mix, spesso indicato come l'intelligenza artificiale delle cose o AIoT. Quindi, se stai pensando di saltare su un carrozzone di sviluppo di Internet of Things, continua a leggere.

Che cos'è esattamente AIoT?

Un sistema di intelligenza artificiale delle cose (AIoT) è composto da due componenti: l'Internet delle cose (IoT) e l'intelligenza artificiale (AI).

In questa solida combinazione, il ruolo dell'IoT è accumulare dati strutturati e non strutturati e consentire la comunicazione tra le cose connesse e l'utente.

Se amplificato con l'intelligenza artificiale, algoritmi che possono trovare interdipendenze complesse in enormi quantità di dati e descrivere, prevedere e prescrivere determinate azioni in base a ciò, un sistema IoT acquisisce un'intelligenza simile a quella umana e può essere applicato per risolvere una più ampia varietà di compiti . Questi potrebbero comprendere la "comprensione" del linguaggio naturale, prevedere le esigenze degli utenti e regolare di conseguenza il comportamento di un dispositivo connesso e altro ancora.

Il mercato AIoT è attualmente in crescita. Una recente ricerca stima che raggiungerà i 102,2 miliardi di dollari entro il 2026. Ed è perfettamente chiaro il motivo: l'IA aggiunge valore all'IoT attraverso un migliore processo decisionale, mentre l'IoT fornisce una piattaforma per l'IA per generare valore attraverso la connettività e lo scambio di dati senza interruzioni.

Come funziona l'Intelligenza Artificiale delle Cose?

I sistemi AIoT possono essere implementati in due modi:

• Come sistemi basati su cloud
• Come sistemi perimetrali in esecuzione su dispositivi connessi.

L'architettura di un sistema AIoT varierà a seconda della strategia di implementazione.

AIoT basato su cloud

Con l'approccio basato su cloud, l'architettura di base di una soluzione AIoT si presenta così:

• Livello dispositivo: vari dispositivi hardware (mobilità, tag/beacon, sensori, dispositivi per la salute e il fitness, veicoli, apparecchiature di produzione, dispositivi embedded)
• Livello di connettività: gateway sul campo e cloud
• Livello cloud: archiviazione dati, elaborazione dati (motore AI), visualizzazione dati, analisi, accesso dati tramite API
• Livello di comunicazione utente*: portali web e applicazioni mobili*

Edge AIoT

Con l'analisi perimetrale, i dati raccolti vengono elaborati più vicino alla fonte, sia su dispositivi connessi che su gateway sul campo.

• Strato terminale di raccolta: vari dispositivi hardware (mobilità, tag/beacon, sensori, dispositivi per la salute e il fitness, veicoli, apparecchiature di produzione, dispositivi embedded) collegati al gateway su linee elettriche esistenti
• Edge layer: funzionalità per l'archiviazione dei dati, l'elaborazione dei dati (motore AI), la generazione di informazioni dettagliate

Tuttavia, le implementazioni incentrate sull'edge non escludono la presenza del cloud. L'archiviazione dei dati basata sul cloud può, ad esempio, essere utilizzata per raccogliere metadati sulle prestazioni del sistema o informazioni contestuali necessarie per addestrare o riqualificare l'IA edge (si pensi a: un paradigma per la creazione di flussi di lavoro AI che coinvolga il cloud e l'edge, quest'ultimo fatto di dispositivi esterni al cloud più vicini alle cose fisiche.)

Le migliori applicazioni di AIoT in diversi settori

Spinta da una serie di fattori, come la disponibilità di nuovi strumenti software, lo sviluppo di soluzioni di intelligenza artificiale semplificate, l'integrazione dell'intelligenza artificiale nei sistemi legacy e i progressi nell'hardware che supportano gli algoritmi di intelligenza artificiale, l'intelligenza artificiale delle cose si sta insinuando in molti settori. Ecco una carrellata di settori che stanno già sfruttando le opportunità offerte da AIoT, con i casi d'uso più promettenti messi in luce.

Assistenza sanitaria

Assistenza diagnostica

L'AIoT può aiutare gli operatori sanitari a prendere decisioni diagnostiche più precise. Le soluzioni IoT per il settore sanitario intelligente raccolgono i dati dei pazienti da una varietà di fonti, dalle apparecchiature diagnostiche ai dispositivi indossabili, alle cartelle cliniche elettroniche, e analizzano in modo incrociato questi dati per aiutare i medici a diagnosticare correttamente un paziente.

Le soluzioni mediche basate sull'intelligenza artificiale stanno già superando gli operatori sanitari umani in diversi campi della diagnosi. I radiologi di tutto il mondo si affidano all'assistenza dell'IA per gli screening del cancro.

In uno studio pubblicato da Nature Medicine, l'IA ha superato sei radiologi nel determinare se i pazienti avevano un cancro ai polmoni. L'algoritmo che è stato addestrato su 42.000 scansioni di pazienti dai record di dati di studi clinici di un National Institute of Health, ha rilevato il 5% in più di casi di cancro rispetto alle sue controparti umane e ha ridotto il numero di falsi positivi dell'11%. Vale la pena ricordare che i falsi positivi presentano un problema particolare nella diagnosi del cancro ai polmoni: lo studio di JAMA Internal Medicine su 2.100 pazienti afferma un tasso di falsi positivi del 97,5%. Pertanto, l'IA aiuta ad affrontare uno dei problemi diagnostici cruciali.

I sistemi AIoT funzionano altrettanto bene nella diagnosi di cancro al seno, malattie della pelle e cancro della pelle. Ma le possibilità dei sistemi intelligenti e connessi vanno ben oltre.

Studi recenti hanno dimostrato che l'IA può rilevare malattie ereditarie rare nei bambini, malattie genetiche nei neonati, malattie genetiche che aumentano il colesterolo, malattie neurodegenerative e prevedere il declino cognitivo che porta allo sviluppo del morbo di Alzheimer.

Miglioramento delle strategie di trattamento e monitoraggio del processo riabilitativo

Seguendo lo stesso principio della diagnosi dei pazienti, i sistemi AIoT possono aiutare a sviluppare strategie terapeutiche migliori e adattarle alle esigenze del paziente.

Combinando i dati dei protocolli di trattamento, la storia del paziente e le informazioni sul paziente in tempo reale da apparecchiature collegate e dispositivi indossabili, gli algoritmi intelligenti possono suggerire aggiustamenti del dosaggio, escludere la possibilità che un paziente sviluppi allergie ed evitare trattamenti inappropriati o eccessivi. Alcune delle aree essenziali in cui AIoT sta facilitando la durata del trattamento:

• Trattamento COVID-19 più efficace

Monitorando i pazienti a cui è stato diagnosticato il COVID-19 tramite dispositivi indossabili alimentati da AIoT che registrano i segni vitali del corpo dei pazienti, i medici potrebbero offrire ai pazienti i dovuti suggerimenti, fornendo così cure ambulatoriali più efficaci.

• Trattamento di malattie accompagnate da coagulazione del sangue

I dispositivi di coagulazione collegati aiutano a misurare il ritmo con cui si formano i coaguli di sangue, aiutando così i pazienti ad assicurarsi che le misurazioni rientrino nell'intervallo di trattamento e riducendo il numero di visite in studio poiché le misurazioni possono essere comunicate agli operatori sanitari da remoto e in tempo reale.

• Migliore gestione dell'asma e della BPCO

Le malattie respiratorie croniche (BPCO) colpiscono circa 500 milioni di pazienti in tutto il mondo. Per mitigare la gravità di queste condizioni, i pazienti devono attenersi a una routine completa e l'uso di inalatori ne è una parte essenziale. Tuttavia, molti pazienti non riescono ad aderire ai piani di trattamento raccomandati. Gli inalatori abilitati AIoT associati a un'app mobile aiutano a evitarlo, registrando l'ora, la data e il luogo di ogni utilizzo. I dati raccolti possono essere utilizzati per impostare promemoria automatici per l'utilizzo successivo, prevedere gli attacchi di asma e identificare i fattori scatenanti.

• Gestione ottimizzata del diabete

Solo negli Stati Uniti, 30 milioni di persone sono affette da diabete. E per loro, le misurazioni regolari della glicemia sono sempre state una preoccupazione. I glucometri impiantabili wireless abilitati AIoT alleviano queste preoccupazioni informando i pazienti - e i medici - dei cambiamenti nei livelli di glucosio dei pazienti.

Ottimizzazione dei flussi di lavoro ospedalieri

L'AIoT può trasformare il modo in cui vengono gestiti gli ospedali, migliorando i flussi di lavoro quotidiani nelle seguenti aree chiave:

• Riduzione dei tempi di attesa

I sistemi automatizzati di localizzazione dei letti basati su AIoT possono aiutare gli operatori ospedalieri ad ammettere i pazienti di emergenza il più rapidamente possibile avvisandoli quando un letto è libero. L'esperienza dei primi utenti, come il Mt. Sinai Medical Center di New York, dimostra che la tecnologia può aiutare a ridurre i tempi di attesa per il 50% dei pazienti del pronto soccorso.

• Identificazione dei pazienti critici

Identificare i pazienti che necessitano di attenzione immediata è fondamentale per fornire un'assistenza di qualità. Per prendere la decisione giusta, i medici devono analizzare grandi quantità di informazioni, pur essendo sottoposti a forti pressioni. L'AIoT può aiutare il personale medico a dare priorità ai propri sforzi. I sistemi connessi possono analizzare i parametri vitali dei pazienti e avvisare i medici dei pazienti le cui condizioni si stanno deteriorando.

Diversi sistemi simili sono stati testati in unità di terapia intensiva. Ad esempio, l'Università di San Francisco ha sperimentato una soluzione di intelligenza artificiale in grado di rilevare i primi segni di sepsi, un'infezione mortale del sangue. I risultati della ricerca hanno mostrato che i pazienti i cui trattamenti prevedevano l'IA avevano il 58% di probabilità in meno di sviluppare l'infezione; e il tasso di mortalità è stato ridotto del 12%.

• Monitoraggio delle apparecchiature mediche

Con il monitoraggio delle apparecchiature abilitate per AIoT, gli ospedali possono ridurre il rischio di perdere apparecchiature mediche critiche e prendere decisioni più informate sulla gestione delle apparecchiature, attingendo così a $ 12.000 di risparmio per letto all'anno. Le apparecchiature mediche critiche possono essere tracciate tramite sistemi RFID o GPS all'interno e all'esterno dell'ospedale, mentre il personale medico e amministrativo può utilizzare applicazioni Web e mobili per individuare rapidamente le apparecchiature necessarie.

Produzione

Abilitazione della manutenzione predittiva

Con macchinari dotati di sensori AIoT che misurano una varietà di parametri, tra cui temperatura, pressione, vibrazioni, velocità di rotazione e altro, i produttori possono ottenere informazioni in tempo reale sullo stato di salute delle proprie risorse e programmare la manutenzione in base alle effettive necessità.

Sebbene l'analisi di base sia spesso sufficiente per rilevare apparecchiature che si stanno avvicinando a una soglia operativa critica, l'IA può prevedere le anomalie in anticipo sulla base dei dati storici di manutenzione e riparazione. Come risultato della manutenzione predittiva, secondo un rapporto PwC, i produttori possono migliorare il tempo di attività delle apparecchiature del 9%, ridurre i costi del 12%, ridurre i rischi per la sicurezza del 14% e prolungare la durata delle proprie risorse del 20%.

Migliorare la gestione delle prestazioni degli asset

Con un sistema AIoT in atto, i produttori possono ottenere aggiornamenti regolari sulle prestazioni delle loro risorse e approfondire i motivi delle modifiche alle prestazioni. La maggior parte dei sistemi di gestione delle prestazioni degli asset basati sull'IoT consente di ricevere avvisi automatici ogni volta che un'apparecchiatura si discosta dai KPI impostati.

Il motore di intelligenza artificiale, a sua volta, aiuta ad approfondire le ragioni del deterioramento delle prestazioni, se presenti, e a identificare se i KPI misurati sono ragionevoli da tracciare in ogni singola impostazione. Utilizzando il software di gestione delle prestazioni, i produttori ottimizzano l'utilizzo delle apparecchiature e migliorano l'efficacia complessiva delle apparecchiature.

Potenziamento della pianificazione della produzione con i gemelli digitali

Secondo Gartner, i digital twin possono aiutare i produttori a ottenere un miglioramento minimo del 10% nell'efficacia della produzione. Una copia digitale di una risorsa, sistema o processo, un gemello digitale industriale abilitato per AIoT può aiutare i produttori a ottenere una visibilità end-to-end sulle operazioni in officina e aiutare a individuare tempestivamente e persino a prevedere le inefficienze.

Le aziende manifatturiere che utilizzano i gemelli digitali affermano che potrebbero ottenere miglioramenti duraturi, tra cui un aumento dell'affidabilità dal 93% al 99,49% in due anni, una riduzione della manutenzione del 40% e un risparmio di $ 360.000 dopo aver previsto un'interruzione di corrente.

Automatizzare le operazioni in officina tramite la robotica industriale

I robot industriali fanno parte dell'officina da molto tempo. Con la produzione di soluzioni IoT sempre più accessibili, i robot stanno diventando più intelligenti e indipendenti. Dotata di sensori e basata sull'intelligenza artificiale, la robotica industriale è ora in grado di prendere decisioni di produzione ben informate in movimento, aumentando così l'efficacia delle unità produttive.

Automotive e trasporti

Gestione del traffico

L'AIoT può essere utilizzato per alleviare la congestione del traffico e migliorare la qualità del trasporto. La città di Taipei, ad esempio, ha attinto all'AIoT per monitorare e controllare le apparecchiature di segnalazione in 25 congiunzioni. In questo sistema, sensori e videocamere intelligenti hanno raccolto dati in tempo reale sul traffico, sul flusso umano e sull'occupazione della strada, mentre gli algoritmi di intelligenza artificiale hanno analizzato questi dati e applicato una logica di controllo appropriata.

L'approccio ha aiutato l'amministrazione comunale a ottimizzare il flusso del traffico e garantire un'esperienza di guida sicura e senza intoppi.

Veicoli a guida autonoma

I veicoli a guida autonoma e i sistemi avanzati di assistenza alla guida (ADAS) sono esempi notevoli di algoritmi di intelligenza artificiale che interpretano e agiscono su dati IoT in tempo reale.

Le auto a guida autonoma o autonome creano una mappa dell'ambiente circostante basata sui dati di una varietà di sensori. I sensori radar, ad esempio, monitorano la posizione dei veicoli vicini; le videocamere rilevano semafori, segnali stradali, altri veicoli e pedoni; I sensori lidar misurano le distanze, rilevano i bordi della strada e identificano i segnali di corsia.

Il software AI elabora quindi i dati del sensore, traccia un percorso ottimale e invia istruzioni agli attuatori dell'auto, che controllano l'accelerazione, la frenata e lo sterzo. Regole codificate, algoritmi per evitare gli ostacoli, modelli predittivi e riconoscimento degli oggetti aiutano il software a seguire le regole del traffico e a superare gli ostacoli.

Le principali sfide dell'implementazione dell'AIoT e come risolverle

Di tutti i progetti IoT implementati a livello globale, il 76% fallisce, con il 30% fallito già nella fase Proof of Concept. Per evitare di indirizzare gli investimenti in iniziative destinate a crollare, le aziende che testano le acque AIoT dovrebbero essere consapevoli delle sfide comuni che potrebbero ostacolare le loro implementazioni AIoT. Gli ostacoli che le aziende incontrano più spesso riguardano:

Intraprendere un viaggio AIoT senza un obiettivo chiaro in mente. Avviando progetti AIoT, le organizzazioni potrebbero rimanere coinvolte nella novità e non riuscire a valutare la fattibilità delle loro idee. Ciò, a sua volta, potrebbe comportare un aumento incontrollato dei costi nelle ultime fasi di sviluppo e, in definitiva, stakeholder insoddisfatti. Per evitarlo, ti consigliamo di iniziare il tuo progetto AIoT con una fase di scoperta, in cui le idee possono essere esaminate e valutate rispetto agli obiettivi aziendali, alle aspettative dei clienti e alle capacità organizzative prefissati.

Lottando per scegliere una strategia di implementazione ottimale. Come detto in precedenza, le soluzioni AIoT possono essere implementate come sistemi cloud, edge o ibridi. Durante la stesura della strategia di implementazione, valutare attentamente i requisiti di larghezza di banda, latenza e velocità per la soluzione futura e mapparli rispetto ai costi stabiliti. La regola pratica prevede implementazioni edge per sistemi time-critical che coprono un gran numero di dispositivi e si affidano al cloud nel caso in cui la latenza minima e l'elevata larghezza di banda siano meno critiche.

Cicli di implementazione lenti con costi difficili da stimare. I progetti AIoT richiedono un impegno a lungo termine. A seconda di un caso d'uso particolare, il processo di implementazione può richiedere da diversi mesi a diversi anni. Con il panorama tecnologico che cambia rapidamente, c'è il rischio che una soluzione diventi obsoleta quando sarà completamente operativa, oltre a perdere il controllo sui costi di implementazione. Per evitarlo, le aziende devono essere sufficientemente agili da essere in grado di introdurre cambiamenti lungo il percorso.

La necessità di collegare sistemi altamente eterogenei e complessi. A seconda della scala della tua soluzione futura e del settore in cui operi, potresti dover collegare apparecchiature legacy altamente eterogenee all'AIoT. Spesso un compito difficile da portare a termine, necessita di pianificazione e comprensione delle opzioni disponibili. Ad esempio, puoi scegliere di collegare sensori alle macchine legacy, collegarli tramite gateway o persino sostituirli del tutto. Indipendentemente dall'approccio, assicurati di elaborare presto scenari di digitalizzazione fattibili.

Non dispongo di dati sufficienti per addestrare algoritmi di intelligenza artificiale. Per generare insight affidabili, gli algoritmi di intelligenza artificiale devono essere addestrati su grandi quantità di dati. Se non è disponibile in quantità sufficienti (o è disponibile ma non può essere utilizzato per motivi di privacy), dovrai utilizzare altre strategie per compensare la mancanza di dati. I metodi comuni includono l'apprendimento del trasferimento (pensa: utilizzando una rete neurale già addestrata che risolve un problema simile), l'aumento dei dati (modificando i campioni esistenti per ottenere nuove voci di dati) o il ricorso a dati sintetici.

Lottando per ottenere prestazioni sufficienti del sistema AIoT. Le prestazioni dei sistemi AIoT dipendono da una serie di fattori, tra cui le capacità hardware, il carico di dati, l'architettura del sistema, l'approccio all'implementazione e altro ancora. Per evitare problemi di prestazioni durante il funzionamento, pianificare in anticipo i potenziali carichi di dati e ottimizzare la strategia di implementazione di conseguenza.

Affrontare le vulnerabilità del software e del firmware. Molti progetti AIoT falliscono perché la sicurezza di dati, dispositivi, server e reti di comunicazione non è stata presa in considerazione durante la fase di pianificazione. Se gestisci dati altamente sensibili, prendi in considerazione le implementazioni ibride, in cui i dati vengono elaborati più vicino all'origine, in modo da ridurre al minimo il rischio che vengano compromessi durante il transito o nel cloud.

Se hai domande senza risposta sull'Intelligenza Artificiale delle cose o stai già pensando di intraprendere un percorso di implementazione AIoT, contatta i nostri esperti.

Pubblicato originariamente su https://itrexgroup.com il 30 agosto 2022.